正则表达式去除除单词和数字（以及拉丁字符）之外的所有内容答案

【问题标题】：Regex to strip out everything but words and numbers (and latin chars)正则表达式去除除单词和数字（以及拉丁字符）之外的所有内容
【发布时间】：2011-08-08 13:34:08
【问题描述】：

我正在尝试清理 ajax 请求中使用的 post 字符串（在 db 查询之前进行清理）以仅允许字母数字字符、空格（每个单词 1 个，而不是多个），可以包含“-”和拉丁字符，如“ç”和“é”没有成功，任何人都可以帮助或指出正确的方向吗？

这是我目前使用的正则表达式：

$string = preg_replace('/^[a-z0-9 àáâãäåçèéêëìíîïðñòóôõöøùúû-]+$/', '', mb_strtolower(utf8_encode($_POST['q'])));

谢谢。

【问题讨论】：

标签： php regex punctuation

【解决方案1】：

$regEx = '/^[^\w\p{L}-]+$/iu';

\w - 匹配字母数字

\p{L} - 匹配“字母”类别中的单个 Unicode 代码点（请参阅 Unicode 类别部分 here）。

字符类末尾的- 匹配单个连字符。

字符类中的

^ 否定字符类，因此正则表达式将匹配字符类的反面（您所做的任何事情未指定）。

+ 在字符类之外表示匹配 1 个或多个字符

字符类之外的^ 和$ 将导致引擎只接受从行首开始一直到行尾的匹配项。

在模式之后，i 修饰符表示忽略大小写，u 告诉模式匹配引擎我们将按原样发送 UTF8 数据，并且最初存在的 g 修饰符已被删除，因为它PHP 中不需要（而是全局匹配取决于调用哪个匹配函数）

【讨论】：

嗨，还没有测试过这个，但它看起来真的让我很困惑，因为我还在学习如何使用正则表达式:) 无论如何谢谢！！

【解决方案2】：

$string = mb_strtolower(utf8_encode($_POST['q'])));
$string = preg_replace('/[^a-z0-9 àáâãäåçèéêëìíîïðñòóôõöøùúû-]+/g', '', $string);
$string = preg_replace('/ +/g', ' ', $string);

为什么不直接使用 mysql_real_escape_string？

【讨论】：

嗨，谢谢，这个工作正常，只是改变了分隔符 $string = mb_strtolower($this->input->post('q')); $string = preg_replace('%/[^a-z0-9 àáâãäåçèéêëìíîïðñòóôõöøùúû-]+/g%', '', $string); $string = preg_replace('%/ +/g%', ' ', $string);我没有使用 mysql_real_escape_string，因为我使用的是 codeigniter，所以所有内容都在框架上转义，但这与此事无关。谢谢。

【解决方案3】：

$string = preg_replace('/[^a-z0-9 àáâãäåçèéêëìíîïðñòóôõöøùúû\-]/u', '', mb_strtolower(utf8_encode($_POST['q']), 'UTF-8'));
$string = preg_replace( '/ +/', ' ', $string );

应该可以解决问题。请注意，

通过将^ 放入字符类来否定字符类
在处理模式或主题中的 unicode 字符串时，您需要 u 标志
最好在 mb_* 函数中明确指定字符集，否则它们将使用您的系统默认值，并且可能不是 UTF-8。
需要转义的连字符（\- 而不是 - 在字符类的末尾）

【讨论】：