我有几个包含Unicode的字符串。我的任务是从这些字符串中删除除 unicode 之外的所有内容,例如,下面
ud83dude82 + u2600ufe0f = ud83dude29ud83dude29ud83dude29ud83dude29ud83dude29
会成为
ud83dude82 u2600ufe0f ud83dude29ud83dude29ud83dude29ud83dude29ud83dude29
然后,我需要查找重复的代码,并将它们分开,以便:
ud83dude29ud83dude29ud83dude29ud83dude29ud83dude29
成为:
ud83dude29 ud83dude29 ud83dude29 ud83dude29 ud83dude29
我已经为第一位尝试了几种preg_match解决方案,但它要么不从字符串中删除任何字符,要么删除所有字符。以下是最新的尝试,
/(^\u[0-9a-f]{4})+/
不太熟悉正则表达式,我开始困惑地挠头,因为我真的不确定还能尝试什么。
这样,最终,我能够将每个 unicode 作为自己的记录插入到数据库中。
分两步完成:
$str = 'ud83dude82 + u2600ufe0f = ud83dude29ud83dude29ud83dude29ud83dude29ud83dude29';
// remove non unicode character
$str = preg_replace('/(?<=\\u[a-f0-9]{4})[^\\]+/', '', $str);
// insert space between repeated pair
$str = preg_replace('/((?:\u[a-f0-9]{4}){2})(?=1)/', '$1 ', $str);
echo $str,"n";
输出:
ud83dude82u2600ufe0fud83dude29 ud83dude29 ud83dude29 ud83dude29 ud83dude29
正则表达式 #1:
/ : regex delimiter
(?<= : lookahead
\\u[a-f0-9]{4} : unicode character
) : end lookahead
[^\\]+ : 1 or more any character that is NOT a backslash
/ : regex delimiter
正则表达式 #2:
/ : regex delimiter
( : start group 1
(?: : non capture group
\\u[a-f0-9]{4} : a unicode character
){2} : appears twice (2 unicode characters)
) : end group 1
(?=1) : lookahead, group 1 is repeated
/ : regex delimiter