从字符串中删除所有特殊字符[重复]

Question

我遇到了 URL 的问题，我希望能够转换可能包含任何内容的标题，并将它们剥离所有特殊字符，以便它们只有字母和数字，当然我想用连字符替换空格。

如何做到这一点？我听说过很多关于正则表达式 (regex) 的使用...

Answer 1

这应该可以满足您的需求：

function clean($string) {
   $string = str_replace(' ', '-', $string); // Replaces all spaces with hyphens.

   return preg_replace('/[^A-Za-z0-9\-]/', '', $string); // Removes special chars.
}

用法：

echo clean('a|"bc!@£de^&$f g');

将输出：abcdef-g

编辑：

嘿，问一个简单的问题，如何防止多个连字符彼此相邻？并将它们替换为 1？

function clean($string) {
   $string = str_replace(' ', '-', $string); // Replaces all spaces with hyphens.
   $string = preg_replace('/[^A-Za-z0-9\-]/', '', $string); // Removes special chars.

   return preg_replace('/-+/', '-', $string); // Replaces multiple hyphens with single one.
}

Answer 2

更新

下面的解决方案有一个“SEO 更友好”的版本：

function hyphenize($string) {
    $dict = array(
        "I'm"      => "I am",
        "thier"    => "their",
        // Add your own replacements here
    );
    return strtolower(
        preg_replace(
          array( '#[\\s-]+#', '#[^A-Za-z0-9. -]+#' ),
          array( '-', '' ),
          // the full cleanString() can be downloaded from http://www.unexpectedit.com/php/php-clean-string-of-utf8-chars-convert-to-similar-ascii-char
          cleanString(
              str_replace( // preg_replace can be used to support more complicated replacements
                  array_keys($dict),
                  array_values($dict),
                  urldecode($string)
              )
          )
        )
    );
}

function cleanString($text) {
    $utf8 = array(
        '/[áàâãªä]/u'   =>   'a',
        '/[ÁÀÂÃÄ]/u'    =>   'A',
        '/[ÍÌÎÏ]/u'     =>   'I',
        '/[íìîï]/u'     =>   'i',
        '/[éèêë]/u'     =>   'e',
        '/[ÉÈÊË]/u'     =>   'E',
        '/[óòôõºö]/u'   =>   'o',
        '/[ÓÒÔÕÖ]/u'    =>   'O',
        '/[úùûü]/u'     =>   'u',
        '/[ÚÙÛÜ]/u'     =>   'U',
        '/ç/'           =>   'c',
        '/Ç/'           =>   'C',
        '/ñ/'           =>   'n',
        '/Ñ/'           =>   'N',
        '/–/'           =>   '-', // UTF-8 hyphen to "normal" hyphen
        '/[’‘‹›‚]/u'    =>   ' ', // Literally a single quote
        '/[“”«»„]/u'    =>   ' ', // Double quote
        '/ /'           =>   ' ', // nonbreaking space (equiv. to 0x160)
    );
    return preg_replace(array_keys($utf8), array_values($utf8), $text);
}

上述功能的基本原理（我发现方式效率低下 - 下面的一个更好）是不应命名的服务显然运行了拼写检查和URL 上的关键字识别。

在客户的偏执中失去了很长时间之后，我发现他们毕竟没有在想象事情——他们的 SEO 专家 [我绝对不是] 报告说，例如，将“Viaggi Economy Perù”到viaggi-economy-peru“表现得更好”比viaggi-economy-per（之前的“清理”删除了UTF8字符；Bogotà变成了bogot，Medellìn 变成了 medelln 等等）。

还有一些常见的拼写错误似乎会影响结果，对我来说唯一有意义的解释是我们的 URL 被解包，单词被挑出来，用来驱动上帝知道什么排名算法。而且这些算法显然已经输入了 UTF8 清理的字符串，因此“Perù”变成了“Peru”而不是“Per”。 “Per”不匹配，有点卡在脖子上。

为了既保留 UTF8 字符又替换一些拼写错误，下面更快的函数变成了上面更准确的 (?) 函数。 $dict 当然需要手工定制。

上一个答案

一个简单的方法：

// Remove all characters except A-Z, a-z, 0-9, dots, hyphens and spaces
// Note that the hyphen must go last not to be confused with a range (A-Z)
// and the dot, NOT being special (I know. My life was a lie), is NOT escaped

$str = preg_replace('/[^A-Za-z0-9. -]/', '', $str);

// Replace sequences of spaces with hyphen
$str = preg_replace('/  */', '-', $str);

// The above means "a space, followed by a space repeated zero or more times"
// (should be equivalent to / +/)

// You may also want to try this alternative:
$str = preg_replace('/\\s+/', '-', $str);

// where \s+ means "zero or more whitespaces" (a space is not necessarily the
// same as a whitespace) just to be sure and include everything

请注意，您可能必须首先urldecode() URL，因为 %20 和 + 实际上都是空格-我的意思是，如果您有“Never%20gonna%20give%20you%20up”，您希望它变成 Never-放弃你，而不是 Never20gonna20give20you20up 。你可能不需要它，但我想我会提到这种可能性。

所以完成的功能连同测试用例：

function hyphenize($string) {
    return 
    ## strtolower(
          preg_replace(
            array('#[\\s-]+#', '#[^A-Za-z0-9. -]+#'),
            array('-', ''),
        ##     cleanString(
              urldecode($string)
        ##     )
        )
    ## )
    ;
}

print implode("\n", array_map(
    function($s) {
            return $s . ' becomes ' . hyphenize($s);
    },
    array(
    'Never%20gonna%20give%20you%20up',
    "I'm not the man I was",
    "'Légeresse', dit sa majesté",
    )));


Never%20gonna%20give%20you%20up    becomes  never-gonna-give-you-up
I'm not the man I was              becomes  im-not-the-man-I-was
'Légeresse', dit sa majesté        becomes  legeresse-dit-sa-majeste

为了处理 UTF-8，我使用了在网上找到的 cleanString 实现（链接已断开，但答案的开头包含所有不太深奥的 UTF8 字符的精简副本；它也很容易添加如果需要，可以添加更多字符）将 UTF8 字符转换为普通字符，从而尽可能地保留单词“look”。为了提高性能，它可以被简化并封装在函数中。

上面的函数也实现了转换为小写 - 但这是一种品味。执行此操作的代码已被注释掉。

Answer 3

这里，看看这个函数：

function seo_friendly_url($string){
    $string = str_replace(array('[\', \']'), '', $string);
    $string = preg_replace('/\[.*\]/U', '', $string);
    $string = preg_replace('/&(amp;)?#?[a-z0-9]+;/i', '-', $string);
    $string = htmlentities($string, ENT_COMPAT, 'utf-8');
    $string = preg_replace('/&([a-z])(acute|uml|circ|grave|ring|cedil|slash|tilde|caron|lig|quot|rsquo);/i', '\\1', $string );
    $string = preg_replace(array('/[^a-z0-9]/i', '/[-]+/') , '-', $string);
    return strtolower(trim($string, '-'));
}