清理属性名称

Question

基于html syntax docs以及validator中的试错，我相信HTML属性名称中允许的字符是：

• 字母数字
• 连字符
• 下划线
• 周期

例如，这些验证：

<p data-éxample>
<p data-1.5>

我想写一个用于清理属性名称的函数：

<?php 
function sanitize_attr_name ( $name ) {
    return is_string($name) ? preg_replace( '/[^\w\-\.]/', '', $name ) : '';
}

除了特殊的字母字符外，它有效：

sanitize_attr_name( 'data-éxample' ); // 'data-xample'

现在有人使用这样的字符似乎很疯狂，但does in fact work虽然css似乎没有验证escaped or not。

你如何在PHP中解决这个问题？如何编写消毒剂以允许特殊的字母字符？这可能通过regexp吗？为什么ctype_graph('é')是假的？

Answer 1

PHP的正则表达式引擎PCRE支持Unicode character properties \p{property}。其中一个属性是L，这是任何字母的属性。因此，您只需将\w替换为\p{L}0-9_：

'/[^\p{L}0-9_.-]/'

也不需要在字符类中转义句点，并且可以在末尾放置连字符以避免转义。