Php 正则表达式匹配任何UTF字符（标点符号除外）

我正在用PHP编写一个函数，自动转换一个字符串作为URL（*.html）中的文件名。尽管出于安全考虑，ASCII应该被使用，但出于SEO需要，我需要允许文件名使用任何语言，但我不希望它包含除破折号（-）和下划线（35;）以外的标点符号，不允许使用像*%$#@这样的字符

空格应转换为破折号

我认为使用正则表达式将是最简单的方法，但我不确定如何处理UTF8字符串

我的ASCII函数如下所示：

function convertToPath($string)
{
    $string = strtolower(trim($string));
    $string = preg_replace('/[^a-z0-9-]/', '-', $string);
    $string = preg_replace('/-+/', "-", $string);
    return $string;
}

谢谢

---

Roy.

如果选择了UTF-8模式，您可以使用

因此，我会尝试以下方法（未经测试）：

---

请注意，UTF-8字符串上会出现问题，因为它会干扰多字节字符-请改用。

我认为，对于SEO需求，您应该坚持URL中的ASCII字符

理论上，URL中允许有更多的字符。实际上，大多数系统只解析ASCII码

此外，许多自动解析链接脚本的方法都会阻塞非ASCII字符。因此，允许URL中包含非ASCII字符的URL大大减少了在用户生成的内容中显示（正确）链接的更改。 （如果您想要此类脚本的示例，请查看stackoverflow脚本，例如，它会被括号阻塞）

您还可以看看：

公认的解决方案是转换非ASCII字符：

<?php
  $text = iconv('UTF-8', 'US-ASCII//TRANSLIT', $text);
?>

---

希望这对您有所帮助

您在这一点上是正确的-在URL中保留非ASCII字符将导致问题，因为您必须跟踪客户端浏览器的URL编码（不太一致）。但请注意，iconv音译需要设置正确的区域设置（UTF-8编码）-使用Windows这也会将重音（通常为非间隔）替换为“-”，因此“aït Ben Haddou”将变成“Ai-t Ben Haddou”。

function convertToPath($string)
{
    $string = mb_strtolower(trim($string), 'UTF-8');
    $string = preg_replace('/\P{L}+/', '-', $string);
    $string = preg_replace('/-+/', "-", $string);
    return $string;
}

<?php
  $text = iconv('UTF-8', 'US-ASCII//TRANSLIT', $text);
?>