移除所有特殊字符，但不移除非拉丁字符。

Question

我使用这个PHP函数作为SEO。拉丁语很好，但我的urls在西里尔语上。这个regex - /[^a-z0-9_\s-]/不是使用西里尔字符，请帮助我使它与非拉丁字符工作。

function seoUrl($string) {
    // Lower case everything
    $string = strtolower($string);
    // Make alphanumeric (removes all other characters)
    $string = preg_replace('/[^a-z0-9_\s-]/', '', $string);
    // Clean up multiple dashes or whitespaces
    $string = preg_replace('/[\s-]+/', ' ', $string);
    // Convert whitespaces and underscore to dash
    $string = preg_replace('/[\s_]/', '-', $string);
    return $string;
}

Answer 1

您需要为Cyrillic字母表使用Unicode脚本，幸运的是PCRE使用\p{Cyrillic}支持它。此外，您还必须设置u (unicode)标志来预测引擎行为。您还可能需要i标志来启用大小写不敏感(如A-Z )。

~[^\p{Cyrillic}a-z0-9_\s-]~ui

你不需要双倍逃脱\s。

PHP代码：

preg_replace('~[^\p{Cyrillic}a-z0-9_\s-]+~ui', '', $string);

Answer 2

要了解关于Unicode正则表达式的更多信息，请参见这篇文章。

\p{L}或\p{Letter}与任何语言中的任何字母相匹配。

若要只匹配西里尔字符，请使用\p{Cyrillic}

因为西里尔字符不是标准的ASCII字符，所以您必须使用u标志/修饰符，因此regex将根据需要识别Unicode字符。

在使用unicode字符时，一定要使用mb_strtolower而不是strtolower。

因为您将所有字符转换为小写，所以不必使用i regex标志/修饰符。

下面的PHP代码应该适用于您：

function seoUrl($string) {
    // Lower case everything
    $string = mb_strtolower($string);
    // Make alphanumeric (removes all other characters)
    $string = preg_replace('/[^\p{Cyrillic}a-z0-9\s_-]+/u', '', $string);
    // Clean up multiple dashes or whitespaces
    $string = preg_replace('/[\s-]+/', ' ', $string);
    // Convert whitespaces and underscore to dash
    $string = preg_replace('/[\s_]/', '-', $string);
    return $string;
}

此外，请注意，\p{InCyrillic_Supplementary}匹配所有西里尔补充字符，\p{InCyrillic}匹配所有非补充西里尔字符。