Regular Expression erkennt keine Umlaute!

[Arne Drews]

Hallo,

Habe bereits tonnenweise Infos über Google und Foren-Suche abgearbeitet, aber keine der "angeblichen" Lösungen funktioniert bei mir!

Ich habe einen ganz normalen String, in dem Umlaute mit voran- und dahinter folgendem Leerzeichen.
Nun ist die Filterung dieser Einzelbuchstaben im Prinzip kein Problem.
Ich verwende preg_match_all() dazu, diese zu filtern.

Jedoch findet er die Umlaute nicht?!
Mir wurden auf meiner Suche einige an Informationen gegeben, die plausibel klangen und scheinbar auch bei einigen läuft.
Bei mir leider nicht!

Beispiel:
Ein Lösungsansatz war, dem PRCE-Pattern ein Modifier u für unicode (UTF-8) mitzugeben.
FEHLER: preg_match_all() findet gar nix mehr!
Nichtmal mehr die Standard-Buchstaben (A-Z).

Auch mit utf8_decode() bzw. utf8_encode() habe ich nichts erreicht!

Ist es wirklich so problematisch, Umlaute mit preg_match_all() zu filtern?
Also bitte ich die RegEx-Experten, mir da mal einen Denkanstoß zu geben...

Danke!

PS: mb_ereg(), etc. habe ich auch schon probiert.

[Falk Prüfer]

Hallo,

also preg_match_all hat prinzipiell keine Schwierigkeiten mit deutschen Umlauten.

preg_match_all('/([öäüß])/', 'Schöne Grüße', $hits); 

findet bei mir ö, das ü und auch das ß.

Sowohl der zu durchsuchende Text als auch der reguläre Ausdruck müssen jedoch Zeichensatzmäßig zueinander passen.
Hier werden z.B. KEINE Umlaute gefunden:

$text = utf8_encode('Schöne Grüße');
preg_match_all('/([öüäß])/', $text, $hits);
print_r($hits); 

Hier dagegen schon:

$text  = utf8_encode('Schöne Grüße');
$regex = utf8_encode('öüäß');
preg_match_all('/(['.$regex.'])/u', $text, $hits);
print_r($hits); 

Gruß Falk

[Arne Drews]

Hallo Falk. Danke für die Antwort und die Beschreibung!

So hat das bei anderen angeblich auch funktioniert, jedoch nicht bei mir...
Ich hab' mal anhand Deiner Ausführungen dieses Beispiel:

$text = utf8_encode("B Ü R G E R M E I S T E R");
$regex_utf8 = utf8_encode("ÄÖÜß");
preg_match_all("/[A-Z".$regex_utf8."]\b/u",$text,$treffer);
print_r($treffer); 

hat bei mir folgende Ausgabe:

Array(
[0] => B
[1] => R
[2] => G
[3] => E
[4] => R
[5] => M
[6] => E
[7] => I
[8] => S
[9] => T
[10] => E
[11] => R
)

...findet also kein Ü

Is doch aber exakt das was Du im letzten Code Deiner Antwort meintest, oder nicht?

[Falk Prüfer]

Hallo Arne,

wenn ich deinen PHP-Code per Copy und Paste auf meinem System ausführe, dann bekomme ich folgende Ausgabe:

Array
(
    [0] => Array
        (
            [0] => B
            [1] => Ü
            [2] => R
            [3] => G
            [4] => E
            [5] => R
            [6] => M
            [7] => E
            [8] => I
            [9] => S
            [10] => T
            [11] => E
            [12] => R
        )

)

Also mit Ü!
Ist dein PHP mglws. gegen eine externe PCRE-Bibliothek gelinkt (--with-pcre-regex[=VERZEICHNIS]), die Schwierigkeiten mit Umlauten hat? Ansonsten bin ich hier auch etwas ratlos.

Gruß Falk

[Arne Drews]

Verdammt! Hast Recht:

--with-pcre-regex=/usr

steht in der PHPInfo...
Kann ich sowas ändern, tauschen, ohne PHP gleich neu aufzusetzen?

[Falk Prüfer]

Hallo Arne,

Verdammt! Hast Recht:

--with-pcre-regex=/usr

steht in der PHPInfo...
Kann ich sowas ändern, tauschen, ohne PHP gleich neu aufzusetzen?

Ich denke mal da hast du schlechte Karten. --with-pcre-regex ist eine Compileroption. Ohne Neuübersetzung deines PHP wird da nichts gehen.

Gruß Falk

[Arne Drews]

Naja, is auch nicht so tragisch, denke ich.
Den Configure kann ich ja mit sämtlichen Parametern übernehmen und passe eben entsprechend den --with-pcre-regex an.

Danke für Deine Hinweise und Mühen Falk!

[freshman66]

Auch wenn es schon ein bisschen spät ist, wollte ich noch etwas zu dem Thema beitragen. Ich hatte das selbe Problem wie Arne - keine der Lösungen wollte funktionieren.

Die Lösung in meinem Fall: Wenn der Charset der Site utf-8 ist, müssen alle Templates und auch das entsprechende Skript, in dem Umlaute vorkommen, utf-8 codiert abgespeichert werden.

Grüßlies, Stefan

[Arne Drews]

Hi freshman,

Hilfen sind immer gerne genommen!
Ich arbeite nur mit UTF8-codierten Dateien...

Mit ner anderen RegEx gehts...
Trotzdem danke für den Hinweis!