Форум Регулярные Выражения

Всем доброй ночи. Помогите отфильтровать вот такую строку:

&quot;fff/\\\ \&nbsp;ааа68= quota .   <br>  <br/>    lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`«»—•

Должно получится:

fff-ааа68-lol-яяявс12hEEllo0o

т.е. убираем любой символ или хтмл-сущность, который не принадлежит одному из 3-х алфавитов: укр., ру, енгл.
Надеюсь на Вашу помощь.

Можно начать отталкиваться от следующего скрипта (украинский нужно добавить)

<?php   $text = "&quot;fff/\\\ \&nbsp;ааа68= quota .   <br>  <br/>    lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`&#178;&#8993;..";   // Сначала удаляем символы вида &nbsp;   $text = preg_replace("|&[a-z]+;|is", "", $text);   // Удаляем тэги   $text = preg_replace("|<[^>]+>|is", "", $text);   // Удлаяем все кроме цифр, букв и тире   $text = preg_replace("|[^-a-z0-9а-яё]+|is", "", $text);   echo htmlspecialchars($text); ?>

Ваш вариант несовсем нужное выдает на выходе...Прошу подправить этот.

$text = "&quot;fff/\\\ \&nbsp;ааа68= quota .   <br>  <br/>    lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`«»—•"; $translit = array(     "а"=>"a","б"=>"b","в"=>"v","г"=>"g","ґ"=>"g","д"=>"d",     "е"=>"e","є"=>"e","ё"=>"e","ж"=>"zh","з"=>"z","и"=>"i",     "і"=>"i","ї"=>"i","й"=>"i","к"=>"k","л"=>"l","м"=>"m","н"=>"n",     "о"=>"o","п"=>"p","р"=>"r","с"=>"s","т"=>"t","у"=>"u",     "ф"=>"f","х"=>"h","ц"=>"ts","ч"=>"ch","ш"=>"sh","щ"=>"sch",     "ъ"=>"","ы"=>"y","ь"=>"","э"=>"e","ю"=>"yu","я"=>"ya", "ей"=>"yei" ); $text = strip_tags($text); $text = strtr(mb_strtolower($text,"UTF-8"),$translit); $text = preg_replace("|&[a-z]+;|is", "", $text); $text = preg_replace("|[^\w\d]|iu", "", $text); echo $text;

Сперва я перевожу на латынь, а потом отсекаю все что не латынь. Но одно но - в конце появляется подчеркивание

fffaaa68quotalolyayayavs12heello0o_

и еще нужно ставить тире там где был пробел, результат должен быть таким:

fff-aaa68-quota-lol-yayayavs12heello0o

Надеюсь на Вашу помощь, заранее благодарен.

Можно модифицировать скрипт следующим образом

<?php    $text = "&quot;fff/\\\ \&nbsp;ааа68= quota .   <br>  <br/>    lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`&#178;&#8993;..";    // Сначала удаляем символы вида &nbsp;    $text = preg_replace("|&[a-z#0-9]+;|is", "", $text);    // Удаляем тэги    $text = preg_replace("|<[^>]+>|is", "", $text);    // Удлаяем все кроме цифр, букв и тире    $text = preg_replace("|[^-a-z0-9а-яё ]+|is", "", $text);    // Заменяем пробелы на тире   $text = preg_replace("|\s+|is", "-", trim($text, "-"));   // Выполняем транслитацию   $translit = array(      "а"=>"a","б"=>"b","в"=>"v","г"=>"g","ґ"=>"g","д"=>"d",      "е"=>"e","є"=>"e","ё"=>"e","ж"=>"zh","з"=>"z","и"=>"i",      "і"=>"i","ї"=>"i","й"=>"i","к"=>"k","л"=>"l","м"=>"m","н"=>"n",      "о"=>"o","п"=>"p","р"=>"r","с"=>"s","т"=>"t","у"=>"u",      "ф"=>"f","х"=>"h","ц"=>"ts","ч"=>"ch","ш"=>"sh","щ"=>"sch",      "ъ"=>"","ы"=>"y","ь"=>"","э"=>"e","ю"=>"yu","я"=>"ya", "ей"=>"yei");   $text = strtr($text, $translit);   echo htmlspecialchars($text);  ?>

ваш вариант хорош если:

$text = strtr(mb_strtolower($text,'utf-8'), $translit);

т.к. у меня утф-8, но если поставим строку такого характера:

$text = "&quot;fff/\\\ \&nbsp;ааа68= quota . •_  <br>  <br/>`~1!2@3#4$5%6^7&8*9(0)_-)=+\|{[}]':;?.<,   ^ {[ lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`«»—•";

все слетит

fff-aaa68-quota--1234567890--lol-yayayav12heello0o-»

Для начала, функция strtr() не поддерживает многобайтовые кодировки - нужно искать какое-то другое решение.

чем лучше утф-8 от обычной виндовс-1251? а то много нюансов возникает с ней ((

Поддержкой нескольких языков на одном сайте.

