搜索条件的白名单

Question

我正在网站上实施简单搜索，现在我正在努力清理输入。我的计划是制作允许角色的白名单。我正在使用PHP，到目前为止我已经得到了当前的正则表达式：

preg_replace('/[^a-z0-9 -]/i', '', $s);

所以，我删除的不是字母数字或空格或连字符。

对于这种事情，是否存在普遍接受的白名单，还是仅仅依赖于应用程序？我将搜索书名，作者姓名和书籍模糊。

Answer 1

2010 (A space odyssey)怎么样？ Giscard d`Estaing的自传怎么样？ ......这通常无法回答，这取决于您的应用程序和数据结构。

您希望查看所选数据库的全文搜索功能，甚至是Sphinx等专业搜索设备。

明确您将首先使用什么引擎来实际执行搜索，并且您需要删除的内容的规则将变得更加清晰。

Answer 2

Google有一些非常先进的搜索规则，但他们的基本规则是：

  

通常，忽略标点符号，包括@＃$％^＆amp; *（）= + [] \和其他特殊字符。

但是，Google会对常见搜索字词进行例外处理，例如C ++，C＃或100美元。

如果您希望搜索功能与Google一样复杂，则可以针对上述标点符号制定规则，并有一些例外情况。但是，对于简单搜索，只需忽略Google通常忽略的字符。

Answer 3

没有通用的正则表达式来解决这个问题。您的代码会删除许多您可能想要保留的内容，例如逗号，感叹号，（半）冒号和非英文字母。如果您有数据库中所有标题的完整列表，则应该能够编写一个脚本，该脚本将构建所有标题中找到的所有字符的列表。如果你的正则表达式删除了任何这些字符，那么你就有可能遇到问题（虽然通过这个测试并不意味着不会遇到问题）。

根据搜索其余部分的实现方式，您可以删除有效字符并仍然返回相关搜索结果。在这种情况下，您希望表达式允许非英语字符（因为您不想拆分单词），但您可能能够删除不在引号分隔短语内的所有标点符号。例如，搜索red haired应该会为您提供搜索red-haired加上一些额外费用后获得的所有结果。