PHP处理PokeAPI宝可梦风味文本换行异常问题求助

补充说明： 最终发现PokeAPI使用了软连字符（soft hyphens）。部分用户会在图鉴条目中看到连字符，部分则不会。如果下方内容里有连字符，请注意我原本看不到，最初是基于无连字符的前提处理的。

问题场景 #

宝可梦编号8的物种数据中，flavor-text-entries[4]的原始字符串为：

"It cleverly con­
trols its furry
ears and tail tomaintain its
balance while
swimming."

尝试用PHP的str_replace([<各类\r\n数组>], " ")将文本转为单行时，能处理普通换行和换页符，但遇到特殊问题：部分换行在行尾需替换为空格，而部分换行（比如con和trols之间的换行）是软连字符导致的单词拆分，替换成空格后会把controls错误拆分为con trols，其他条目也可能存在类似情况。

解决方案 #

核心是区分软连字符+换行和普通换行，针对性处理：

代码实现

$rawText = '"It cleverly con­trols its furry ears and tail tomaintain its balance while swimming."';

// 1. 合并被软连字符拆分的单词：匹配软连字符+任意空白（换行/空格），直接移除
$processedText = preg_replace('/\xAD\s+/', '', $rawText);

// 2. 处理剩余普通换行、换页符，替换为单个空格
$processedText = preg_replace('/[\r\n\f]+/', ' ', $processedText);

// 可选：清理连续空格，保证文本整洁
$processedText = preg_replace('/\s+/', ' ', $processedText);

echo $processedText;
// 输出："It cleverly controls its furry ears and tail to maintain its balance while swimming."

关键逻辑解释

• 软连字符的Unicode编码为U+00AD，在PHP中用\xAD匹配，第一步正则直接移除软连字符及后续的空白，合并被拆分的单词。
• 第二步统一处理剩余的换行、换页符等，保证文本转为单行。
• 最后一步可选，用于清理处理后可能出现的连续空格。

通用扩展 #

如果需要处理更多不可见特殊字符，可先移除所有非必要的Unicode控制字符：

// 移除除空格、制表符外的所有Unicode控制字符
$rawText = preg_replace('/[\p{Cc}&&[^\s\t]]+/u', '', $rawText);

内容的提问来源于stack exchange，提问作者SushiKishi