php - 从多语言字符串中删除所有非字母字符

Question

我有一个适用于多种语言的网站，我正在寻找一个 php 函数来从多种语言的字符串中去除所有垃圾。

示例：我将以下内容插入到我的数据库中，它是印地语，但其他语言也是如此。

कमबख़्त को गाली भी सलीक़े से नहीं दी जाती...\'

所以你可以看到我得到了不想要的 ...\' 字符。

这不适合多种语言

$newString = preg_replace('/[^a-z0-9]/i', ' ', $text); 

我也试过了，我不太明白这里发生了什么，这也不起作用。

$newString = preg_replace(''/^[\p{L}\p{M}\p{Nd}]{2,}$/u'', ' ', $text);  

我真的只需要去掉键盘上所有不是字母或数字的东西，即

!@£$%^&*()_+=.<>/, etc etc

我不确定字符串中的 ...\' 是否真的不是它看起来是否有意义，因为如果我运行的话。

$newString = str_replace("...\'", "", $text);

这是我第一次真正深入了解多语言。

Answer 1

我设法用这个把它们弄出来：

$test = 'कमबख़्त को गाली भी सलीक़े से नहीं दी जाती...\\';
$test = preg_replace('@[^\x{0900}-\x{097F}]@u', '', $test);

输出

कमबख़्तकोगालीभीसलीक़ेसेनहींदीजाती

我使用的正则表达式替换了所有不在该 unicode 范围内的字符。