Question

我要做的是清理字符串（html标签，额外的空格，引号......），但我想承认标点符号和ñ字符等拉丁字符。我尝试过这个，但我无法弄清楚为什么没有按预期工作：

代码

//Removing special characters
$str = preg_replace('/[^;\sa-zA-Z0-9áéíóúüñÁÉÍÓÚÜÑ]+/', '', $str);
//Deleting extra white spaces
$str = preg_replace('/\s+/', ' ', $str);

实施例

in:       Película; Films; @Cine; Añoranza; <html></body>foo "bar    ";
out:      pelcula; Films; Cine; Aoranza;  foo bar
expected: Película; Films; Cine; Añoranza; foo bar

问题：

我的代码有什么问题，我该如何解决？因为拉丁字符部分是唯一没有处理表达式的部分。

加号：如何将两个正则表达式合并为一个？

Answer 1

如果您使用的是UTF-8，则需要使用u标志。

$str = preg_replace('/[^;\sa-zA-Z0-9áéíóúüñÁÉÍÓÚÜÑ]+/u', '', $str);

确保您的数据库连接是utf-8和您的php源文件物理编码是utf-8，它都可以工作。你的正则表达式不会神奇地成为一个HTML解析器。

Answer 2

你也可以使用这个（更好看的）方法：

$str = preg_replace('/[^\p{Latin}]+/u', '', $str);

使用preg_replace清理字符串，但允许拉丁字符

代码

实施例

问题：

2 个答案: