我用的是PHP
我的字符串可以像这样
This is a string-test width åäö and some über+strange characters: _like this?
是否有一种方法可以删除非字母数字字符并用空格替换它们?以下是一些非字母数字字符:
- -
- +
- :
- _
- ?
我读了很多关于它的帖子,但是他们不支持其他语言,比如这个:
preg_replace("/[^A-Za-z0-9 ]/", '', $string);
- 我的非字母字符列表可能不完整。
- 我的内容包含不同语言的字符,如åäöü。可能更多。
- 非字母数字字符应替换为空格。否则这两个词就会粘在一起。
你可以试试:
preg_replace('~[^'p{L}'p{N}]++~u', ' ', $string);
'p{L}
代表所有字母字符(无论字母是什么)。
'p{N}
代表数字。
带有u修饰符的主题字符串的字符被视为unicode字符。
或:
preg_replace('~'P{Xan}++~u', ' ', $string);
'p{Xan}
包含unicode字母和数字。
'P{Xan}
包含所有非unicode字母和数字。(注意,它也包含空白,您可以使用~[^'p{Xan}'s]++~u
保留)
如果你想要一个更具体的允许字母集,你必须用unicode表中的范围替换'p{L}
。
的例子:
preg_replace('~[^a-zÀ-ÖØ-öÿŸ'd]++~ui', ' ', $string);
为什么在这里使用所有格量词(++)?
~'P{Xan}+~u
将给出与~'P{Xan}++~u
相同的结果。这里的不同之处在于,在第一种情况下,引擎记录每个回溯位置(我们不需要),而在第二种情况下,它不记录每个回溯位置(就像在原子组中一样)。结果是一个小的性能利润。
我认为在可能的情况下使用所有格量词和原子群是一个很好的练习。
然而,在明显的情况下(例如:a+b
=> a++b
), PCRE regex引擎会自动使量词为所有格,除非PCRE模块已经使用选项pcre_no_auto_拥有进行编译。(http://www.pcre.org/pcre.txt)
有关所有格量词和原子群的更多信息请参阅此处(所有格量词)和此处(原子群)或此处
您是否正在寻找'W
?
类似:
/['W_]*/
匹配所有非字母数字字符和下划线。
'w
匹配所有单词字符(字母、数字、下划线)
'W
匹配'w
以外的内容。
因此,'W
匹配任何非字母数字字符,并且您添加下划线,因为'W
不匹配下划线。
编辑:这使你的代码行变成:
preg_replace("/['W_]*/", ' ', $string);
' '
表示所有匹配的字符(非字母和非数字)将成为空白。
reEDIT:您可能还需要使用另一个preg_replace
来删除所有连续空格并用单个空格替换它们,否则您将以:
This is a string test width and some ber strange characters like this
你可以使用:
preg_replace("/'s+/", ' ', $string);
我不完全确定您使用的是哪种正则表达式。但是,POSIX正则表达式允许您表示字母类,其中[:alpha:]表示任何字母字符。
所以尝试:
preg_replace("/[^[:alpha:]0-9 ]/", '', $string);
实际上,我忘记了[:alnum:] -这使它更简单:
preg_replace("/[^[:alnum:] ]/", '', $string);
'p{xx}
就是你要找的,我相信,看这里
所以,尝试:
preg_replace("/'P{L}+/u", ' ', $string);