Falscher Offset bei Wörtern mit Umlauten im Regex-Ergebnis

[pega]

Warum liefert dieser Regex bei Umlauten einen um jeweils ein Zeichen verschobenen Offset? Den Unicode-Modifier habe ich im Pattern.

function showWords() {
    echo "Treffer; Start; Länge<br />";
    $pattern = "~\b\w+\b~u";
    $text = "Käthe würde gerne wählen.";
    if (preg_match_all($pattern, $text, $matches, PREG_OFFSET_CAPTURE)) {
        foreach ($matches[0] as $m) {
            echo $m[0]."; ".$m[1]."; ".mb_strlen($m[0], "utf-8")."<br />";
        }
    }
} 

Treffer; Start; Länge
Käthe; 0; 5
würde; 7; 5
gerne; 14; 5
wählen; 20; 6

Treffer; Start; Länge
Kathe; 0; 5
wurde; 6; 5
gerne; 12; 5
wahlen; 18; 6

[Christian Marquardt]

echo "Treffer; Start; Länge<br>";
$pattern = "~\b\w+\b~u";
$text = "Käthe würde gerne wählen.";
if (preg_match_all($pattern,utf8_encode($text), $matches, PREG_OFFSET_CAPTURE)) {
foreach ($matches[0] as $m) {
echo $m[0]."; ".$m[1]."; ".mb_strlen($m[0], "utf-8")."<br />";
}
}
äöü sind nicht UTF-8

UTF-8:
Käthe würde gerne wählen

[pega]

alles schon probiert (auch \p{L}). Bei diesem Tool https://regex101.com/r/cfI3Ac/1 funktioniert es.

[Christian Marquardt]

Interessant
Mal das w mit [0-9a-zA-ZÜÄÖüäöß]
ersetzen

[pega]

wenn ich die Umlaute ersetze (siehe unterer Block) stimmt alles:

[Christian Marquardt]

Vermutlich wird das Leerzeichen mitgenommen. Gruppieren ~\b\(w+)\b~u