在php中使用正则表达式过滤波斯语中的一些单词答案

【问题标题】：using regex for filtering some words in persian in php在php中使用正则表达式过滤波斯语中的一些单词
【发布时间】：2018-06-12 02:03:10
【问题描述】：

我正在编写一个脚本，该脚本将从短信中识别出令人反感的词语。问题在于，有时用户会对单词进行一些更改，使其无法识别。我的代码也必须能够尽可能地识别那些。

首先，我将所有非 alnum 字符替换为空格。

然后：我写了两个正则表达式模式。一种从字符串中删除重复字符。例如：用户写了：seeeeex，它用sex替换它：

preg_replace('/(.)\1+/', '$1', $text)

这个正则表达式适用于英语单词，但不适用于波斯语单词，这是我的情况。例如，如果你写： امیییییییییین 它与它无关。我也试过了

mb_ereg_replace

但它也不起作用。

我的另一个正则表达式是删除所有单字母单词周围的空格。例如：我希望它把 S E X 转换为性：

preg_replace('/( [a-zA-Zآ-ی] )\1+/', trim('$1'), $text);

这个正则表达式根本不起作用，需要更正。

感谢您的帮助

【问题讨论】：

【解决方案1】：

使用多字节字符时，您应该启用 Unicode Aware 修饰符来更改标记的行为以匹配正确的内容。在您的第一种情况下，它应该是：

/(.)\1+/u

但是，在您的第二个正则表达式中，我看到了语法和语义错误，您可以将其更改为：

/\b(\pL)\s+/u

PHP：

preg_replace('/\b(\pL)\s+/u', '$1', $text);

综合起来：

$text = 'سسس ککک سسس';
echo preg_replace(['/(.)\1+/u', '/\b(\pL)\s+/u'], '$1', $text); // خروجی میدهد: سکس

【讨论】：

谢谢，太好了，还有一件事，在第二个正则表达式中，单词的最后一个字母周围有空格，附加到下一个单词，就像这句话：منخیلیس ک س را دوست دارم 替换后变为 'من خیلی سکسرا دوست دارم'。我该如何解决这个问题？
一个简单的解决方法是将\b(\pL)\s+更改为\b(\pL)\s+(?!\S{2})
我收到这个错误：错误：分隔符不能是字母数字或反斜杠
别忘了加上分隔符。