从多语言的字符串中删除所有非字母字符

Question

我有一个适用于多种语言的网站，我正在寻找一个php函数来从多个语言的字符串中去除所有垃圾。

示例：我在hindi中将以下内容插入到我的数据库中，但对于其他语言则相同。

कमबख़्तकेगालीभीसलीक़ेसेननींदीजाती... \'

所以你可以看到我得到了不想要的...... \'字符。

这并没有削减多种语言

$newString = preg_replace('/[^a-z0-9]/i', ' ', $text); 

我也试过了，我真的不明白这里发生了什么也没有用。

$newString = preg_replace(''/^[\p{L}\p{M}\p{Nd}]{2,}$/u'', ' ', $text);  

我真的只需要删除键盘上没有字母或数字的所有内容，即

!@£$%^&*()_+=.<>/, etc etc

我不确定字符串中的...... \'是否真的如果它有意义，因为如果我跑了。

$newString = str_replace("...\'", "", $text);

这是我第一次真正深入了解多种语言。

Answer 1

我设法用它来解决它们：

$test = 'कमबख़्त को गाली भी सलीक़े से नहीं दी जाती...\\';
$test = preg_replace('@[^\x{0900}-\x{097F}]@u', '', $test);

<强>输出

कमबख़्तकोगालीभीसलीक़ेसेनहींदीजाती

我使用的正则表达式替换了不在该unicode范围内的所有字符。