从PHP字符串中删除控制字符

Question

如何从PHP字符串中删除STX之类的控制字符？我一起玩

preg_replace("/[^a-zA-Z0-9 .\-_;!:?äÄöÖüÜß<>='\"]/","",$pString)

但发现它删除的方式很多.有没有办法只删除 控制字符？

Answer 1

如果你的控制字符是指前32个ascii字符和\x7F(包括回车等等),那么这将起作用:

preg_replace('/[\x00-\x1F\x7F]/', '', $input);

(注意单引号:使用双引号使用\x00会导致解析错误,不知何故.)

换行和回车(通常是写入\r和\n)可以从删除中保存,如下所示:

preg_replace('/[\x00-\x09\x0B\x0C\x0E-\x1F\x7F]/', '', $input);

我必须说,我认为Bobby的答案更好,从某种意义上说,[:cntrl:]更能传达代码的作用[\x00-\x1F\x7F].

警告: ereg_replace在PHP> = 5.3.0中已弃用并在PHP> = 7.0.0!中删除,请使用preg_replace而不是ereg_replace:

preg_replace('/[[:cntrl:]]/', '', $input);

Answer 2

对于Unicode输入,这将从输入文本中删除所有控制字符,未分配,私有使用,格式化和代理代码点(也不是空格字符,例如制表符,换行符).我用它从我的输入中删除所有不可打印的字符.

<?php
$clean = preg_replace('/[^\PC\s]/u', '', $input);

有关更多信息,\p{C}请参阅http://www.regular-expressions.info/unicode.html#category

Answer 3

PHP确实支持POSIX-Classes,因此您可以使用[:cntrl:]而不是一些奇特的角色魔术:

ereg_replace("[:cntrl:]", "", $pString);

编辑:

5.3中可能需要一对额外的方括号.

ereg_replace("[[:cntrl:]]", "", $pString);

Answer 4

TLDR 答案

\n

使用这个正则表达式...

\n

/[^\\PCc^\\PCn^\\PCs]/u\n

\n

像这样...

\n

$text = preg_replace(\'/[^\\PCc^\\PCn^\\PCs]/u\', \'\', $text);\n

\n

TLDR 解释

\n

\n
• ^\\PCc:不匹配控制字符。
\n
• ^\\PCn：不匹配未分配的字符。
\n
• ^\\PCs：不匹配 UTF-8 无效字符。
\n

\n

工作演示

\n

简单的演示：IDEOne Demo

\n

$text = "\\u{0019}hello";\nprint($text . "\\n\\n");\n$text = preg_replace(\'/[^\\PCc^\\PCn^\\PCs]/u\', \'\', $text);\nprint($text);\n

\n

输出：

\n

(-Broken-Character)hello\nhello\n

\n

备择方案

\n

\n
• ^\\PC：仅匹配可见字符。不匹配任何不可见字符。
\n
• ^\\PCc：仅匹配非控制字符。不匹配任何控制字符。
\n
• ^\\PCc^\\PCn：仅匹配已分配的非控制字符。不匹配任何控制字符或未分配的字符。
\n
• ^\\PCc^\\PCn^\\PCs：仅匹配已分配且 UTF-8 有效的非控制字符。不匹配任何控制字符、未分配字符或 UTF-8 无效字符。
\n
• ^\\PCc^\\PCn^\\PCs^\\PCf：仅匹配已分配且 UTF-8 有效的非控制、非格式化字符。不匹配任何控制字符、未分配字符、格式化字符或 UTF-8 无效字符。
\n

\n

来源及解释

\n

查看可用于在正则表达式中测试的可用Unicode 字符属性。您应该能够在Microsoft .NET、JavaScript、Python、Java、PHP、Ruby、Perl、Golang甚至Adob​​e中使用这些正则表达式。了解 Unicode 字符类是非常可转移的知识，所以我建议使用它！

\n

该正则表达式将匹配任何可见的内容，以简写形式和长写形式给出......

\n

\\PL\\PM\\PN\\PP\\PS\\PZ\n\\PLetter\\PMark\\PNumber\\PPunctuation\\PSymbol\\PSeparator\n

\n

通常，\\p表示我们想要匹配的内容，而我们使用\\P（大写）来表示不匹配的内容。 但是PHP没有这个功能，所以我们需要^在正则表达式中进行手动否定。

\n

一个更简单的正则表达式是^\\PC，但这在删除不可见格式方面可能过于严格。您可能想仔细观察并看看什么是最好的，但其中一种替代方案应该可以满足您的需求。

\n

所有可匹配的 Unicode 字符集

\n

如果您想了解任何其他可用的字符集，请查看regular-expressions.info ...

