preg_match 仅接受 UTF8 字母答案

【问题标题】：Accepting only UTF8 letters with preg_matchpreg_match 仅接受 UTF8 字母
【发布时间】：2012-03-22 19:06:01
【问题描述】：

我试图允许中文、日文（平假名、片假名、汉字）、韩文和基本上任何 unicode 字母。我希望第一个字符是一个字母

$pattern = '/\p{L}[\p{L}\p{N} _.-]+/u';
if(!preg_match($pattern, $subuser)){
    //Error
}

但是我的模式似乎接受前面带有数字的字符串。当我添加时：

'/^\p{L}[\p{L}\p{N} _.-]+$/u'

没有接受任何字符串。我曾尝试使用 \p{Hiragana} 等，但没有真正的运气。有人看到我做错了吗？

【问题讨论】：

您的测试字符串是否包含字母、数字、ASCII 空格、ASCII 下划线、ASCII 句点和 ASCII 破折号以外的任何内容？

标签： php regex preg-match

【解决方案1】：

这应该可以解决问题：

<?php

$lines = array('12345', 'w123', 'hello');

$valid = array_filter($lines, function($line){
  return preg_match('/^\p{L}{1,}/iu', $line);
});

var_dump($valid);

【讨论】：

这仅检查第一个字符是否为字母，仅此而已。（而{1,} 是a）不雅 - 这就是+ 量词的用途和b）没用，因为只要它至少是一个，在开始时匹配多少个字母都没有关系。所以你可以完全放弃它）
@TimPietzcker 同意；虽然我确实将 + 量词显示为第一条评论 :) --> 但你是对的，它真的没有必要，但它确实描绘了一个更明确的故事.删除量词充其量是一种微优化，最坏的情况是，对于已经在语法上苦苦挣扎的人来说，这是一种不必要的混淆。在这种情况下，我会考虑可读性:)
@TimPietzcker 只是另一个独立的注释。随着他更多地了解正则表达式（我们都在不断地这样做），他无疑会意识到 {1,} 不是必需的，但他会很高兴他知道它的存在以及它的作用。

【解决方案2】：

卫生方面的圣杯：http://htmlpurifier.org/ 它会清除所有数据，并且只允许 utf-8 字符通过。关于字符的一些推荐阅读：http://htmlpurifier.org/docs/enduser-utf8.html

【讨论】：