解码无效的已解析字符串，如“u0627u0644u0649 u0627u0644u0623”

Question

我发现了一些数据，其中包括诸如.通常，这些会更像，但数据出了点问题。为了纠正它，我唯一的选择是调整那里的东西。"u0627u0644u0649 u0627u0644u0623"\u0627\u0644\u0649 \u0627\u0644\u0623

我没有发现任何字符串是两者和“正常单词”的组合的情况，但这可能会发生。"u0627u0644u0623 u0644 u0627"

我还想安全地转换任何类似的东西或它们的组合，以便像“我的字符串将被正确转换。"\u0627\u0644"\u0627\u0644 u0627u0644u0623 u0644 u0627."

任何人都可以推荐一个正则表达式或适当的方法来安全地“修复”这些字符串吗？

更新

如果我们只纠正了我们第一次测试的字符串，以确保它只包含像？这可以安全地完成吗（以及如何）？u0627u0644u0649 u0627u0644u0623

现在，我正在使用

^(u[A-Fa-f0-9]{4}\s?)+$

我的正则表达式可以很好地满足所需的目的。我也同意可能没有保证的解决方案，但到目前为止，这似乎在我的测试用例中起作用。

Answer 1

该模式找不到与前导空格匹配的匹配项。^(u[A-Fa-f0-9]{4}\s?)+$要仅匹配包含空格 （） 模式的字符串，可以使用u[A-Fa-f0-9]{4}\s'~^\s*u[A-Fa-f0-9]{4}(?:\s*u[A-Fa-f0-9]{4})*\s*$~'观看正则表达式演示详^- 字符串的开头\s*- 0+ 空格u[A-Fa-f0-9]{4} - u然后是四个十六进制字符(?:\s*u[A-Fa-f0-9]{4})*- 0 个或多个序列的出现次数\s*- 0+ 空格u[A-Fa-f0-9]{4} - u然后是四个十六进制字符\s*- 0+ 空格$- 字符串末尾。您可以将其缩短为PHP。'~^\s*(u[A-Fa-f0-9]{4})(?:\s*(?1))*\s*$~'