从Google翻译中删除所有意外字符

Question

我正在使用谷歌翻译来翻译一些文本。

有时，Google翻译器会在翻译后的文本中添加不可打印的字符。

例如，转到此页面：https://www.google.com/search?client=ubuntu&channel=fs&q=traduttore&ie=utf-8&oe=utf-8

选择从意大利语到英语并翻译leone marino。

结果将是：

sea ​​lion
   ^ here there are other two non-printable chars, exactly before the "l" char

你可以通过将文本放在任何你可以改变它的地方(例如，在文本编辑器中，或者在任何网页的文本字段中，甚至在浏览器的url中)来测试它，然后用键盘上的箭头移动，你会注意到光标在靠近空格字符的地方停了两次。

抛开插入这些字符的原因不谈，如何在PHP中使用正则表达式和/或使用sublime文本来删除所有这些不可打印的字符？

还有，如何查看这些字符的unicode版本？

Answer 1

要删除您可以使用的所有other format Unicode chars

$s = preg_replace('~\p{Cf}+~u', '', $s);

由于您希望删除宽度为零的空格，因此可以只使用

$s = str_replace("\u{200B}", "", $s);

我使用https://r12a.github.io/app-conversion/ (无从属关系)检查字符串中的隐藏字符：

​

​

可以使用PHP代码将字符串转换为\uXXXX表示形式，以便快速查看非ASCII字符的Unicode代码点：

$input = "sea ​​lion";
echo preg_replace_callback('#[^ -~]#u', function($m) {
    return substr(json_encode($m[0]), 1, -1);
}, $input); 
// => sea \u200b\u200blion