diakrytika v regularnim vyrazu

Jedine vypsat, Leo

Nikoliv, stačí [[:alpha:]]

Dnes jsem narazil na stejný problém, s nímž chtěl poradit Vaškic.

K odpovědi halogan, 4.5.2005 mám dvě následující výhrady:

1. [[:alpha:]] se mi interpretuje stejně jako [a-zA-Z]. Myslel jsem, že si PHP nerozumí s nastavením češtiny a předpokládal jsem, že pomocí funkce

setlocale(LC_ALL, "cs_CZ.iso-8859-2")

nějak docílím toho, že znaky s diakritikou budou chápány jako "písmena", tedy budou matchovat s [[:alpha:]].

Není to tak, asi jsem někde udělal chybu, ale nevím, co dělám špatně. Podle toho, co jsem si přečetl, by se lokální nastavení mělo správně načíst ze systému (což je přesně ta čeština s iso-latin 2 kódováním, kterou se snažím vnutit pomocí setlocale).

2. Myslím, že konstrukce jako [[:alpha:]] nebo [[:digit:]] nelze používat v preg_match(), ale jen v ereg(). Pletu se?

Díky za odpověď.

Nevím, používám UTF-8, takže PCRE odpadají, takže používám jen POSIXy.
mb_regex_encoding("UTF-8");
mb_internal_encoding("UTF-8");
if (mb_eregi("^[[:alpha:]]+$"...)

v pohodě funguje...

Díky za promptní odpověď. Problém je, že si stále nedokáži poradit.

Hosting stránek mám na ******* a jejich phpinfo() říká, že v configure options --enable-mbstring bylo. Díval jsem se na tabulku nastavení mbstring vypisovanou phpinfo(), všechno je enabled.

Na požadavek mb_regex_encoding("ISO-8859-2") a mb_internal_encoding("ISO-8859-2") říká, že ISO-8859-2 není žádné známé kódování, tak jsem příslušné stringy, s nimiž pracuji, překódoval do UTF. Všechno mb_cokoli jsem se pokusil nastavit na UTF-8, tváří se, že to akceptuje.

Výsledek: [[:alpha:]] je pořád [a-zA-Z].


No, ne že by to bylo tak důležité, samozřejmě mohu do RE napsat [[:alpha:]ěščřžýáíéóúůďťň], spíš mě zajímá, jak je to možné. Pardon, vlastně bych musel vypsat i velká písmena, protože je to v eregi.

Ještě jednou díky a jak říkám, není důvod hledat zásadní řešení, protože to jde odrbat.

Jejda, tady je nějaká ochrana proti nesprávnému url nebo co? No to je jedno, kdyžtak je to webhosting tečka php4 tečka ***** tečka cz. Omlouvám se za kiks.

že by *****.
Hm, myslel jsem si to.
Neboj moudří vědí, kde máš hosting, bylo to tu zakázáno, kvůli spamování provozovatelů tohto hostingu

Došlo mi, že to bude něco takového.

Každopádně já ten hosting nemíním nijak propagovat, šlo mi jen o odkaz na stránku zobrazující phpinfo(), aby bylo jasné, o jakou konfiguraci se jedná.

Elvis: mbstring ve spojení s ISO 8859-2 nemusíte řešit. mb_ funkce jsou pro multibyte kódování (UTF, ...).

No jestli já nejsem kapitální osel! Samozřejmě, že "multibyte" znamená unikód. Omlouvám se...

Nicméně když tedy používám (nebo chci použít) kódování jednobytové, jako např. zmíněné iso-latin-2, je problém s nerozlišováním diakritických písmen v [[:alpha:]] způsoben čím? Nastavením lokálního prostředí, které lze nějak přechytračit pomocí setlocale(), a já jenom v něčem dělám chybu? Nebo něčím úplně jiným?