正则过滤字符串

Question

<?php
//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] = ",";
?>
正则PHP

Answer 1

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

Answer 2

//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

Answer 3

#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。

Answer 4

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}]

Answer 5

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

Answer 6

上边的gbk的正则写错了，看例子就额可以知道
<?php //源文件文件gbk编码
$test = '新_建&文\件,夹a啊[圼[ abd';$matches = array();$reg = "/[^a-zA-Z0-9\x80-\xff]/";preg_match_all($reg, $test, $matches);var_dump($matches);$str = '圼';var_dump(ord($str[0]));
var_dump(ord($str[1]));var_dump(ord('['));如果是gbk的话，可以用下面的方式$test = '新_建&文\件,夹a啊[圼[ 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);

Answer 7

#5 没效果...
<?php
$patten = "[^A-Za-z0-9\x{4e00}-\x{9fff}]";
$str = "新_建&文\件,夹 abd";
echo preg_replace("/".preg_quote($patten)."/",'',$str);#result:
#新_建&文\件,夹 abd
?>

Answer 8

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}