正则表达式验证和消毒所有英文和非英文unicode字母字符在PHP中

Question

尽管关于非英文字符正则表达式问题有很多问题，但我一直无法找到有效的答案。此外，似乎没有任何简单的PHP库可以帮助我过滤非英文输入。

可否请你建议我正则表达式，这将允许

1. 所有英文字母字符（ABC ...）
2. 所有非英文字母字符（šýüčá...）
3. 空间
4. 不区分大小写

在验证以及消毒。基本上，我希望preg_match在输入包含除上述4个点以外的任何内容时返回false，或者preg_replace除去这4个类别中的所有内容。我可以从http://www.regular-expressions.info/unicode.html创建 '/^((\p{L}\p{M}*)|(\p{Cc})|(\p{Z}))+$/ui'。这个正则表达式在验证输入时效果很好，但在消毒时不起作用。

编辑：

用户输入 '捷克克鲁姆[jazyk]' 作为输入。在preg_match中使用'/^[\p{L}\p{Zs}]+$/u'，该脚本确定该字符串包含不允许的字符（在本例中为'['和']'）。接下来我想使用preg_replace来删除那些不需要的字符。我应该将哪个正则表达式传入preg_replace以匹配上述正则表达式未指定的所有字符？

Answer 1

我认为，所有你需要的是一个字符类，如：

^[\p{L}\p{Zs}]+$ 

这意味着：整个字符串（或线，与(?m)选项）只能包含Unicode字母或空格。

看一看demo。

$re = "/^[\\p{L}\\p{Zs}]+$/um"; 
$str = "all english alphabet characters (abc...)\nall non-english alphabet characters (šýüčá...)\nspace s\nšýüčá šýüčá šýüčá ddd\nšýüčá eee 4\ncase insensitive"; 
preg_match_all($re, $str, $matches); 

要删除不Unicode字母或空格的所有符号，使用此代码：

$re = "/[^\\p{L}\\p{Zs}]+/u"; 
$str = "český [jazyk]"; 
echo preg_replace($re, "", $str); 

的sample program的输出：

český jazyk