使用正則表達式清除用戶輸入中的特殊字符

M66 2025-06-05

在用戶輸入處理方面，尤其是涉及多字節字符的語言（如中文、日文、韓文），使用標準的正則表達式函數可能會導致字符截斷或匹配錯誤。為了解決這一問題，PHP 提供了多字節兼容的函數mb_eregi_replace ，它可以用於在不破壞字符編碼的前提下替換符合特定正則模式的內容。

mb_eregi_replace簡介

mb_eregi_replace是mbstring擴展中的一個函數，用於大小寫不敏感地搜索匹配正則表達式的子串，並用指定內容替換。它的語法如下：

 string mb_eregi_replace(string $pattern, string $replacement, string $string [, string $option])

$pattern ：正則表達式模式。
$replacement ：用於替換匹配項的字符串。
$string ：要處理的原始字符串。
$option ：可選的字符編碼。

清除特殊字符的實用示例

在很多應用場景中，用戶輸入可能包含特殊字符，如@、#、$、%、^、&等。這些字符在不加限制的情況下可能引發安全問題或數據一致性問題。我們可以通過mb_eregi_replace編寫一個函數，將這些字符清除掉。

示例代碼：

 function sanitize_input($input) {
    // 正則表達式：保留字母、數字、空格和中文，其餘替換為空
    $pattern = '[^a-zA-Z0-9\x{4e00}-\x{9fa5}\s]';
    $replacement = '';
    return mb_eregi_replace($pattern, $replacement, $input, 'UTF-8');
}

// 測試樣例
$user_input = "歡迎訪問 m66.net！這是一個@#測試$%輸入^&內容。";
$clean_input = sanitize_input($user_input);
echo $clean_input;

輸出結果：

 歡迎訪問 m66net這是一個測試輸入內容

在這個示例中，我們使用了一個Unicode 兼容的正則表達式，通過mb_eregi_replace將所有非中英文字符、數字和空格的字符都替換為空。值得注意的是，中文字符的範圍\x{4e00}-\x{9fa5}必須配合'UTF-8'編碼指定使用。

注意事項

性能問題： mb_eregi_replace是基於mbstring擴展的正則函數，在處理大量文本時效率較低，建議僅在需要多字節字符支持時使用。
字符編碼必須明確：始終明確指定編碼（如'UTF-8' ），以避免亂碼或匹配錯誤。
正則表達式轉義問題：在構造複雜模式時，確保轉義特殊符號，避免出現正則語法錯誤。

實際應用建議

如果你在構建一個表單處理器或者需要過濾用戶名、評論內容等用戶輸入，使用mb_eregi_replace可以避免字符亂碼和不兼容的問題。例如在一個用戶註冊表單中，可以在服務端使用如下方式清理用戶暱稱：

 $nickname = sanitize_input($_POST['nickname']);

通過這種方式，可以有效避免XSS 攻擊、注入非法字符等安全問題，同時也提升了用戶輸入的規範性。

結語

在處理用戶輸入時，安全性和兼容性是首要考慮的問題。 mb_eregi_replace提供了一個強大而安全的方式去清除輸入中的特殊字符。雖然這個函數在PHP 8.0 之後已被棄用（推薦使用mb_ereg_replace ），但在仍使用舊版本PHP 的項目中，它依舊是一種可靠的選擇。對於需要持續升級維護的項目，建議遷移至更現代的替代方案以獲得更好的性能和兼容性。