如何在 PHP 中正确使用正则表达式从 UTF8 字符串中删除重复的空格字符？

Question

我将尝试使用正则表达式在PHP中从UTF8字符串中删除重复的空格字符。 这是正则表达式：

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

通常情况下，它工作得很好，但是一些字符串中有西里尔字母“Р”，在替换后被破坏了。 经过小的调查，我意识到该字母被编码为\x{D0A0}，由于\xA0在ASCII中是不间断的空格，因此正则表达式将其替换为\x20，字符就不再有效了。

在PHP中使用正则表达式如何正确解决这个问题？

- anandr

Answer 1

尝试使用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"

- Passerby

---

这个真的救了我的一天，我一直无法去除  。 - Rvanlaak

Answer 2

这里描述了@ http://www.php.net/manual/en/function.preg-replace.php#106981

如果您想匹配字符，如欧洲字符、俄语、中文、日语、韩语等等，只需：

• 使用mb_internal_encoding('UTF-8');
• 使用带有u（Unicode）修饰符的preg_replace('...u', '...', $string)

有关更多信息，请参阅preg_*修饰符的完整列表： http://php.net/manual/en/reference.pcre.pattern.modifiers.php

- asciimoo

---

非常感谢 asciimoo 和 Passerby。我在手册中肯定错过了这个。 - anandr