preg_replace unicode characters

Question

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。

Answer 1

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