RegEx:快速删除非字母UTF-8安全

Question

我试图删除PHP中除有效字母(来自任何语言)之外的所有内容.我一直在用这个:

$content=preg_replace('/[^\pL\p{Zs}]/u', '', $content);

但它的速度很慢.比以下时间长约30倍:

$content=preg_replace('/[^a-z\s]/', '', $content);

我正在处理大量数据,因此使用慢速方法实际上是不可行的.

有更快的方法吗？

Answer 1

嗯，这真是一个奇迹，它只慢了 30 倍，因为在a-z检查某个代码点是否是字母时，它需要花费大约 1000 倍的字符。

也就是说，您可以稍微改进您的正则表达式：

$content=preg_replace('/[^\pL\p{Zs}]+/u', '', $content);

应通过将相邻的非字母/空格分隔符合并为一个替换操作来加快速度。