正则表达式从多语言字符串中过滤除白名单之外的所有字符

Question

我正在尝试清理来自多语言网站上的搜索框的字符串。

通常我会使用如下的正则表达式：

$allowed = "-+?!,.;:\w\s";
$txt_search = preg_replace("/[^" . $allowed . "]?(.*?)[^" . $allowed . "]?/iu", "$1", $_GET['txt_search']);

这适用于英文文本。

但是，当输入的文本可以是任何语言（现在是俄语，将来是中文）时，我需要这样做。

如何在保留原始语言的“普通文本”的同时清理字符串？

我想切换到黑名单（虽然我宁愿不...），但此时正则表达式完全破坏了所有原始输入。

Answer 1

您可以使用 \p{LN} [\p{L}\p{N}] 代替 \w ，请参阅 http://www.php.net/manual/en/regexp.reference.unicode.php

Answer 2

常见的问题是\w模式无法识别俄语字母，所以你可以使用

$allowed = "-+?!,.;:\w\sа-я";