php - 如何使用正则表达式从 PHP 中的 UTF8 字符串中正确删除重复的空白字符？

Question

我正在尝试使用正则表达式从 PHP 中的 UTF8 字符串中删除重复的空白字符。这个正则表达式

    $txt = preg_replace( '/\s+/i' , ' ', $txt );

通常工作正常，但有些琴弦有西里尔字母“Р”，更换后拧紧。经过小型研究，我意识到该字母被编码为 \x{D0A0}，并且由于 \xA0 是 ASCII 中的不间断空格，因此正则表达式将其替换为 \x20 并且该字符不再有效。

任何想法如何使用正则表达式在 PHP 中正确执行此操作？

Answer 1

试试u修饰符：

$txt="UTF 字符串 with 空格符號";
var_dump(preg_replace("/\\s+/iu","",$txt));

输出：

string(28) "UTF字符串with空格符號"

Answer 2

它被描述为@ http://www.php.net/manual/en/function.preg-replace.php#106981

如果你想捕捉字符，以及欧洲、俄罗斯、中国、日本、韩国等等，只需：

• 使用 mb_internal_encoding('UTF-8');
• 将 preg_replace(' ...u', '...', $string) 与 u (unicode) 修饰符一起使用

欲了解更多信息，preg_* 修饰符的完整列表可以在以下位置找到： http: //php.net/manual/en/reference.pcre.pattern.modifiers.php