Preg-replace不删除'§'？

Question

此代码：

$text = preg_replace("/[^\s\-\_\@a-zA-Z0-9äáàëéèíìöóòúùñçÀÁÈÉÊÌÍÒÓÙÚ.,;]/", "", $text); 

成功去除特殊字符，如*°+？ ECC。我想保存空格，“ - ”，“_”，“@”，字母，数字，重音，“，”，“ - ”和“ç”，没有别的。 它工作正常，但它不能删除此：§

这只是一个例子，所以我可以制定一个特殊的规则，但我怕它不能删除其他字符。 这是为什么？我如何删除上面列出的所有内容？

Answer 1

您想使用u（Unicode）修饰符。通过在正则表达式模式之后放置此修饰符，它指定了PCRE的附加功能，并将模式字符串视为UTF-8。

$text = preg_replace('/[^a-zA-Z0-9äáàëéèíìöóòúùñçÀÁÈÉÊÌÍÒÓÙÚ\s@.,;_-]/u', '', $text); 

您可以修改你的性格类，如下所示：

$text = preg_replace('/[^\pL\pN\s.,;@_-]+/u', '', $text); 

的统一财产\pL包括重音的人一起定期a-z字符。 \pN将匹配任何脚本中的任何类型的数字字符;如果需要，您可以将其更改回0-9。

Answer 2

§（又名：SECTION SIGN）被编码在UTF8与：c2 a7
ç（又名：带下加符拉丁小写字母C）被编码在UTF8与：c3 a7

的正则表达式引擎缺省认为，每个字节是一个字符。如果我写的是这样的：

echo dechex(ord(preg_replace('~[^ç]~', '', '§'))); 

因为否定字符类包含了所有不属于“人物” c3和a7我将获得a7。

您可以通过u修饰符告诉正则表达式引擎模式字符串是utf8编码的。使用此修饰符ç不再被视为两个分离的字节，而是作为代表一个字符的一组字节。