Değerleri veritabanına eklemeden önce yazdırılmamış denetim karakterlerini kullanıcı girdisinden çıkarmak için şu regex kullanıyorum.Baskı öncesi karakterleri çıkarmak için preg_replace tüm yabancı karakterleri de siliyor gibi görünüyor
preg_replace('/[\x00-\x1F\x80-\xFF]/', '', $value)
Bunu utf-8 dizelerinde kullanmakta bir sorun var mı? Tüm ascii olmayan karakterleri tamamen ortadan kaldırıyor gibi görünüyor.
Sorunun bir kısmı, hedefi bir UTF-8 dizesi olarak ele almadığınız; Bunun için /u değiştiricisine ihtiyacınız var. Ayrıca, UTF-8'de, ASCII olmayan herhangi bir karakter, tümü \x80..\xFF aralığındaki iki veya daha fazla bayt tarafından temsil edilir. Bu deneyin:
preg_replace('/\p{Cc}+/u', '', $value)
\p{Cc} kontrol karakterler için Unicode özelliktir ve u nedenleri hem düzenli ifade ve hedef dize UTF-8 olarak tedavi edilecek.
kullanabilirsiniz Unicode character properties
preg_replace('/[^\p{L}\s]/u','',$value);
hiçbir fullproof ama bazı güzel çevirileri yolla sen, ASCII için Unicode dönmek isterseniz
(eğer içinden izin vermek istiyorum diğer sınıfları eklemek musunuz):
echo iconv('utf-8','ascii//translit','éñó'); //prints 'eno'
Geçerli bir karakter, (örneğin, ąęćśńżź gibi) Polonyalı diactric karakterleri gibi ASCII aralığının dışında kalacak mı? Geçersiz UTF-8 sekanslarını kesecek düzenli bir ifadeyi arıyorum (bu yüzden MySQL böyle bir dizeyi veritabanına eklerken şikayet etmeyecektir), ancak her şeyi el değmemiş halde bırakın. – pako
Bunun için '/ \ P {Any}/u'' kullanmak istediğinizi düşünüyorum -' Any 'kendini açıklayıcı olmalı ve '\ P {}' (büyük harf)' \ p {} '. Ama daha önce geçersiz bayt dizilerinin oraya nasıl girdiğiyle daha çok ilgilenirim. –