Question

我想从我导入的文本块中删除所有标点符号，除了'，例如'in not not。

我目前有

$ words = preg_replace（'/ [^ a-z] + / i'，''，$ words）;

删除所有标点符号，但我不确定如何包含'。

我怎样才能做到这一点？

Answer 1

试试吧

preg_replace( '/[^\w\']+|\'(?!\w)|(?<!\w)\'/', '', $words )

这应该替换所有非字母以及单词之外的单个撇号

尚未经过测试，如果有效，请告诉我

更新

也可以删除数字，只需使用此正则表达式

/[^\w\']+|\'(?!\w)|(?<!\w)\'|\d+/

刚刚添加\d+，因此数字匹配并将被删除

Answer 2

要使用unicode属性删除标点字符，请执行以下操作：

 preg_replace('/\p{Punctuation}+/u', '', $words);

或

 preg_replace('/\p{P}+/u', '', $words);

删除除单引号之外的所有标点符号：

 preg_replace("/[^\P{P}']+/u", '', $words);

查看here。

Answer 3

您可以使用

(?!')\p{P}

匹配除撇号之外的任何标点符号。 E.g。

preg_replace('/(?!\')\p{P}/gu', '', $str);

Answer 4

/(?!'\b)[[:punct:]] ?/

这匹配任何标点符号，除非它是一个撇号后跟一个字符（即一个字边界，暗示一个字符）。