php - 清理属性名称

Question

基于html syntax docs并在 validator 中反复试验我相信 HTML 属性名称中允许的字符是:

• 字母数字
• 连字符
• 下划线
• 时期

例如这些验证:

<p data-éxample>
<p data-1.5>

我想编写一个函数来清理属性名称:

<?php 
function sanitize_attr_name ( $name ) {
    return is_string($name) ? preg_replace( '/[^\w\-\.]/', '', $name ) : '';
}

除了特殊的字母字符外，这有效:

sanitize_attr_name( 'data-éxample' ); // 'data-xample'

现在有人使用这样的字符可能看起来很疯狂，但它 does in fact work尽管 css 似乎无法验证 escaped or not .

您如何在 PHP 中做到这一点？如何编写 sanitizer 程序以允许使用特殊的字母字符？这可能通过正则表达式吗？为什么 ctype_graph('é') 是假的？

Answer 1

PHP 的正则表达式引擎PCRE 支持Unicode character properties使用 \p{property}。 L 是这些属性之一，它是任何 字母的属性。因此，您可以将 \w 替换为 \p{L}0-9_:

'/[^\p{L}0-9_.-]/'

字符类中也不需要转义句号，可以在末尾加上连字符来避免转义。