代码之家 › 专栏 › 技术社区 › Roy Peleg

正则表达式匹配任何UTF字符(标点符号除外)

utf-8 regex php

3

Roy Peleg · 技术社区 · 17 年前

我正在用PHP编写一个函数,自动转换一个字符串作为URL(*.html)中的文件名。尽管出于安全考虑,ASCII应该被使用,但出于SEO需要,我需要允许文件名使用任何语言,但我不希望它包含除破折号(-)和下划线(35;)以外的标点符号,不允许使用像*%$#@这样的字符。

我认为使用正则表达式将是最简单的方法,但我不确定如何处理UTF8字符串。

我的ASCII函数如下所示:

function convertToPath($string)
{
    $string = strtolower(trim($string));
    $string = preg_replace('/[^a-z0-9-]/', '-', $string);
    $string = preg_replace('/-+/', "-", $string);
    return $string;
}

罗伊。

2 回复 | 直到 17 年前

1

4

Stefan Gehrig 17 年前

如果选择UTF-8模式,则可以选择所有非- 信 Regular Expression Details )利用

/\P{L}+/

因此,我会尝试以下方法(未经测试):

function convertToPath($string)
{
    $string = mb_strtolower(trim($string), 'UTF-8');
    $string = preg_replace('/\P{L}+/', '-', $string);
    $string = preg_replace('/-+/', "-", $string);
    return $string;
}

strtolower() 在UTF-8字符串上,因为它会干扰多字节字符-使用 mb_strtolower() 相反

2

4

Community Mohan Dere 9 年前

我认为对于搜索引擎优化的需要,你应该坚持在URL中使用ASCII字符。

(如果您想要此类脚本的示例,请查看stackoverflow脚本,例如,它会被括号阻塞)

您还可以看看: How to handle diacritics (accents) when rewriting âpretty URLsâ

公认的解决方案是转换非ASCII字符:

<?php
  $text = iconv('UTF-8', 'US-ASCII//TRANSLIT', $text);
?>