php - str_replace - Eliminar todos los caracteres especiales de una cadena

reemplazar caracteres especiales php

Question

Posible duplicado:
Desinfección de expresiones regulares (PHP)

Estoy enfrentando un problema con las URL, quiero poder convertir títulos que podrían contener cualquier cosa y hacer que se despojen de todos los caracteres especiales para que solo tengan letras y números y, por supuesto, me gustaría reemplazar espacios con guiones.

¿Cómo se haría esto? He oído hablar mucho sobre expresiones regulares (expresiones regulares) ...

Answer 1

Actualizar

La siguiente solución tiene una versión "más amigable para SEO":

function hyphenize($string) {
    $dict = array(
        "I''m"      => "I am",
        "thier"    => "their",
        // Add your own replacements here
    );
    return strtolower(
        preg_replace(
          array( ''#[//s-]+#'', ''#[^A-Za-z0-9/. -]+#'' ),
          array( ''-'', '''' ),
          // the full cleanString() can be downloaded from http://www.unexpectedit.com/php/php-clean-string-of-utf8-chars-convert-to-similar-ascii-char
          cleanString(
              str_replace( // preg_replace can be used to support more complicated replacements
                  array_keys($dict),
                  array_values($dict),
                  urldecode($string)
              )
          )
        )
    );
}

function cleanString($text) {
    $utf8 = array(
        ''/[áàâãªä]/u''   =>   ''a'',
        ''/[ÁÀÂÃÄ]/u''    =>   ''A'',
        ''/[ÍÌÎÏ]/u''     =>   ''I'',
        ''/[íìîï]/u''     =>   ''i'',
        ''/[éèêë]/u''     =>   ''e'',
        ''/[ÉÈÊË]/u''     =>   ''E'',
        ''/[óòôõºö]/u''   =>   ''o'',
        ''/[ÓÒÔÕÖ]/u''    =>   ''O'',
        ''/[úùûü]/u''     =>   ''u'',
        ''/[ÚÙÛÜ]/u''     =>   ''U'',
        ''/ç/''           =>   ''c'',
        ''/Ç/''           =>   ''C'',
        ''/ñ/''           =>   ''n'',
        ''/Ñ/''           =>   ''N'',
        ''/–/''           =>   ''-'', // UTF-8 hyphen to "normal" hyphen
        ''/[’‘‹›‚]/u''    =>   '' '', // Literally a single quote
        ''/[“”«»„]/u''    =>   '' '', // Double quote
        ''/ /''           =>   '' '', // nonbreaking space (equiv. to 0x160)
    );
    return preg_replace(array_keys($utf8), array_values($utf8), $text);
}

El fundamento de las funciones anteriores (que considero que es ineficiente, la siguiente es mejor) es que un servicio que no debe nombrarse aparentemente ejecutó verificaciones de ortografía y reconocimiento de palabras clave en las URL.

Después de perder mucho tiempo en las paranoias de un cliente, descubrí que después de todo no se estaban imaginando: sus expertos en SEO [Definitivamente no soy uno] informaron que, por ejemplo, convirtieron "Viaggi Economy Perù" en viaggi-economy-peru ". se comportó mejor "que viaggi-economy-per (la limpieza anterior eliminó los caracteres UTF8; Bogotà se convirtió en bogot , Medellín se convirtió en medelln, etc.).

También hubo algunas faltas de ortografía comunes que parecían influir en los resultados, y la única explicación que tenía sentido para mí es que nuestra URL se estaba desempaquetando, las palabras señaladas, y se usaba para conducir Dios sabe qué algoritmos de clasificación. Y esos algoritmos aparentemente habían sido alimentados con cadenas limpias de UTF8, de modo que "Perù" se convirtió en "Perú" en lugar de "Per". "Por" no concuerda y más o menos lo tomó en el cuello.

Con el fin de mantener los caracteres UTF8 y reemplazar algunos errores ortográficos, la función más rápida a continuación se convirtió en la función más precisa (?) De arriba. $dict necesita ser hecho a mano, por supuesto.

