PHP中更有效的字符串清理正则表达式

Question

好的，我希望有人可以帮助我使用一点正则表达式。

我正在尝试清理字符串。

基本上，我是：

1. 将除 A-Za-z0-9 之外的所有字符替换为替换字符。

2. 用单个替换实例替换连续重复的替换。

3. 从字符串的开头和结尾修剪替换。

示例输入：

(&&(%()$()#&#&%&%%(%$+-_狗跳过去日志*(&)$%&)#)@#%&)&^)@#)

所需输出：

The+dog+jumped+over+the+log

我目前正在使用这个非常混乱的代码，只是知道有一种更优雅的方式来完成这个......

function clean($string, $replace){

    $ok = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
    $ok .= $replace;
    $pattern = "/[^".preg_quote($ok, "/")."]/";

    return trim(preg_replace('/'.preg_quote($replace.$replace).'+/', $replace, preg_replace($pattern, $replace, $string)),$replace);
}

Regex-Fu 大师能否给我一个更简单/更有效的解决方案？

---

Botond Balázs 和 hakre 提出并解释了一个更好的解决方案：

function clean($string, $replace, $skip=""){
    // Escape $skip
    $escaped = preg_quote($replace.$skip, "/");

    // Regex pattern
    // Replace all consecutive occurrences of "Not OK" 
    // characters with the replacement
    $pattern = '/[^A-Za-z0-9'.$escaped.']+/';

    // Execute the regex
    $result = preg_replace($pattern, $replace, $string);

    // Trim and return the result
    return trim($result, $replace);
}

Answer 1

我不是“正则表达式忍者”，但我会这样做。

function clean($string, $replace){
    /// Remove all "not OK" characters from the beginning and the end:
    $result = preg_replace('/^[^A-Za-z0-9]+/', '', $string);
    $result = preg_replace('/[^A-Za-z0-9]+$/', '', $result);

    // Replace all consecutive occurrences of "not OK" 
    // characters with the replacement:
    $result = preg_replace('/[^A-Za-z0-9]+/', $replace, $result);

    return $result;
}

我想这可以进一步简化，但在处理正则表达式时，清晰度和可读性通常比聪明或编写超优化代码更重要。

让我们看看它是如何工作的：

• /^[^A-Za-z0-9]+/:
  • ^ 匹配字符串的开头。
  • [^A-Za-z0-9] 匹配所有非-字母数字字符
  • + 表示“匹配上一个或多个”
• /[^A-Za-z0-9]+$/:
  • 和上面一样，除了$匹配字符串的结尾
• /[^A-Za-z0-9]+/:
  • 和上面一样，除了它也匹配中间字符串

编辑： OP 是正确的，前两个可以替换为对trim() 的调用：

function clean($string, $replace){
    // Replace all consecutive occurrences of "not OK" 
    // characters with the replacement:
    $result = preg_replace('/[^A-Za-z0-9]+/', $replace, $result);

    return trim($result, $replace);
}

Answer 2

我不想听起来超级聪明，但我不会称它为 regex-foo。

您所做的实际上几乎是正确的方向，因为您使用了preg_quote，许多其他人甚至不知道该功能。

但是可能在错误的地方。错误的地方，因为您在字符类中引用字符，并且在正则表达式中引用的规则（相似但）不同。

此外，正则表达式的设计考虑了您的情况。这可能是您寻找向导的部分，让我们看看一些选项如何使您的否定字符类更紧凑（我将生成保留以使其更明显）：

[^0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz]

有像 0-9、A-Z 和 a-z 这样的结构可以准确地表示这一点。如您所见，- 是字符类中的一个特殊字符，它不是字面意思，而是具有一些从到到的字符：

[^0-9A-Za-z]

所以这已经更紧凑并且代表相同。还有像 \d 和 \w 这样的符号在你的情况下可能很方便。但我暂时采用第一个变体，因为我认为它的作用已经很明显了。

另一部分是重复。让我们看看，有+ 表示一个或多个。所以你想替换一个或多个不匹配的字符。您可以通过在应该匹配一次或多次的部分末尾添加它来使用它（默认情况下它是贪婪的，所以如果有 5 个字符，将采用这 5 个字符，而不是 4 个字符）：

[^0-9A-Za-z]+

我希望这会有所帮助。另一个步骤是也只删除开头和结尾的不匹配字符，但现在是清晨，我不太熟悉。