正则表达式从多语言字符串中筛选所有白名单字符

Question

我正在尝试清理来自多语言网站上搜索框的字符串。

通常我会使用正则表达式：

$allowed = "-+?!,.;:\w\s";
$txt_search = preg_replace("/[^" . $allowed . "]?(.*?)[^" . $allowed . "]?/iu", "$1", $_GET['txt_search']);

，这适用于英文文本。

然而，现在我需要做同样的事情，输入的文本可以是任何语言（现在是俄语，将来是中文）。

如何在保留原始语言的“普通文本”的同时清理字符串？

我虽然要切换到黑名单（虽然我不是......）但是此刻正则表达式完全破坏了所有原始输入。

Answer 1

您可以使用 \ p {LN} [\p{L}\p{N}]代替\ w，请参阅http://www.php.net/manual/en/regexp.reference.unicode.php

Answer 2

这是常见问题，俄语字母无法被\ w模式识别，因此可以使用

$ allowed =“ - +？！，。;：\ w \sа-я”;