Question

此代码：

$text = preg_replace("/[^\s\-\_\@a-zA-Z0-9äáàëéèíìöóòúùñçÀÁÈÉÊÌÍÒÓÙÚ.,;]/", "", $text);

成功删除*°+等特殊字符？ ECC。我想保存空格，“ - ”，“_”，“@”，字母，数字，重音符号，“。,;”，“ñ”和“ç”，没有别的。它工作正常，但不能删除它：§

这只是一个例子，所以我可以制定一个特殊规则，但我担心它也无法删除其他字符。这是为什么？我怎样才能完全删除上面列出的所有内容？

Answer 1

您想使用u（ Unicode ）修饰符。通过将此修饰符放在正则表达式模式之后，它指定PCRE的其他功能，并将Pattern字符串视为 UTF-8 。

$text = preg_replace('/[^a-zA-Z0-9äáàëéèíìöóòúùñçÀÁÈÉÊÌÍÒÓÙÚ\s@.,;_-]/u', '', $text);

您可以按如下方式修改角色类：

$text = preg_replace('/[^\pL\pN\s.,;@_-]+/u', '', $text);

Unicode 属性\pL包含常规a-z个字符以及重音字符。 \pN将匹配任何脚本中的任何数字字符;如果需要，您可以将其更改回0-9。

Answer 2

§（又名：SECTION SIGN）在utf8中编码：c2 a7
ç（又名：带有CEDILLA的LATIN SMALL LETTER C）在utf8中编码：c3 a7

正则表达式引擎默认情况下会考虑每个字节都是一个字符。如果我写这样的话：

echo dechex(ord(preg_replace('~[^ç]~', '', '§')));

我将获得a7，因为否定的字符类包含所有不是＆＃34;字符＆＃34; c3和a7。

您可以告诉正则表达式引擎模式字符串是使用u修饰符进行utf8编码的。使用此修饰符ç不再被视为两个分隔的字节，而是一组代表一个字符的字节。