正则过滤字符串

正则 PHP

<?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] = ",";?>

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

<?php //源文件文件gbk编码$test = '新_建&文\件,夹a啊[?[ abd';$matches = array();$reg = "/[^a-zA-Z0-9\x80-\xff]/";preg_match_all($reg, $test, $matches);var_dump($matches);$str = '?';var_dump(ord($str[0]));var_dump(ord($str[1]));var_dump(ord('['));

如果是gbk的话，可以用下面的方式

$test = '新_建&文\件,夹a啊[?[ abd';$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...<?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?>

OK,#6 的可以用了。谢谢各位支持。

#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?>

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}