Php 正则表达式过滤日语

我想允许A-Z，A-Z和日文汉字，平假名，片假名等等。 到目前为止，我已经想到了这个：

$pattern = '/[^\w\x{3041}-\x{3094}\x{30A1}-\x{30fA}\x{30fC}\x{4E00}-\x{9FFF}_\-]+/u';
preg_replace($pattern, '', $string);

我不确定这种形式的正则表达式是否是特定于PHP的。我正在接受URL中的字符串，并希望过滤掉引号和其他“危险”字符。上述“模式”的奇怪之处在于，无论是否有“d”，数字都不匹配

因此，下面做了同样的事情：

$pattern = '/[^\d\w\x{3041}-\x{3094}\x{30A1}-\x{30fA}\x{30fC}\x{4E00}-\x{9FFF}_\-]+/u';

---

我对任何改进或更正感兴趣-我自己不是一个正则表达式向导。

\w

包括数字；它相当于

[A-Za-z0-9.]

。因此，无论哪种方式，您都允许它们。

\w

包括数字；它相当于

[A-Za-z0-9.]

。所以无论哪种方式，您都允许使用它们。

在Unicode上

x3040-x308f：平假名，包括一些旧字符。 x30a1-x30ff：片假名。包括一些符号

但是，x4e00-x9eff是为CJK字符集指定的。不是日本人

CJK指中国、日本和韩国

您可以用unicode描述CJK字符区域。然而，你不能用unicode来描述日本汉字区域。因为在CJK代码区，中国汉字和日本汉字是混合的。没有完全分开。中国汉字和日本汉字有一些共同之处。但由于双方各自的进化，大多数角色都是不同的

请参阅以下网站。它相当重。你的电脑应该有足够的字体来阅读。 在Unicode上

x3040-x308f：平假名，包括一些旧字符。 x30a1-x30ff：片假名。包括一些符号

但是，x4e00-x9eff是为CJK字符集指定的。不是日本人

CJK指中国、日本和韩国

您可以用unicode描述CJK字符区域。然而，你不能用unicode来描述日本汉字区域。因为在CJK代码区，中国汉字和日本汉字是混合的。没有完全分开。中国汉字和日本汉字有一些共同之处。但由于双方各自的进化，大多数角色都是不同的

请参阅以下网站。它相当重。你的电脑应该有足够的字体来阅读。

---

将危险人物列入黑名单并搜索它们可能会更容易。我不知道哪些人物可能是危险人物。有这方面的信息吗？我在MySQL where子句中使用这个字符串。所以它真的需要100%的消毒。你可以用准备好的（例如）来代替吗？这通常会更安全。@matthewflaschen，我正在使用ZF的db和select类，它们显然使用预先准备好的语句。你知道情况是否如此吗？是的，这是一个预先准备好的语句类。将危险字符列入黑名单并搜索它们可能更容易。我不知道哪些字符可能是危险的。有这方面的信息吗？我在MySQL where子句中使用这个字符串。所以它真的需要100%的消毒。你可以用准备好的（例如）来代替吗？这通常会更安全。@matthewflaschen，我正在使用ZF的db和select类，它们显然使用预先准备好的语句。你知道这是不是真的吗？是的，是一个预先准备好的语句类。所以“d”只是[0-9]，而“w”是[a-Za-z0-9]？@sims，没错。你可能会发现这很有帮助。我用的很明显不清楚。谢谢你的澄清@西姆斯，那个网站总体上还不错，在另一页上，解释了POSIX字符类。那么我可以假设上面的正则表达式与ZF类结合起来应该是非常安全的吗？所以“d”只是[0-9]，而“w”是[A-Za-z0-9_]？@sims，这是正确的。你可能会发现这很有帮助。我用的很明显不清楚。谢谢你的澄清@西姆斯，那个网站总体上还不错，在另一页上，解释了POSIX字符类。那么我可以假设上面的正则表达式与ZF类结合起来应该是非常安全的吗？谢谢你提供的信息。我特别担心我过滤了正确的字符。谢谢你提供的信息。我特别担心我过滤了正确的字符。