php parola espressioni regolari confine corrispondente in utf-8

Ho il seguente codice php in un file php utf-8:php parola espressioni regolari confine corrispondente in utf-8

var_dump(setlocale(LC_CTYPE, 'de_DE.utf8', 'German_Germany.utf-8', 'de_DE', 'german')); 
var_dump(mb_internal_encoding()); 
var_dump(mb_internal_encoding('utf-8')); 
var_dump(mb_internal_encoding()); 
var_dump(mb_regex_encoding()); 
var_dump(mb_regex_encoding('utf-8')); 
var_dump(mb_regex_encoding()); 
var_dump(preg_replace('/\bweiß\b/iu', 'weiss', 'weißbier'));

vorrei l'ultima regex per sostituire solo parole piene e non parti di parole.

Sul mio computer Windows, restituisce:

string 'German_Germany.1252' (length=19) 
string 'ISO-8859-1' (length=10) 
boolean true 
string 'UTF-8' (length=5) 
string 'EUC-JP' (length=6) 
boolean true 
string 'UTF-8' (length=5) 
string 'weißbier' (length=9)

Sul web server (Linux), ottengo:

string(10) "de_DE.utf8" 
string(10) "ISO-8859-1" 
bool(true) 
string(5) "UTF-8" 
string(10) "ISO-8859-1" 
bool(true) 
string(5) "UTF-8" 
string(9) "weissbier"

Così, l'espressione regolare funziona come mi aspettavo su Windows ma non su Linux .

Quindi la domanda principale è, come dovrei scrivere la mia espressione regolare in modo che corrisponda solo ai limiti delle parole?

Una domanda secondaria è come posso far sapere a Windows che voglio usare utf-8 nella mia applicazione php.

fonte

2010-03-12 tomsv

Anche in modalità UTF-8, le combinazioni di tasti di classe standard come \w e \b non sono compatibili con Unicode. Devi solo usare le abbreviazioni Unicode, come hai lavorato fuori, ma si può rendere un po 'meno brutto utilizzando lookarounds invece di alternanze:

/(?<!\pL)weiß(?!\pL)/u

noti anche come Ho lasciato le parentesi graffe fuori della classe Unicode abbreviazioni; puoi farlo quando il nome della classe è costituito da una singola lettera.

fonte

2010-03-15 17:12:57

+1 - '\ w' e' \ b' sembrano funzionare come previsto nelle versioni di PHP recenti ma non sono definitivamente affidabili, poiché probabilmente si interromperanno quando si distribuisce l'app. –

Nota anche la risposta accettata qui: http://stackoverflow.com/questions/4781898/regex-word-boundary-does-not-work-in-ut8-on-some-servers se vuoi usare le scorciatoie Unicode! –

ecco quello che ho trovato finora. Riscrivendo i modelli di ricerca e sostituzione in questo modo:

$before = '(^|[^\p{L}])'; 
$after = '([^\p{L}]|$)'; 
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', 'weißbier')); 
// Test some other cases: 
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', 'weiß')); 
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', 'weiß bier')); 
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', ' weiß'));

ottengo il risultato voluto:

string 'weißbier' (length=9) 
string 'weiss' (length=5) 
string 'weiss bier' (length=10) 
string ' weiss' (length=6)

sia sul mio computer Windows apache in esecuzione e sul apache in esecuzione ospitato linux webserver.

Suppongo che ci sia un modo migliore per farlo.

Inoltre, vorrei ancora impostare il mio computer Windows su utf-8.

fonte

2010-03-12 14:37:30 tomsv

Secondo this comment, questo è un bug in PHP. L'utilizzo di \W anziché di \b offre vantaggi?

fonte

2010-03-14 14:25:24 ntd

che questo era legato a Bug #52971

PCRE-meta-caratteri come \b\w non funziona con le stringhe Unicode.

e fixed in PHP 5.3.4

estensione PCRE: Corretto il bug # 52971 (non PCRE-meta-caratteri che lavorano con utf-8).

fonte

2016-12-10 10:32:13

php parola espressioni regolari confine corrispondente in utf-8

risposta

Problemi correlati