Regex para eliminar caracteres no alfanuméricos de cadenas UTF8

Question

¿Cómo puedo eliminar caracteres de una cadena de una manera multibyte, como caracteres de puntuación, comillas, guiones, etc.?

estaré trabajando con el aporte de muchos idiomas diferentes y me pregunto si hay algo que me puede ayudar con esto

Gracias

Answer 1

están los thingys de clase de caracteres Unicode que se pueden utilizar:

• http://www.regular-expressions.info/unicode.html
• http://php.net/manual/en/regexp.reference.unicode.php

Para hacer coincidir cualquier símbolo que no sea una letra, puede usar \PL+, la negación de \p{L}. Para no eliminar espacios, use una clase de caracteres como [^\pL\s]+. O simplemente elimina la puntuación con \pP+

Bueno, y obviamente no olvides el modificador de expresiones regulares /u.

Answer 2

puesto similar

Remove non-utf8 characters from string

No estoy seguro si esto cubre todos los personajes sin embargo.

De acuerdo con este post en el foro dreamincode º

http://www.dreamincode.net/forums/topic/78179-regular-expression-to-remove-non-ascii-characters/

esto debería funcionar

/[^\x{21}-\x{7E}\s\t\n\r]/ 

Answer 3

Tal vez este sea útil?

$newstring = preg_replace('/[^0-9a-zA-Z\s]/', $oldstring); 

Answer 4

He utilizado este:

$clean = preg_replace("/[^\p{L}|\p{N}]+/u", " ", $raw); 
$clean = preg_replace("/[\p{Z}]{2,}/u", " ", $clean);