使用正则表达式删除除中文字符以外的所有字符？

Question

我有一个用中文写的句子。

这包含中文字符和其他填充内容，如空格，逗号，感叹号等，均以UTF8编码。

使用带有latin1字符串的正则表达式，我可以使用preg_replace和[a-zA-Z]来清除它并删除填充符。

如何删除所有填充项目时，如何只保留中文字符串中的中文“字母”字符？

Answer 1

根据this document，这里是unicode中文字符范围：

表12-2。含汉字表意文字的块

Block                                Range         Comment
CJK Unified Ideographs               4E00–9FFF     Common
CJK Unified Ideographs Extension A   3400–4DBF     Rare
CJK Unified Ideographs Extension B   20000–2A6DF   Rare, historic
CJK Unified Ideographs Extension C   2A700–2B73F   Rare, historic
CJK Unified Ideographs Extension D   2B740–2B81F   Uncommon, some in current use
CJK Compatibility Ideographs         F900–FAFF     Duplicates, unifiable variants, corporate
characters
CJK Compatibility Ideographs Supplement 2F800–2FA1F Unifiable variants

您可以像这样使用它：

preg_replace('/[^\u4E00-\u9FFF]+/', '', $string);

或

preg_replace('/\P{Han}+/', '', $string);

其中\P是\p

的否定

请参阅here查看所有unicode scripts