preg_replace unicode字符

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以外的所有内容，例如，下面

\ud83d\ude82 + \u2600\ufe0f = \ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29

会变成

\ud83d\ude82 \u2600\ufe0f \ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29

然后，我需要查找重复的代码，并将它们分开，以便：

 \ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29

变成：

\ud83d\ude29 \ud83d\ude29 \ud83d\ude29 \ud83d\ude29 \ud83d\ude29

对于第一个位，我尝试过几种preg_match解决方案，但它要么不从字符串中删除任何字符，要么删除所有的字符。以下是最新的尝试，

/(^\\\u[0-9a-f]{4})+/

由于不太熟悉Regex，我开始在困惑中挠头，因为我不确定还能尝试什么。

最终，我可以将每个unicode作为自己的记录插入到数据库中。

Answer 1

这可以分两个步骤进行：

$str = '\ud83d\ude82 + \u2600\ufe0f = \ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29\ud83d\ude29';
// 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：

\ud83d\ude82\u2600\ufe0f\ud83d\ude29 \ud83d\ude29 \ud83d\ude29 \ud83d\ude29 \ud83d\ude29

Regex #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

Regex #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