regex pour filtrer tous les caractères sauf ceux inclus dans la liste blanche d'une chaîne multilingue

Question

J'essaie de nettoyer une chaîne provenant d'un champ de recherche sur un site multilingue.

Normalement, j'utiliser une expression régulière comme:

$allowed = "-+?!,.;:\w\s"; 
$txt_search = preg_replace("/[^" . $allowed . "]?(.*?)[^" . $allowed . "]?/iu", "$1", $_GET['txt_search']); 

et qui fonctionne très bien pour les textes en anglais.

Cependant, maintenant je dois faire la même chose quand les textes saisis peuvent être dans n'importe quelle langue (russe maintenant, chinois dans le futur).

Comment nettoyer la chaîne tout en conservant les "textes normaux" dans la langue d'origine?

Je pensais à passer à une liste noire (bien que je ne préfère pas ...) mais à ce moment l'expression régulière détruit complètement toute l'entrée originale.

Answer 1

vous pouvez utiliser \ p {LN}[\p{L}\p{N}] au lieu de \ w, voir http://www.php.net/manual/en/regexp.reference.unicode.php

Answer 2

Il est un problème commun, que les lettres russes pas reconnues par \ w modèle, vous pouvez donc utiliser

$ permis = "- +,;:!. \ W \ sа-я";