PHP波斯语敏感词过滤正则求助：重复字符与单字空格处理

嘿，这两个问题其实都是多字节字符编码和正则匹配逻辑的坑，我帮你逐个修正：

问题1：波斯语重复字符无法去除 #

你原来的正则preg_replace('/(.)\1+/', '$1', $text)对英语有效，是因为英语是单字节字符，但波斯语属于UTF-8多字节字符，PCRE默认会把字符串拆成字节处理，导致(.)只能匹配单个字节，而不是完整的波斯语字符（比如ی是多个字节）。

修正方案： #

给正则加上/u修饰符，让PCRE以UTF-8编码解析字符串，这样就能正确匹配单个波斯语字符：

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

测试一下：输入امیییییییییین，处理后会变成امین，完全符合预期。

为什么mb_ereg_replace无效？因为mb_ereg系列函数的正则语法和PCRE略有不同，而且需要确保你的PHP环境正确设置了默认编码（比如mb_internal_encoding('UTF-8')），但用preg_replace加/u是更简单可靠的方案。

问题2：合并带空格的单字（如S E X → sex） #

你原来的正则preg_replace('/( [a-zA-Zآ-ی] )\1+/', trim('$1'), $text)逻辑完全错了：\1+表示重复匹配第一个捕获组的内容，也就是只能匹配“ S S S”这种重复的带空格字符，而无法匹配“S E X”这种不同字符用空格分隔的场景。

修正方案： #

我们需要匹配任意连续的单个目标字符（英语/波斯语），字符之间有一个或多个空格，然后去掉空格并统一转小写（如果需要）。这里用preg_replace_callback更灵活：

$text = preg_replace_callback('/(?:\s*[a-zA-Zآ-ی]\s*)+/u', function($match) {
    // 先去掉所有空格
    $cleanStr = preg_replace('/\s+/', '', $match[0]);
    // 转小写（英语需要，波斯语可根据需求去掉这行）
    return strtolower($cleanStr);
}, $text);

测试输入S E X，处理后会变成sex；如果是波斯语的ا م ی ن，会变成امین。

如果想更简洁，也可以用全局替换直接去掉字符间的空格（适合单次替换场景）：

// 匹配“字符+空格+字符”的模式，替换成“字符字符”，全局处理
$text = preg_replace('/([a-zA-Zآ-ی])\s+([a-zA-Zآ-ی])/u', '$1$2', $text);
// 重复替换直到没有空格（因为一次替换只能处理相邻的两个字符）
while(preg_match('/([a-zA-Zآ-ی])\s+([a-zA-Zآ-ی])/u', $text)) {
    $text = preg_replace('/([a-zA-Zآ-ی])\s+([a-zA-Zآ-ی])/u', '$1$2', $text);
}

不过回调函数的方式更高效，只需要遍历一次字符串。

内容的提问来源于stack exchange，提问作者Mohammad Amin Ghaseminia