我无法用正则表达式捕捉一个奇怪的角色

Question

我在捕获和过滤掉一些数据附带的奇怪字符方面遇到了问题，这导致包含它的JSON数据无法正确解析。我不知道为什么，因为它没有包含在我用这个正则表达式创建的白名单中：

$string = preg_replace('/[^\w\dñÑáéíóúÁÉÍÓÚüܺª\-_\/\s\\<>,;:.*\[\]\(\)+?¿!&%@=]/', '', $string);

在Regexr上测试正则表达式。正如您将看到的，这个奇怪的角色没有被捕获

这是它在浏览器中的显示方式：

这就是它在Pluma（Linux编辑器）中的显示方式：

例如，当我复制它并尝试将其插入Google时，不会插入任何内容。真奇怪。我从来没有遇到过这种情况。

关于如何处理它的任何想法？

Answer 1

这个神秘的角色并不那么神秘但很难用你的编辑器显示，因为它是破坏页面的控制字符：Form Feed （\x0C参见ascii表） < / p>

此字符包含在\s字符类中，这就是您的模式与其不匹配的原因。

解决方案包括从模式中删除\s并将其替换为允许的空格字符的详尽列表。

为了简化操作，您可以放置​​包含所有水平空格的类\h（如果支持）。然后手动添加所需的垂直空白。

请注意，如果您使用的是Windows-1252代码页，请将其置于眼睛下方，以确保不会遗忘任何内容并使用字符范围缩短模式。

Answer 2

我明白了！

原来这个字符代表form feed

它包含在\ s，如空格，\ t，\ r或\ n。

更具体地说，我实现了我想要的。新的正则表达式：

/[^\w\dñÑáéíóúÁÉÍÓÚüܺª\-_\/ \r\n\\<>,;:.*\[\]\(\)+?¿!&%@=]/