Question

我正在编写一个脚本，用于识别短信中的冒犯性词语。问题在于，有时用户会对单词进行一些更改并使其无法识别。我的代码必须能够尽可能地识别它们。

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。一个从字符串中删除重复字符。例如：用户写了：seeeeex，它用性取代它：

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

这个正则表达式适用于英语单词，但不适用于我的情况下的波斯语单词。例如，如果你写： امیییییییییین 它没有任何作用。我也试过

mb_ereg_replace

但它也没有用。

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：我希望它将S E X转换为性别：

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

这个正则表达式根本不起作用，需要纠正。

感谢您的帮助

Answer 1

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

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

然而，在你的第二个正则表达式中，我看到了语法和语义错误，你可以将它改为：

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

PHP：

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

全部放在一起：

{{Form::hidden('_method', 'POST')}}