\n

\n
• \\PL或\\PLetter: 来自任何语言的任何类型的字母。\n
  \n
  • \\PLl或\\PLowercase_Letter：具有大写变体的小写字母。
  \n
  • \\PLu或\\PUppercase_Letter：具有小写变体的大写字母。
  \n
  • \\PLt或\\PTitlecase_Letter：仅当单词的第一个字母大写时出现在单词开头的字母。
  \n
  • \\PL&或\\PCased_Letter：存在小写和大写变体的字母（Ll、Lu 和 Lt 的组合）。
  \n
  • \\PLm或\\PModifier_Letter：像字母一样使用的特殊字符。
  \n
  • \\PLo或\\POther_Letter：没有小写和大写的字母或表意文字
  \n
  \n
\n
• \\PM或\\PMark: 打算与另一个字符组合的字符（例如重音符号、变音符号、封闭框等）。\n
  \n
  • \\PMn或\\PNon_Spacing_Mark：打算与另一个字符组合\n而不占用额外空间的字符（例如重音符号、变音符号等）。
  \n
  • \\PMc或\\PSpacing_Combining_Mark：旨在与占用额外空间的另一个字符（许多东方语言中的元音符号）组合的字符。
  \n
  • \\PMe或\\PEnclosing_Mark：包含与其组合的字符的字符（圆形、方形、键帽等）。
  \n
  \n
\n
• \\PZ或\\PSeparator: 任何类型的空格或不可见的分隔符。\n
  \n
  • \\PZs或者\\PSpace_Separator：不可见但占用空间的空白字符。
  \n
  • \\PZl或者\\PLine_Separator：行分隔符 U+2028。
  \n
  • \\PZp或者\\PParagraph_Separator：段落分隔符 U+2029。
  \n
  \n
\n
• \\PS或者\\PSymbol: 数学符号、货币符号、装饰符号、方框图字符等\n
  \n
  • \\PSm或者\\PMath_Symbol：任何数学符号。
  \n
  • \\PSc或者\\PCurrency_Symbol：任何货币符号。
  \n
  • \\PSk或者\\PModifier_Symbol：组合字符（标记）作为其自身的完整字符。
  \n
  • \\PSo或者\\POther_Symbol：不是数学符号、货币符号或组合字符的各种符号。
  \n
  \n
\n
• \\PN或者\\PNumber: 任何脚本中的任何类型的数字字符。\n
  \n
  • \\PNd或者\\PDecimal_Digit_Number：除表意文字之外的任何文字中的数字 0 到 9。
  \n
  • \\PNl或者\\PLetter_Number：看起来像字母的数字，例如罗马数字。
  \n
  • \\PNo或者\\POther_Number：上标或下标数字，或非数字 0\xe2\x80\x939 的数字（不包括表意文字的数字）。
  \n
  \n
\n
• \\PP或\\PPunctuation: 任何类型的标点字符。\n
  \n
  • \\PPd或\\PDash_Punctuation：任何类型的连字符或破折号。
  \n
  • \\PPs或\\POpen_Punctuation：任何类型的左括号。
  \n
  • \\PPe或\\PClose_Punctuation：任何类型的右括号。
  \n
  • \\PPi或\\PInitial_Punctuation：任何类型的开场白。
  \n
  • \\PPf或\\PFinal_Punctuation：任何类型的结束报价。
  \n
  • \\PPc或\\PConnector_Punctuation：标点符号，例如连接单词的下划线。
  \n
  • \\PPo或\\POther_Punctuation：除破折号、括号、引号或连接符之外的任何类型的标点字符。
  \n
  \n
\n
• \\PC或\\POther: 不可见的控制字符和未使用的代码点。\n
  \n
  • \\PCc或\\PControl：ASCII 或 Latin-1 控制字符：0x00\xe2\x80\x930x1F 和 0x7F\xe2\x80\x930x9F。
  \n
  • \\PCf或\\PFormat：不可见的格式指示器。
  \n
  • \\PCo或\\PPrivate_Use：保留供私人使用的任何代码点。
  \n
  • \\PCsor \\PSurrogate：UTF-16 编码中代理对的一半。
  \n
  • \\PCn或\\PUnassigned：未分配字符的任何代码点。
  \n
  \n
\n

\n

Answer 5

为了保持控制字符但使它们与JSON兼容,我不得不这样做

$str = preg_replace(
    array(
        '/\x00/', '/\x01/', '/\x02/', '/\x03/', '/\x04/',
        '/\x05/', '/\x06/', '/\x07/', '/\x08/', '/\x09/', '/\x0A/',
        '/\x0B/','/\x0C/','/\x0D/', '/\x0E/', '/\x0F/', '/\x10/', '/\x11/',
        '/\x12/','/\x13/','/\x14/','/\x15/', '/\x16/', '/\x17/', '/\x18/',
        '/\x19/','/\x1A/','/\x1B/','/\x1C/','/\x1D/', '/\x1E/', '/\x1F/'
    ), 
    array(
        "\u0000", "\u0001", "\u0002", "\u0003", "\u0004",
        "\u0005", "\u0006", "\u0007", "\u0008", "\u0009", "\u000A",
        "\u000B", "\u000C", "\u000D", "\u000E", "\u000F", "\u0010", "\u0011",
        "\u0012", "\u0013", "\u0014", "\u0015", "\u0016", "\u0017", "\u0018",
        "\u0019", "\u001A", "\u001B", "\u001C", "\u001D", "\u001E", "\u001F"
    ), 
    $str
);

(JSON规则声明:"除了必须转义的字符外,所有Unicode字符都可以放在引号内:引号,反向固定和控制字符(U + 0000到U + 001F).")