删除Unicode零宽度空间PHP

Question

我有缅甸语的文字，UTF-8。我正在使用PHP来处理文本。在此过程中的某些时候，一些ZWSP已经悄悄进入，我想将它们删除。我尝试了两种不同的方法来删除字符，似乎都没有用。

首先我尝试使用：

  $newBody = str_replace("​", "", $newBody);

搜索HTML实体并将其删除，因为它是Web Inspector下的显示方式。这些空间不会被移除。我也尝试过：

  $newBody = str_replace("&#8203", "", $newBody);

并得到相同的结果。

我尝试的第二种方法是在Remove ZERO WIDTH NON-JOINER character from a string in PHP

这个问题上找到的

看起来像这样：

 $newBody = str_replace("\xE2\x80\x8C", "", $newBody);

但我也没有结果。 ZWSP没有被删除。

An example word in the text ($newBody) looks like this : ယူ​​က​​ရိန်
And I want to make it look like this : ယူကရိန်း

有什么想法吗？ preg_replace会以某种方式更好地工作吗？

所以我尝试了

$newBody = preg_replace("/\xE2\x80\x8B/", "", $newBody);

它似乎是运作，但现在还有另一个问题。

<a class="defined" title="Ukraine">ယူ&#8203;က&#8203;ရိန်း</a>

转变为

<a class="defined _tt_t_" title="Ukraine" style="font-family: 'Masterpiece Uni Sans', TharLon, Myanmar3, Yunghkio, Padauk, Parabaik, 'WinUni Innwa', 'Win Uni Innwa', 'MyMyanmar Unicode', Panglong, 'Myanmar Sangam MN', 'Myanmar MN';">ယူကရိန်း</a>

我不希望它添加所有额外的东西。任何想法为什么会这样？除了想出一些方法只针对两者之间的文本，有没有另一种方法来阻止preg_replace添加所有这些额外的东西？顺便说一句，在Mac上使用谷歌浏览器。似乎与firefox有点不同......

Answer 1

此：

$newBody = str_replace("​", "", $newBody);

假设文本是HTML实体编码的。这样：

$newBody = str_replace("\xE2\x80\x8C", "", $newBody);

如果违规字符未编码但匹配错误字符（0xe2808c），则

应该有效。匹配与＃8203相同的字符;你需要0xe2808b：

$newBody = str_replace("\xE2\x80\x8B", "", $newBody);