《php过滤中英文标点符号[gbk环境]》要点：
本文介绍了php过滤中英文标点符号[gbk环境]，希望对您有用。如果有疑问，可以联系我们。
原文：http://blog.csdn.net/huohuanyu1/article/details/76732898
项目需求需要对帖子标题做去重判断，前提是去除所有中英文标点符号。因为是老项目，gbk编码，在直接使用正则匹配去除标点符号时，发现会有乱码情况。在网上找了一些处理方法，多多少少都有些问题，满足不了我的需求。但也受到了些许启发，开始写了一个实现方法，有些麻烦，需要urlencode。
/**
* 去除字符串中的标点符号[gbk编码环境]
* @param $str
* @return string
*/function punctFilter($str){
//先去掉英文标点符号、空格等
$str = preg_replace('/[[:punct:]\s\n\t\r]/','',$str); //再匹配中文标点符号 直接进行中文标点符号匹配会乱码，因此先编码后匹配。
//若以下标点还满足不了需要，可搜索中文gbk编码表,将对应标点符号加上即可。
$pattern = '/(%a1%a0|%a1%a1|%a1%a2|%a1%a3|%a1%a4|%a1%a5|%a1%a6|%a1%a7|%a1%a8|%a1%a9|%a1%aa|%a1%ab|%a1%ac|%a1%ad|%a1%ae|%a1%af|%a1%b0|%a1%b1|%a1%b2|%a1%b3|%a1%b4|%a1%b5|%a1%b6|%a1%b7|%a1%b8|%a1%b9|%a1%ba|%a1%bb|%a1%bc|%a1%bd|%a1%be|%a1%bf|%a1%c0|%a1%c1|%a1%c2|%a1%c3|%a1%c4|%a1%c5|%a1%c6|%a1%c7|%a1%c8|%a1%c9|%a1%ca|%a1%cb|%a1%cc|%a1%cd|%a1%ce|%a1%cf|%a1%d0|%a1%d1|%a1%d2|%a1%d3|%a1%d4|%a1%d5|%a1%d6|%a1%d7|%a1%d8|%a1%d9|%a1%da|%a1%db|%a1%dc|%a1%dd|%a1%de|%a1%df|%a1%e0|%a1%e1|%a1%e2|%a1%e3|%a1%e4|%a1%e5|%a1%e6|%a1%e7|%a1%e8|%a1%e9|%a1%ea|%a1%eb|%a1%ec|%a1%ed|%a1%ee|%a1%ef|%a1%f0|%a1%f1|%a1%f2|%a1%f3|%a1%f4|%a1%f5|%a1%f6|%a1%f7|%a1%f8|%a1%f9|%a1%fa|%a1%fb|%a1%fc|%a1%fd|%a3%a0|%a3%a1|%a3%a2|%a3%a3|%a3%a4|%a3%a5|%a3%a6|%a3%a7|%a3%a8|%a3%a9|%a3%aa|%a3%ab|%a3%ac|%a3%ad|%a3%ae|%a3%ba|%a3%bb|%a3%bc|%a3%bd|%a3%be|%a3%bf|%a3%c0|%a3%db|%a3%dc|%a3%dd|%a3%de|%a3%df|%a3%e0|%a3%fb|%a3%fc|%a3%fd|%a3%fe|%a3%ff)/iu'; $str = preg_replace($pattern, '', urlencode($str)); return urldecode($str);
}//使用示例$str = '和≦哈1;!eo-\'\'?-+$*()‘’""“”[]-、ヾ嘿【哈】';
var_dump('punctFilter($str)',punctFilter($str)); //结果为：和≦哈1eoヾ嘿哈后来，看了鸟哥的一篇博客【分割GBK中文遭遇乱码的解决】http://www.laruence.com/2009/11/16/1147.html，顿悟的赶脚，因此优化如下：
/**
* 去除字符串中的标点符号[gbk编码环境](废弃，看下面说明)
* @param $str
* @return string
*/function punctFilter($str){
//先去掉英文标点符号、空格等
$str = preg_replace('/[[:punct:]\s\n\t\r]/','',$str); //再匹配中文标点符号
//第1字节：A1–A9 第2字节：A1–FE GB2312非汉字符号
return preg_replace('/([\xa1-\xa9][\xa1-\xfe])+/', '', $str);
}//使用示例$str = '和≦哈1;!eo-\'\'?-+$*()‘’""“”[]-、ヾ嘿【哈】';
var_dump(punctFilter($str)); //结果为：和≦哈1eoヾ嘿哈若不仅想去掉标点符号，还想去掉扩充非汉字，如：ˊ ˋ ˙ – ― ‥ ‵ ℅ ℉ ↖ ↗ ↘ ↙ ∕ ∟ ∣等，修改如下：
/**
* 去除字符串中的标点符号[gbk编码环境](废弃，看下面说明)
* @param $str
* @return string
*/function punctFilter($str){
//先去掉英文标点符号、空格等
$str = preg_replace('/[[:punct:]\s\n\t\r]/','',$str); //再匹配中文标点符号
//第1字节：A1–A9 第2字节：A1–FE GB2312非汉字符号
//第1字节：A8–A9 第2字节：40–A0(7F除外) 扩充非汉字
return preg_replace('/(([\xa1-\xa9][\xa1-\xfe])|([\xa8-\xa9][\x40-\xa0]))+/', '', $str);
}//使用示例$str = '和≦哈1;!eo-\'\'?-+$*()‘’""“”[]-、ヾ嘿【哈】';
var_dump(punctFilter($str)); //结果为：和哈1eo嘿哈近日又发现些问题，会有中文被替换后乱码的情况，比如“本楼盘有特价单位推出！开发商内部价格！找小邹买房有优惠！”使用上述方法替换后结果为“本绿有特价祷推出开诽内部价格找修买房有优惠”
究其原因，直接用preg_replace()匹配时，会出现类似如下情况：
已知“楼盘”两个字的gbk字符编码为 c2a5c5cc
使用正则(/([\xa1-\xa9][\xa1-\xfe])+/)替换时，会将a5c5替换掉，只留下c2cc
最终结果表现为“楼盘”替换成了“绿”字
因此最终决定一个字一个字的匹配处理，本人项目中标题为50字以内，因此循环处理还可以接受，若需要处理字符串较长，还是另寻他法吧。
/**
* 去除字符串中的标点符号
* @param $str
* @return string
*/function punctFilter($str){
//先去掉英文标点符号、空格等
$str = preg_replace('/[[:punct:]\s\n\t\r]/','',$str); //再匹配中文标点符号
$len = mb_strlen($str,'gbk'); $newstr = $str; for($i = 0; $i < $len; $i++){ $substr = mb_substr($str,$i,1,'gbk'); //第1字节：A1-A9 第2字节：A1-FE 非汉字符号
if(preg_match('/([\xa1-\xa9][\xa1-\xfe])+/', $substr,$match)){ $newstr = str_replace($substr, '', $newstr);
}
} return $newstr;
}//使用示例$str = '和≦哈1;!eo-\'\'?-+$*()‘’""“”[]-、ヾ嘿【哈】';
var_dump(punctFilter($str)); //结果为：和≦哈1eoヾ嘿哈//使用示例$str = '本楼盘有特价单位推出！开发商内部价格！找小邹买房有优惠！';
var_dump(punctFilter($str)); //结果为：本楼盘有特价单位推出开发商内部价格找小邹买房有优惠转载请注明本页网址：
http://www.vephp.com/jiaocheng/176.html
