使用 Perl 正则表达式删除引号和撇号的所有变体

Question

我试图从字符串中删除撇号和双引号，并注意到根据其创建方式，我正在使用的数据中创建了各种版本。例如，Word 文档倾向于使用这些：

\n\n

It\xe2\x80\x99s raining again. \nWhat do you mean by \xe2\x80\x9cweird\xe2\x80\x9d?\n

\n\n

而文本编辑器是这样的：

\n\n

It\'s raining again.\nWhat do you mean by "weird"?\n

\n\n

当我浏览各种字符图表和数据时，我注意到引号和撇号还有其他变体，例如： http: //www.fileformat.info/info/unicode/char/0022/index.htm

\n\n

虽然我可以通过并合理地找到它们，但是否有现有的 Perl 正则表达式或函数可以删除引号和撇号的所有变体？

\n

Answer 1

为了删除所有引号和撇号，您可以使用

\n\n

 [\\p{Pi}\\p{Pf}\'"]\n

\n\n

并替换为空字符串。

\n\n

查看演示

\n\n

和IDEONE 演示：

\n\n

#!/usr/bin/perl\nuse utf8;\nmy $st = "\xe2\x80\x9cQuotes1\xe2\x80\x9d \xc2\xabQuotes2\xc2\xbb \xe2\x80\x98Quotes3\xe2\x80\x99 \'Quotes4\' \\"Quotes5\\"";\nprint "Before: $st\\n";\n$st =~ s/[\\p{Pi}\\p{Pf}\'"]//g;\nprint "After: $st\\n";\n

\n\n

《说》

\n\n

Before: \xe2\x80\x9cQuotes1\xe2\x80\x9d \xc2\xabQuotes2\xc2\xbb \xe2\x80\x98Quotes3\xe2\x80\x99 \'Quotes4\' "Quotes5"\nAfter: Quotes1 Quotes2 Quotes3 Quotes4 Quotes5\n

\n