PHP中“空白”Unicode字符的字符串比较

Question

我正在尝试检测Unicode字符串是否可打印。

例如，我有一个用户，他将自己的名字设置为%EF%B8%8F -即variation selector-16 (U+FE0F)

我希望能够做一些像这样的事情

if ($screen_name == null || $screen_name == NotPrintable )
{
    ...Show an error...
} else  {
    ...Proceed as normal...
}

有没有办法检测Unicode字符串是否可打印？

用户名可以是任何有效的Unicode序列(英语、中文、阿拉伯语等)。

一些previous answers建议使用复杂的正则表达式，这些正则表达式看起来只适用于很小范围的字符。

我试着数了一下绳子的长度，但还是不行-

`$odd = urldecode("%EF%B8%8F");    print strlen($odd);    3`  Same result for `mb_strlen()` as well.

像ctype_print()这样的函数将无法工作，因为常规字符串可能包含不可打印的字符。

那么，有没有办法检测Unicode字符串是否会显示可打印字符呢？

Answer 1

从PHP regexp guide for unicode开始，我假设您希望保留所有字母(L)、标记(M)、数字(N)、标点符号(P)、符号(S)和空格(Z)，并转储其他所有内容(例如控制字符)。因此，下面的regexp：

$out=preg_replace('/[^\pL|\pM|\pN|\pP|\pS|\pZ]/u','',$in);

看起来很管用。

编辑

好吧，这不适用于所提供的

$in=urldecode('%EF%B8%8F');

示例(解码为Unicode代码点U+FE0F / ️。下面的代码可以处理它：

$len=mb_strlen($in);
$out='';
$disallowedTypes=[IntlChar::CHAR_CATEGORY_NON_SPACING_MARK];
for ($i=0;$i<$len;$i++) {
 $char=mb_substr($in,$i,1);
 $type=IntlChar::charType($char);
 if (false===in_array($type,$disallowedTypes)) {
  $out.=$char;
  //print 'Adding ord '.dechex(IntlChar::ord($char)).' which is '.IntlChar::charType($char).PHP_EOL;
 }
}

但是我不喜欢遍历一个字符串并比较每个字符...如果你找到更好的方法，请告诉我。

Answer 2

这个正则表达式怎么样？

<?php
define("CTYPE_PRINT_UNICODE_PATTERN", "~^[\pL\pN\s\"\~". preg_quote("!#$%&'()*+,-./:;<=>?@[\]^_`{|}´") ."]+$~u");

function ctype_print_unicode($input) {
    return preg_match(CTYPE_PRINT_UNICODE_PATTERN, $input);
}

print ctype_print_unicode("3 muços?"); // 1