нам на сайте не нужна поддержка нескольких языков, но всеже, буду дальше парится с этой ф-цией по очистке строки :(

:)
Промолчу лишь из одного уважения к Вам, cheops. Windows-1251 поддерживает даже суахили и узелковую письменность майя.
Я, к примеру, делаю MySQL на utf-8, a паги сайтов на win-1251 и НИКОГДА не было НИКАКИХ проблем.
Но молчу-молчу...

Тем более мы все в прошлой теме обговорили. Да, utf-8 тяжелый и не удобный, особенно в PHP, разработчики которого грозятся поддержкой UTF-8 на уровне ядра уже лет эдак 7 и базу данных он раздувает в два раза, а увеличение размера таблицы с 500Мб до 1Гб на производительности отражается прилично. Однако, когда нужно одним движком сохранять в одной таблице текст на разных языках и корректно его потом извлекать из базы данных (пользуясь сортировкой по ORDER BY) ничего лучше UTF-8 нет. Мы и так и так сайты многоязычные сайты разрабатывали - с UTF-8 быстрее, удобнее, надежнее (не смотря на все но).

Мы немного не поняли друг друга.
Ничто не мешает делать базы на utf-8, но страницы выводить в удобном и простом windows-1251.
Я где-то год назад сделал себе тестовый сайт на платном хостинге. Он был как бы лабораторной работой, когда я интереса ради решил освоить php.
На приведенной картинке я специально для Вас написал одну и ту же фразу на разных языках и вывел ее без проблем в комментарии.

Это да, согласен.

<? $text = "&quot;fff/\\\ \&nbsp;ааа68= quota .  <br>  <br/>    lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`«»—•"; function unhtmlentities ($string)   //функция, обратная htmlentities {     $trans_tbl = get_html_translation_table (HTML_ENTITIES);     $trans_tbl = array_flip ($trans_tbl);     return strtr ($string, $trans_tbl); } $text=unhtmlentities($text); $text=strip_tags($text); $text=preg_replace("/(?<==).+?(?=\s)/","",$text); $text=preg_replace(" /[^a-zA-Z\d\sа-яА-Я]+/i","",$text);  //ибо \w включает в себя нижнее тире "_" $text=preg_replace("/\s+/","-",$text); echo $text;   //fff-ааа68-lol-яяявс12hEEllo0o  ?>

ваш пример мне выдал

fff-ааа68-lol-яяяв�12hEEllo0o«»—•

кодировка у меня страницы утф-8

Попробуйте

<? $text=preg_replace(" /[^a-zA-Z\d\sа-яА-Я]+/Ui","",$text); ?>

fff-ааа68-lol-яяяв�12hEEllo0o«»—•

http://punbb.ru/post1005.html

если поставить кодировку документа вин-1251 то будет как у тебя в результате, долбаный утф, как быть-то?

в общем сделал очистку и еще ко всем вопрос - как бы можно упростить? а то пришлось делать массив, чтобы проставить тире вместо пробелов, которые были в строке

$text = "&quot;fff/\\\ \&nbsp;ааа68 9= quota . •_  <br>  <br/>`~1!2@3#4$5%6^7&8*9(0)_-)=+\|{[}]':;?.&lt;,   ^ {[ lol \ \яяявс12hEEllo0o+_-)(*&^%$#@!~`«»—•— —  —– – -- - &quot; &mdash;&ndash; &ndash; ?% % №"; $replace = array(   "а"=>"a","б"=>"b","в"=>"v","г"=>"g","ґ"=>"g","д"=>"d",   "е"=>"e","є"=>"e","ё"=>"e","ж"=>"zh","з"=>"z","и"=>"i",   "і"=>"i","ї"=>"i","й"=>"i","к"=>"k","л"=>"l","м"=>"m","н"=>"n",   "о"=>"o","п"=>"p","р"=>"r","с"=>"s","т"=>"t","у"=>"u",   "ф"=>"f","х"=>"h","ц"=>"ts","ч"=>"ch","ш"=>"sh","щ"=>"sch",   "ъ"=>"","ы"=>"y","ь"=>"","э"=>"e","ю"=>"yu","я"=>"ya", "ей"=>"yei" ); $text = strip_tags($text); $text = strtr(mb_strtolower($text,"UTF-8"),$replace); $text = preg_replace("|&[a-z]+;|is", "", $text); $text = preg_replace("|[^a-z0-9 ]|is", "", $text); $mass = explode(" ",trim($text)); $count = count($mass); $p = 0; for($i=0;$i<$count;$i++){     $p++;     $add = ($p !=  $count)?"-":"";     if($mass[$i] != ''){         $text2 .= $mass[$i].$add;     } } echo $text2;

долгожданный результат

fff-aaa68-9-quota-1234567890-lol-yayayavs12heello0o

Вот именно, "долбаный утф!"
И страницы тяжелее, и нюансов тьма. Никому не нужных нюансов!

Вообще-то, утф - это как привести девушку домой и не знать потом, что с ней делать.

все, решил вопрос)

С девушкой? :)
В принципе, нежадное U можно было воткнуть в каждую регулярку. Иногда чудеса случались. На машинном уровне.