web-dev-qa-db-ja.com

文字列からすべての特殊文字を削除する

可能な重複：
正規表現サニタイズ（PHP）

私はURLの問題に直面しています、私は何でも含むことができるタイトルを変換して、それらがすべての特殊文字を取り除いて文字と数字だけを持つようにしたいです。

これはどのように行われますか？私は正規表現（regex）が使われていることについてたくさん聞いたことがあります….

phpregexurlslug
183
user115422

やさしい

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

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

使用法：

echo clean('a|"bc!@£de^&$f g');

出力されます：abcdef-g

編集する

ちょっと、ちょっとした質問ですが、複数のハイフンが隣同士にならないようにするにはどうすればよいですか。そしてそれらをちょうど1に置き換えましたか？

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.
}
587
Terry Harvey

更新

以下のソリューションには、「SEOフレンドリ」バージョンがあります。

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);
}

上記の関数の理論的根拠（way効率が悪い-以下の方が良い）は、サービス名前が付けられていないどうやらURLでスペルチェックとキーワード認識を実行したようです。

顧客の妄想で長い時間を失った後、彼らは結局物事を想像していないnotであることがわかった-彼らのSEOの専門家[私は間違いなく1人ではない]たとえば、「Viaggi EconomyPerù」をviaggi-economy-peruに変換すると、viaggi-economy-per（以前の「クリーニング」ではUTF8文字が削除されました。Bogotàはbogot、Medellìnはmedellnなどになりました）。

結果に影響を与えると思われるいくつかの一般的なスペルミスもありました。私にとって意味のある唯一の説明は、URLが展開され、単語が選ばれ、神がどのランキングアルゴリズムを知っているかを駆動するために使用されたということです。また、これらのアルゴリズムには明らかにUTF8でクリーンアップされた文字列が入力されていたため、「Perù」は「Per」ではなく「Peru」になりました。 「Per」は一致しませんでした。

UTF8文字を保持し、いくつかのスペルミスを置き換えるために、以下の高速な関数が上記のより正確な（？）関数になりました。もちろん、$dictは手作業で調整する必要があります。

前の答え

簡単なアプローチ：

// 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, being special, is escaped with \
$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

％20と+の両方が実際にはスペースであるため、最初にurldecode() URLが必要になる場合があることに注意してください。つまり、「Never％20gonna％20give％20you％20up」があれば、 -give-you-up、notNever20gonna20give20you20up。あなたはそれを必要としないかもしれませんが、私はその可能性に言及すると思いました。

そのため、完成した関数とテストケース：

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

UTF-8を処理するために、オンラインで検出されたcleanString実装を使用しました（リンクが壊れていますが、あまりにも難解なUTF8文字をすべて取り除いたコピーが答えの最初にあります;さらに追加するのも簡単です） UTF8文字を通常の文字に変換し、Wordの「外観」を可能な限り保持します。パフォーマンスを向上させるために、ここで単純化し、関数内にラップすることができます。

上記の関数は小文字への変換も実装していますが、それは好みです。そのためのコードはコメント化されています。

98
LSerni

ここで、この機能をチェックしてください。

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, '-'));
}
34
Jeffrey