本文介绍如何正确去除阿拉伯语字符串中连续重复的字符（如“سسسللام”→“سلام”），重点解决 strlen() 和字符串索引对多字节 UTF-8 字符失效的问题，并提供健壮、可复用的 PHP 实现方案。
本文介绍如何正确去除阿拉伯语字符串中连续重复的字符（如“سسسللام”→“سلام”），重点解决 `strlen()` 和字符串索引对多字节 utf-8 字符失效的问题，并提供健壮、可复用的 php 实现方案。
在处理阿拉伯语、中文等 Unicode 字符串时，一个常见误区是直接使用 strlen() 和 $string[$i] 进行遍历——这类操作基于字节而非字符，而阿拉伯字母在 UTF-8 编码下通常占 2–3 字节。例如字符串 "سسس" 的 strlen() 返回 6（每个 س 是 2 字节），但实际只有 3 个字符；若强行用 $string[0] 取值，可能截断字节流，导致乱码或逻辑错误。
因此，去除阿拉伯字符串中连续重复字符（注意：是“连续重复”，如 سسس → س，而非全局去重）需使用支持 UTF-8 的多字节函数。以下是推荐的两种专业实现方式：
✅ 方法一：使用 mb_substr() + 状态追踪（推荐，逻辑清晰）
<?php function removeConsecutiveDuplicates($str, $encoding = 'UTF-8') {
if ($str === '') return '';
$result = '';
$prevChar = '';
for ($i = 0; $i < mb_strlen($str, $encoding); $i++) {
$currentChar = mb_substr($str, $i, 1, $encoding);
if ($currentChar !== $prevChar) {
$result .= $currentChar;
$prevChar = $currentChar;
}
}
return $result;
}
// 测试
$str = "سسسللام علييكمم";
echo removeConsecutiveDuplicates($str); // 输出：سلام عليكم
?>
✅ 方法二：正则替换（简洁高效，适合简单场景）
<?php $str = "سسسللام علييكمم";
$result = preg_replace('/(\p{Arabic})\1+/u', '$1', $str);
echo $result; // 输出：سلام عليكم
?>
该正则中：
- \p{Arabic} 匹配任意阿拉伯文字字符（Unicode 属性）；
- \1+ 表示紧随其后的一个或多个相同字符；
- /u 修饰符启用 UTF-8 模式；
- 替换为 $1 即保留首个字符，丢弃后续重复项。
⚠️ 注意事项：
- 若需同时支持阿拉伯语、波斯语、乌尔都语等扩展阿拉伯字符集，\p{Arabic} 已覆盖绝大多数常用字符（Unicode 0600–06FF, 0750–077F, 08A0–08FF 等区块）；
- 不要使用 tr -s 或普通 ASCII 正则（如 (.)\1+），它们无法识别多字节字符边界，对阿拉伯文完全失效；
- 避免 for ($i=0; $i
- 如需全局去重（非仅连续），应改用 array_unique() 配合 mb_str_split()，但本例目标是自然语言中的连写压缩（如手写/OCR 后清理），故连续去重更符合语义。
综上，处理阿拉伯字符串重复字符的核心原则是：*始终使用多字节安全函数（`mb_` 系列或 Unicode-aware 正则）替代单字节函数**。选择方法一可获得最大可控性与可读性；选择方法二则兼顾简洁与性能，适用于标准清洗流程。
php免费学习视频：立即使用
踏上前端学习之旅，开启通往精通之路！从前端基础到项目实战，循序渐进，一步一个脚印，迈向巅峰！
