空白を削除する

普通に今まで、'/([\s]|[\xe3\x80\x80])/'とか、こんな感じでいいと思ってたら、そうでもなかった件が出てきたのでメモ書き

<?php

function remove_white ($str){
  return preg_replace('/(?:[\s]|[\xe3\x80\x80])+/', '', $str);
}

半角スペース「 」とタブ「 」とU+3000 の全角スペース「　」だけでいいと思ってたけど、wikipediaの http://ja.wikipedia.org/wiki/スペース を見たらそれだけではない様子。

| U-Point | UTF-8 (in literal) | Name|
|:---|--:|:--| --:|
|U+0009 | \x09 | CHARACTER TABULATION |
|U+0020 | \x20 | SPACE |
|U+00A0 | \xc2\xa0 | NO-BREAK SPACE |
|U+2002 | \xe2\x80\x82 | EN SPACE |
|U+2003 | \xe2\x80\x83 | EM SPACE |
|U+2004 | \xe2\x80\x84 | THREE-PER-EM SPACE |
|U+2005 | \xe2\x80\x85 | FOUR-PER-EM SPACE |
|U+2006 | \xe2\x80\x86 | SIX-PER-EM SPACE |
|U+2007 | \xe2\x80\x87 | FIGURE SPACE |
|U+2008 | \xe2\x80\x88 | PUNCTUATION SPACE|
|U+2009 | \xe2\x80\x89 | THIN SPACE |
|U+200a | \xe2\x80\x8a | HAIR SPACE |
|U+200b | \xe2\x80\x8b | ZERO WIDTH SPACE |
|U+3000 | \xe3\x80\x80 | IDEOGRAPHIC SPACE |
|U+FEFF | \xef\xbb\xbf | ZERO WIDTH NO-BREAK SPACE |

割と種類あるので無理やり対応するとこんな感じ。

<?php

function remove_white ($str){
  return preg_replace(
  	'/(?:'
  	.'(?:\x09)'
  	.'|(?:\x20)'
  	.'|(?:\xc2\xa0)'
  	.'|(?:\xe2\x80\x82)'
  	.'|(?:\xe2\x80\x83)'
  	.'|(?:\xe2\x80\x84)'
  	.'|(?:\xe2\x80\x85)'
  	.'|(?:\xe2\x80\x86)'
  	.'|(?:\xe2\x80\x87)'
  	.'|(?:\xe2\x80\x88)'
  	.'|(?:\xe2\x80\x89)'
  	.'|(?:\xe2\x80\x8a)'
  	.'|(?:\xe2\x80\x8b)'
  	.'|(?:\xe3\x80\x80)'
  	.'|(?:\xef\xbb\xbf)'
  	.')+/',
  	'',
  	$str);
}