删除所有特殊字符，但不删除非拉丁字符答案

【问题标题】：Remove all special chars, but not non-Latin characters删除所有特殊字符，但不删除非拉丁字符
【发布时间】：2018-04-16 15:49:44
【问题描述】：

我将这个 PHP 函数用于 SEO 网址。它适用于拉丁词，但我的网址是西里尔字母。此正则表达式 - /[^a-z0-9_\s-]/ 不适用于西里尔字符，请帮助我使其适用于非拉丁字符。

function seoUrl($string) {
    // Lower case everything
    $string = strtolower($string);
    // Make alphanumeric (removes all other characters)
    $string = preg_replace('/[^a-z0-9_\s-]/', '', $string);
    // Clean up multiple dashes or whitespaces
    $string = preg_replace('/[\s-]+/', ' ', $string);
    // Convert whitespaces and underscore to dash
    $string = preg_replace('/[\s_]/', '-', $string);
    return $string;
}

【问题讨论】：

范围：U+0400–U+04FF
谢谢，雷沃！这对我有用！
请务必使用mb_strtolower 而不是strtolower

标签： php regex non-latin

【解决方案1】：

您需要为西里尔字母使用 Unicode 脚本，幸运的是 PHP PCRE 使用 \p{Cyrillic} 支持它。此外，您必须设置 u (unicode) 标志来预测引擎行为。您可能还需要i 标志来启用不区分大小写，例如A-Z：

~[^\p{Cyrillic}a-z0-9_\s-]~ui

你不需要双重转义\s。

PHP 代码：

preg_replace('~[^\p{Cyrillic}a-z0-9_\s-]+~ui', '', $string);

【讨论】：

【解决方案2】：

要了解有关 Unicode 正则表达式的更多信息，请参阅this article。

\p{L} 或 \p{Letter} 匹配来自任何语言的任何类型的字母。

要仅匹配西里尔字符，请使用\p{Cyrillic}

由于西里尔字符不是标准的 ASCII 字符，您必须使用 u 标志/修饰符，因此正则表达式将根据需要识别 Unicode 字符。

在使用 unicode 字符时，请务必使用 mb_strtolower 而不是 strtolower。

因为您将所有字符都转换为小写，所以您不必使用i 正则表达式标志/修饰符。

以下 PHP 代码应该适合您：

function seoUrl($string) {
    // Lower case everything
    $string = mb_strtolower($string);
    // Make alphanumeric (removes all other characters)
    $string = preg_replace('/[^\p{Cyrillic}a-z0-9\s_-]+/u', '', $string);
    // Clean up multiple dashes or whitespaces
    $string = preg_replace('/[\s-]+/', ' ', $string);
    // Convert whitespaces and underscore to dash
    $string = preg_replace('/[\s_]/', '-', $string);
    return $string;
}

此外，请注意\p{InCyrillic_Supplementary} 匹配所有Cyrillic Supplementary characters，\p{InCyrillic} 匹配所有non-Supplementary Cyrillic characters。

【讨论】：