问题描述
我需要在 UTF-8 中修剪所有字符的字符串,除了 来自任何语言的字母。对于早期测试,这工作正常,直到我开始使用 UTF-8 非拉丁字母:
<?PHP
$s = '\$5ı龢abc';
echo '<p>'.$s.'</p>';
while (!preg_match('/([\p{L}]+)/u',$s[0]))
{
$s = substr($s,1);
echo '<p>'.$s.'</p>';
}
?>
$5ı和abc
$5ı和abc
5ı和abc
ı和abc
�和abc
和abc
��abc
�abc
ABC
我希望最终输出为:ı龢abc
。我不太确定我错过了什么?
解决方法
使用单个字符索引不起作用,因为 PHP 不知道字符串中的“字符”,而只是索引字节。这显然是多字节字符的问题。但是无论如何你都做得太过手动了;只需替换all non-letter characters at the beginning of the string:
$s = preg_replace('/^\P{L}*/u','',$s);