Php Preg_替换和iso-8859-1字符匹配

preg_replace函数有问题

在我的代码中，我将使用它删除字符串开头不是字母或数字的所有字符

这很好，但是当$string包含iso-8859-1字符，如“è，ò，ù，ì”时，会认为没有单词，并且所有单词都被删除

preg_replace('/^[^a-zA-Z0-9]+/', '', $string);

例如，如果

$string

包含

èxample

则输出为

xample

我需要包括这些iso-8859-1元音

有人能解决这个问题吗？

试试看

$string = "1èxample";
$r = preg_replace('/^[^\p{L}\p{Nd}]+/', '', $string);

echo $r;

测试

输出

1è示例

\p{L}

是任何语言中的任何字母。这和任何字母都匹配

\p{Nd}

是任何语言中的任何数字

有关更多详细信息，请参阅。

试试看

$string = "1èxample";
$r = preg_replace('/^[^\p{L}\p{Nd}]+/', '', $string);

echo $r;

测试

输出

1è示例

\p{L}

是任何语言中的任何字母。这和任何字母都匹配

\p{Nd}

是任何语言中的任何数字

---

有关更多详细信息，请参阅。

PCRE不支持Unicode块（在这种情况下，事情会容易得多），因此除了手动指定允许的字符集（或其否定）之外，您没有其他选择。正则表达式看起来像

[^a-zA-Z0-9\xC0-\xFF]+

---

问题是范围

\xC0-\xFF

还包括不需要的字符（例如除号，

\xF7

），因此您必须根据需要将其分解为可接受的子范围。请查看以帮助确定哪些字符是可以的，哪些不是。

PCRE不支持Unicode块（在这种情况下，事情会容易得多），因此除了手动指定允许的字符集（或其否定）之外，您没有其他选择。正则表达式看起来像

[^a-zA-Z0-9\xC0-\xFF]+

---

问题是范围

\xC0-\xFF

还包括不需要的字符（例如除号，

\xF7

），因此您必须根据需要将其分解为可接受的子范围。查看以帮助确定哪些字符是可以的，哪些不是。

“ISO字符”没有多大意义；如果字符串是用ISO-8859编码的，那么它不能包含任何“其他”字符，因此不需要清理它。你是说ISO-8859-1中所有可编码的字符吗？或者这仅仅是你说“一些有口音的角色”的方式？如果是前者：最慢的方法是往返转换到ISO-8859-1，以丢弃该编码中无法表示的所有字符。如果是后者，请指定要保留的确切字符集。“ISO字符”没有多大意义；如果字符串是用ISO-8859编码的，那么它不能包含任何“其他”字符，因此不需要清理它。你是说ISO-8859-1中所有可编码的字符吗？或者这仅仅是你说“一些有口音的角色”的方式？如果是前者：最慢的方法是往返转换到ISO-8859-1，以丢弃该编码中无法表示的所有字符。如果是后者，请指定要保留的确切字符集。“任何语言中的任何字母”-也使用西里尔语？希伯来语？韩国人这就是OP想要的吗？是的，也匹配西里尔字母。还有日语、汉语。。。。我不知道，如果这是OP想要的，那是我的假设。@stema:OP对ISO-8859-1特别感兴趣，所以这似乎太自由了。@Jon使用Unicode属性查找字母真的有伤害吗？如果OP有一些ISO-8859-1编码的数据，它只能找到其中的字母，没有西里尔字母或日语字母，它们不能在源数据中。它的可读性比使用某个范围要好得多，我需要代码页来查看它们匹配的内容。（我不是php专家，所以我不知道php在内部对字符串做什么，如果在非Unicode字符串上使用Unicode属性，可能会出问题！？）@stema：好吧，首先，你需要添加一个字符串，这样才能工作。该修饰符假设模式和主题都是UTF-8，所以您需要首先转换（在ISO-8859-1输入中很难失败）。最后，它会慢很多。除此之外，“任何语言的任何字母”-也这么西里尔文？希伯来语？韩国人这就是OP想要的吗？是的，也匹配西里尔字母。还有日语、汉语。。。。我不知道，如果这是OP想要的，那是我的假设。@stema:OP对ISO-8859-1特别感兴趣，所以这似乎太自由了。@Jon使用Unicode属性查找字母真的有伤害吗？如果OP有一些ISO-8859-1编码的数据，它只能找到其中的字母，没有西里尔字母或日语字母，它们不能在源数据中。它的可读性比使用某个范围要好得多，我需要代码页来查看它们匹配的内容。（我不是php专家，所以我不知道php在内部对字符串做什么，如果在非Unicode字符串上使用Unicode属性，可能会出问题！？）@stema：好吧，首先，你需要添加一个字符串，这样才能工作。该修饰符假设模式和主题都是UTF-8，所以您需要首先转换（在ISO-8859-1输入中很难失败）。最后，它会慢很多。除此之外，它还可以工作。完美的解决方案。定义范围是完美的。preg_replace（'/[^a-z0-9\xC0-\xD6\xD8-\xF6\xF8-\xFF]+/i'，'$str）；使用这个ignore case regexp，您还可以排除除法（D7）和moltiplication（F7）。完美的解决方案。定义范围是完美的。preg_replace（'/[^a-z0-9\xC0-\xD6\xD8-\xF6\xF8-\xFF]+/i'，'$str）；使用这个ignore case regexp，还可以排除除法（D7）和moltiplication（F7）。