Php preg_替换使用Unicode无法正常工作？

我正在使用

preg\u replace

功能过滤掉一些用户输入。下面的函数应该过滤掉Unicode中的控制字符，但似乎这些字符中的一些被归类为其他类别（标点、空格等），从而允许它们通过过滤。为什么会这样

preg_replace("/[^\p{L}\p{M}\p{N}\p{P}\p{S}]/u", "", $message);

下面是一些使用上述方法通过筛选的Unicode

U+0085  NEXT LINE (NEL)     …
U+008C  PARTIAL LINE BACKWARD   Œ
U+0095  MESSAGE WAITING     •

更换前的安全性如何？还有更好的方法吗？

请在使用

preg\u replace（）

之前先尝试一下

preg_replace("/[^\p{L}\p{M}\p{N}\p{P}\p{S}]/u", "", utf8_encode($message));

在代码中，您有：

"a…Œ•a"

其中包括：

• …

  U+2026水平省略号

• Œ

  U+0152拉丁文大写连字OE

• •

  U+2022子弹头

正如您所料，

Œ

是一个字母

\p{L}

，另外两个是标点符号

\p{p}

，因此所有这些都是允许的

你被某个资源误导了，其中有人说，

…

是U+0085，依此类推；事实并非如此。发生这种情况的可能原因是他们编写了一个带有数字字符引用的HTML文件

…在其中

在HTML中，字符引用
€至
和#x9F
（又称
€；
到
Ÿ；
）实际上并不表示代码点为U+0080到U+009F的Unicode字符。而是指Windows代码页1252（西欧）编码中编码形式介于0x80和0x9F之间的字符。代码页1252中的字节0x85是省略号，因此
…表示U+2026，而不是U+0085

这是由于历史原因造成的：古代浏览器中的漏洞早于现代人对Unicode的理解，后来被其他人复制并最终被发现。XML不会受到这种异常的影响：在XHTML中，
…实际上是U+0085

对于代码点U+0080-U+009F中的实数（不可见，“C1”）控制字符，表达式工作正常：

function unichr($i) { // get character from code point, in UTF-8 string form
    return iconv('UCS-4LE', 'UTF-8', pack('V', $i));
}

$message = 'a'.unichr(0x85).unichr(0x8C).unichr(0x95).'a';
$filtered = preg_replace("/[^\p{L}\p{M}\p{N}\p{P}\p{S}]/u", "", $message);
var_dump($filtered);

<<< string(2) "aa"

函数unichr（$i）{//以UTF-8字符串形式从代码点获取字符
返回iconv（'UCS-4LE'，'UTF-8'，包装（'V'，$i））；
}
$message='a'.unichr（0x85）.unichr（0x8C）.unichr（0x95）。'a'；
$filtered=preg_replace（“/[^\p{L}\p{M}\p{N}\p{p}\p{S}]/u”，”，“，$message）；
var_转储（已过滤）；
不，它将它们转换为其他字符，而不是删除。你能回答我的问题真是我的荣幸。你的丰富知识总是给我留下深刻印象。