本文介绍使用 PHP 原生函数（如 preg_replace）精准去除阿拉伯语字符串中连续重复的字母（如 سسس → س），避免误删非连续重复字符，并提供兼容 UTF-8 的健壮实现方案。
本文介绍使用 php 原生函数（如 `preg_replace`）精准去除阿拉伯语字符串中**连续重复的字母**（如 `سسس` → `س`），避免误删非连续重复字符，并提供兼容 utf-8 的健壮实现方案。
在处理阿拉伯语等右向左（RTL）、多字节 Unicode 字符串时，简单使用 strpos 或 tr -s 等 ASCII 专用工具极易失效——前者因未按 UTF-8 字符边界遍历导致乱码或截断，后者（如 tr -s 'a-z'）完全不支持阿拉伯字母范围（\u0600–\u06FF）。关键在于：去重目标是“连续重复字符”（即连写冗余），而非全局去重。例如 "سسسللام" 应变为 "سلام"，而非 "سلم"（后者会错误合并所有 س 和 ل）。
✅ 正确解法：使用支持 Unicode 的正则表达式，匹配两个及以上连续相同的 Unicode 字母，并替换为单个字符：
<?php
function removeConsecutiveDuplicates($str) {
// 匹配任意 Unicode 字母（含阿拉伯、波斯、乌尔都等）的连续重复（≥2次）
return preg_replace('/(\p{L})\1+/u', '$1', $str);
}
// 测试阿拉伯语字符串
$str = "سسسللام علييكمم";
echo removeConsecutiveDuplicates($str); // 输出：سلام عليكم
// 同时兼容混合文本（如带空格、标点、英文）
$mix = "مرحباا! Helloo ورددد";
echo removeConsecutiveDuplicates($mix); // 输出：مرحبا! Hello ورد
?>? 核心说明：
- \p{L} 是 PCRE 的 Unicode 字母类，覆盖阿拉伯字母（Arabic）、拉丁字母、西里尔字母等所有文字字符；
- \1+ 表示对捕获组 (\p{L}) 中匹配到的字符进行连续重复匹配（+ 表示一次或多次，配合前面的 \1 实现 ≥2 次）；
- /u 修饰符启用 UTF-8 模式，确保正则引擎按 Unicode 码点（而非字节）解析字符串；
- $1 在替换中代表第一个捕获组的单个字符，自然实现“多→一”。
⚠️ 注意事项：
立即学习“PHP免费学习笔记（深入）”；
- ❌ 避免使用 strlen() + $string[$i]：PHP 字符串下标操作默认按字节寻址，对 UTF-8 阿拉伯字符（通常占 2–3 字节）会切碎字符，引发乱码或逻辑错误；
- ❌ 不要依赖 tr -s 或 uniq 等 Shell 工具：它们无 Unicode 支持，且 tr -s 仅压缩指定字符集，无法动态识别任意阿拉伯字母；
- ✅ 若需严格限定仅阿拉伯字母（排除其他文字），可改用 \p{Arabic}：
preg_replace('/(\p{Arabic})\1+/u', '$1', $str)； - ✅ 对性能敏感场景，可预编译正则（preg_replace_callback + PREG_UNMATCHED_AS_NULL 非必需，本例简洁性优先）。
总结：处理阿拉伯语字符串去重，必须拥抱 Unicode-aware 方案。preg_replace 配合 \p{L} 和 /u 修饰符，是兼顾准确性、可读性与跨语言扩展性的最佳实践——它既解决 سسسللام → سلام 的核心需求，又天然支持未来可能加入的波斯语、普什图语等同属阿拉伯字母体系的文本。
