欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

正则过滤字符串

程序员文章站 2022-05-21 12:32:55
...
正则 PHP

回复讨论(解决方案)

$str = "新_建&文\件,夹 abd";echo preg_replace('/[_&\\\,\s]+/u','',$str);

//中文编码包含UTF-8,GBK$str = "新_建&文\件,夹 abd";//获取结果$res = "新建文件夹abd";//包含非法字符:$out[0] = "_";$out[1] = "&";$out[2] = "\\";$out[3] = " ";$out[4] = ",";$pattern = join('|', array_map('preg_quote', $out));echo preg_replace("/$pattern/", '', $str);
新建文件夹abd

不是吧?猩猩也问这问题?

#1,#2的方法可行,但是治标不治本;
我没有说清楚吧,是这样,$out是过滤出来的字符,之前是不知道的,我只是举个例子有这些非法字符。
实际目标:在获取input的表单结果后,将除中文和英文字母以外的所有非法字符扣掉。

如果单纯的英文字母还好确定范围,符合要求的有[A-Za-z0-9],也就是之外的全部为非法字符。
但是如果加上中英文混排,除非你确定出所有的汉字范围,否则没有好的方法扣除掉,例如GBK通常可以用[\x80-\xff][\x40-\xfe]来表示汉字的范围,注意这仅仅是大概范围,如果是utf8的话,则是\u4e00-\u9fa5,这里面如果有一些你认为是非法字符的话,是没有办法干掉的。

粗略的说,gbk非中文和英文字母以外的所有非法字符的范围应该是[^A-Za-z0-9\x80-\xff\x40-\xfe]
而utf8的则是[^A-Za-z0-9\x{4e00}-\x{9fff}]

echo preg_replace('/[^A-Za-z\p{Han}]+/u', '', "新_建&文\件,夹 abd");

上边的gbk的正则写错了,看例子就额可以知道



如果是gbk的话,可以用下面的方式

$test = '新_建&文\件,夹a啊[?[ abd';$out = preg_split('/([a-zA-Z0-9]|[\x80-\xff].)+/', $test);$matches = array(); preg_match_all('/([a-zA-Z0-9]|[\x80-\xff].)/', $test, $matches);$res = implode($matches[1]);var_dump($res);$out = str_split(str_replace($matches[1], '', $test));var_dump($out);

#5 没效果...

OK,#6 的可以用了。谢谢各位支持。

#5 没效果...


使用utf8匹配规则,要在正则后面加u模式匹配,即应该是

echo preg_replace("/[^A-Za-z0-9\x{4e00}-\x{9fff}]/u",'',$str);

其实 \p{Han} 在某种意义上等同于 \x{4e00}-\x{9fff}
相关标签: 正则过滤字符串