我想将一个字符串清理到一个 URL 中，所以这就是我基本上需要的：
例如。
This, is the URL!
必须返回
this-is-the-url
【问题讨论】：
标签： php regex preg-replace slug sanitization
function slug($z){
$z = strtolower($z);
$z = preg_replace('/[^a-z0-9 -]+/', '', $z);
$z = str_replace(' ', '-', $z);
return trim($z, '-');
}
【讨论】：
首先去除不需要的字符
$new_string = preg_replace("/[^a-zA-Z0-9\s]/", "", $string);
然后将空格换成 unsercores
$url = preg_replace('/\s/', '-', $new_string);
最后编码准备好使用
$new_url = urlencode($url);
【讨论】：
_ 是一个下划线，- 是一个连字符。在这样的字符串上使用urlencode 也不会改变任何东西。您还忘记了第一个正则表达式中的 hypen 并且 \s 不等于空格字符。
这将在 Unix shell 中完成（我刚刚在我的 MacOS 上尝试过）：
$ tr -cs A-Za-z '-' < infile.txt > outfile.txt
我从 More Shell, Less Egg 上的一篇博文中得到了这个想法
【讨论】：
试试这个
function clean($string) {
$string = str_replace(' ', '-', $string); // Replaces all spaces with hyphens.
$string = preg_replace('/[^A-Za-z0-9\-]/', '', $string); // Removes special chars.
return preg_replace('/-+/', '-', $string); // Replaces multiple hyphens with single one.
}
用法：
echo clean('a|"bc!@£de^&$f g');
将输出：abcdef-g
【讨论】：
所有以前的 asnwers 都处理 url，但如果有人需要清理字符串以进行登录（例如）并将其保留为文本，那么你可以这样做：
function sanitizeText($str) {
$withSpecCharacters = htmlspecialchars($str);
$splitted_str = str_split($str);
$result = '';
foreach ($splitted_str as $letter){
if (strpos($withSpecCharacters, $letter) !== false) {
$result .= $letter;
}
}
return $result;
}
echo sanitizeText('ОРРииыфвсси ajvnsakjvnHB "&nvsp;\n" <script>alert()</script>');
//ОРРииыфвсси ajvnsakjvnHB &nvsp;\n scriptalert()/script
//No injections possible, all info at max keeped
【讨论】：
以下内容将用破折号替换空格。
$str = str_replace(' ', '-', $str);
然后以下语句将删除除字母数字字符和虚线之外的所有内容。 （没有空格，因为在上一步中我们已将它们替换为破折号。
// Char representation 0 - 9 A- Z a- z -
$str = preg_replace('/[^\x30-\x39\x41-\x5A\x61-\x7A\x2D]/', '', $str);
相当于
$str = preg_replace('/[^0-9A-Za-z-]+/', '', $str);
仅供参考：要从字符串中删除所有特殊字符，请使用
$str = preg_replace('/[^\x20-\x7E]/', '', $str);
\x20 是 Acsii 字符开头的空间的十六进制，\x7E 是波浪号。根据维基百科https://en.wikipedia.org/wiki/ASCII#Printable_characters
仅供参考：查看 20-7E 区间的十六进制列
可打印字符 代码 20hex 到 7Ehex 被称为可打印字符，代表字母、数字、标点符号和一些杂项符号。总共有 95 个可打印字符。
【讨论】：
你应该使用 slugify 包而不是重新发明轮子；）
【讨论】：
function isolate($data) {
$data = trim($data);
$data = stripslashes($data);
$data = htmlspecialchars($data);
return $data;
}
【讨论】：
OP 没有明确描述 slug 的所有属性，但这是我从意图中收集到的。
我对完美、有效、浓缩的 slug 的解释与这篇文章一致：https://wordpress.stackexchange.com/questions/149191/slug-formatting-acceptable-characters#:~:text=However%2C%20we%20can%20summarise%20the,or%20end%20with%20a%20hyphen。
我发现之前发布的答案中没有一个能够始终如一地实现这一目标（而且我什至没有将问题的范围扩大到包括多字节字符）。
我推荐以下不打扰声明一次性变量的单行代码：
return trim(preg_replace('/[^a-z0-9]+/', '-', strtolower($string)), '-');
我还准备了一个演示，突出显示我认为其他答案中的不准确之处。 (Demo)
'This, is - - the URL!' input
'this-is-the-url' expected
'this-is-----the-url' SilentGhost
'this-is-the-url' mario
'This-is---the-URL' Rooneyl
'This-is-the-URL' AbhishekGoel
'This, is - - the URL!' HelloHack
'This, is - - the URL!' DenisMatafonov
'This,-is-----the-URL!' AdeelRazaAzeemi
'this-is-the-url' mickmackusa
---
'Mork & Mindy' input
'mork-mindy' expected
'mork--mindy' SilentGhost
'mork-mindy' mario
'Mork--Mindy' Rooneyl
'Mork-Mindy' AbhishekGoel
'Mork & Mindy' HelloHack
'Mork & Mindy' DenisMatafonov
'Mork-&-Mindy' AdeelRazaAzeemi
'mork-mindy' mickmackusa
---
'What the_underscore ?!?' input
'what-the-underscore' expected
'what-theunderscore' SilentGhost
'what-the_underscore' mario
'What-theunderscore-' Rooneyl
'What-theunderscore-' AbhishekGoel
'What the_underscore ?!?' HelloHack
'What the_underscore ?!?' DenisMatafonov
'What-the_underscore-?!?' AdeelRazaAzeemi
'what-the-underscore' mickmackusa
【讨论】：
使用intl transliterator 是一个不错的选择，因为有了它，您可以使用一组规则轻松处理复杂的情况。我添加了自定义规则来说明它如何灵活，以及如何保留最大的有意义的信息。随意删除它们并添加您自己的规则。
$strings = [
'This, is - - the URL!',
'Holmes & Yoyo',
'L’Œil de démon',
'How to win 1000€?',
'€, $ ＆ other currency symbols',
'Und die Katze fraß alle mäuse.',
'Белите рози на София',
'പോണ്ടിച്ചേരി സൂര്യനു കീഴിൽ',
];
$rules = <<<'RULES'
# Transliteration
:: Any-Latin ; :: Latin-Ascii ;
# examples of custom replacements
'&' > ' and ' ;
[^0-9][01]? { € > ' euro' ; € > ' euros' ;
[^0-9][01]? { '$' > ' dollar' ; '$' > ' dollars' ;
:: Null ;
# slugify
[^[:alnum:]&[:ascii:]]+ > '-' ;
:: Lower ;
# trim
[$] { '-' > &Remove() ;
'-' } [$] > &Remove() ;
RULES;
$tsl = Transliterator::createFromRules($rules, Transliterator::FORWARD);
$results = array_map(fn($s) => $tsl->transliterate($s), $strings);
print_r($results);
不幸的是，关于 ICU 转换的 PHP 手册完全是空的，但您可以找到有关它们的信息 here。
【讨论】：