Respuesta anterior

Un enfoque simple:

// Remove all characters except A-Z, a-z, 0-9, dots, hyphens and spaces
// Note that the hyphen must go last not to be confused with a range (A-Z)
// and the dot, being special, is escaped with /
$str = preg_replace(''/[^A-Za-z0-9/. -]/'', '''', $str);

// Replace sequences of spaces with hyphen
$str = preg_replace(''/  */'', ''-'', $str);

// The above means "a space, followed by a space repeated zero or more times"
// (should be equivalent to / +/)

// You may also want to try this alternative:
$str = preg_replace(''///s+/'', ''-'', $str);

// where /s+ means "zero or more whitespaces" (a space is not necessarily the
// same as a whitespace) just to be sure and include everything

Tenga en cuenta que es posible que urldecode() primero urldecode() la URL, ya que% 20 y + ambos son en realidad espacios, es decir, si tiene "Nunca% 20gonna% 20give% 20you% 20up", quiere que se convierta en Never-gonna-give -tu-up, not Never20gonna20give20you20up . Puede que no lo necesites, pero pensé que mencionaría la posibilidad.

Entonces la función terminada junto con los casos de prueba:

function hyphenize($string) {
    return 
    ## strtolower(
          preg_replace(
            array(''#[//s-]+#'', ''#[^A-Za-z0-9/. -]+#''),
            array(''-'', ''''),
        ##     cleanString(
              urldecode($string)
        ##     )
        )
    ## )
    ;
}

print implode("/n", array_map(
    function($s) {
            return $s . '' becomes '' . hyphenize($s);
    },
    array(
    ''Never%20gonna%20give%20you%20up'',
    "I''m not the man I was",
    "''Légeresse'', dit sa majesté",
    )));


Never%20gonna%20give%20you%20up    becomes  never-gonna-give-you-up
I''m not the man I was              becomes  im-not-the-man-I-was
''Légeresse'', dit sa majesté        becomes  legeresse-dit-sa-majeste

Para manejar UTF-8 utilicé una implementación de cleanString encuentra here . Se podría simplificar y envolver dentro de la función aquí para el rendimiento.

La función anterior también implementa la conversión a minúsculas, pero eso es un gusto. El código para hacerlo ha sido comentado.

Answer 2

Aquí, revisa esta función:

function seo_friendly_url($string){
    $string = str_replace(array(''[/', /']''), '''', $string);
    $string = preg_replace(''//[.*/]/U'', '''', $string);
    $string = preg_replace(''/&(amp;)?#?[a-z0-9]+;/i'', ''-'', $string);
    $string = htmlentities($string, ENT_COMPAT, ''utf-8'');
    $string = preg_replace(''/&([a-z])(acute|uml|circ|grave|ring|cedil|slash|tilde|caron|lig|quot|rsquo);/i'', ''//1'', $string );
    $string = preg_replace(array(''/[^a-z0-9]/i'', ''/[-]+/'') , ''-'', $string);
    return strtolower(trim($string, ''-''));
}

Answer 3

Pan comido:

function clean($string) {
   $string = str_replace('' '', ''-'', $string); // Replaces all spaces with hyphens.

   return preg_replace(''/[^A-Za-z0-9/-]/'', '''', $string); // Removes special chars.
}

Uso:

echo clean(''a|"bc!@£de^&$f g'');

Será la salida: abcdef-g

Editar:

Hola, solo una pregunta rápida, ¿cómo puedo evitar que varios guiones estén uno al lado del otro? y hacer que los reemplacen con solo 1?

function clean($string) {
   $string = str_replace('' '', ''-'', $string); // Replaces all spaces with hyphens.
   $string = preg_replace(''/[^A-Za-z0-9/-]/'', '''', $string); // Removes special chars.

   return preg_replace(''/-+/'', ''-'', $string); // Replaces multiple hyphens with single one.
}