6
Regex Anzahl Character Nicht Anzahl Bytes
Guten Morgen zusammen,
und zwar habe ich eine Frage bzgl. RegEx/RegExp.
Ich habe einen regulären Ausdruck der wie folgt ausschaut:
"^[ -\.\s\w\(\)/]{1,35}$"
Nun habe ich bei Sonderzeichen für Russland oder auch bspw in Tschechien welches u.a. wie folgt aussehen könnte: ů
Leider kann ich dadurch nicht mehr auf die 35 Stellen abfragen. Ich vermute, dass es daran liegt, dass es sich hierbei um MultiByte-Character handelt.
Gibt es eine Möglichkeit dem Ausdruck zu sagen, dass er auf Anzahl Character und nicht Byte prüft?
Ich habe schonmal versucht selbst etwas herauszufinden. Leider finde ich jedoch immer nur PHP-Funktionen. Ich bräuchte dies jedoch in einem regulären Ausdruck.
Vielen Dank schonmal im Voraus.
Ich freue mich auf eure Antworten.
Mit freundlichen Grüßen
Peronas
und zwar habe ich eine Frage bzgl. RegEx/RegExp.
Ich habe einen regulären Ausdruck der wie folgt ausschaut:
"^[ -\.\s\w\(\)/]{1,35}$"
Nun habe ich bei Sonderzeichen für Russland oder auch bspw in Tschechien welches u.a. wie folgt aussehen könnte: ů
Leider kann ich dadurch nicht mehr auf die 35 Stellen abfragen. Ich vermute, dass es daran liegt, dass es sich hierbei um MultiByte-Character handelt.
Gibt es eine Möglichkeit dem Ausdruck zu sagen, dass er auf Anzahl Character und nicht Byte prüft?
Ich habe schonmal versucht selbst etwas herauszufinden. Leider finde ich jedoch immer nur PHP-Funktionen. Ich bräuchte dies jedoch in einem regulären Ausdruck.
Vielen Dank schonmal im Voraus.
Ich freue mich auf eure Antworten.
Mit freundlichen Grüßen
Peronas
Auf Facebook teilen
Auf Twitter teilen
Auf Reddit teilen
Auf Linkedin teilenBitte markiere auch die Kommentare, die zur Lösung des Beitrags beigetragen haben
Content-ID: 272277
Url: https://administrator.de/forum/regex-anzahl-character-nicht-anzahl-bytes-272277.html
Ausgedruckt am: 27.12.2024 um 04:12 Uhr
6 Kommentare
Neuester Kommentar
Moin,
\w enthält ja auch nur folgende Zeichenklassen:
zumindest bei PCRE.
Und da ist dein genanntes Zeichen nunmal nicht enthalten. Da wirst du die erlaubten Unicode-Zeichen aus anderen Sprachen noch hinzufügen müssen, z.B. über die Hex-Codes \xHH
Gruß jodel32
\w enthält ja auch nur folgende Zeichenklassen:
A word character is a character from a-z, A-Z, 0-9, including the _ (underscore) character.
Und da ist dein genanntes Zeichen nunmal nicht enthalten. Da wirst du die erlaubten Unicode-Zeichen aus anderen Sprachen noch hinzufügen müssen, z.B. über die Hex-Codes \xHH
Gruß jodel32
Hallo Jodel32,
vielen Dank für die schnelle Antwort. Ich dachte, dass diese Zeichenklasse für sämtliche Encodings automatisiert (Regex-Intern) verändert wird.
Gibt es denn auch weitere Zeichenklassen für bspw. alle Zeichen des Encodings ISO8859-2 oder ISO8859-5? Das würde mir schon sehr weiterhelfen. Oder sollte ich die Prüfung dann lieber komplett entfernen.
Mittels Hex-Codes ist es leider nicht möglich, da die Zeichen vom Anwender eingegeben werden.
Liebe Grüße
Peronas
vielen Dank für die schnelle Antwort. Ich dachte, dass diese Zeichenklasse für sämtliche Encodings automatisiert (Regex-Intern) verändert wird.
Gibt es denn auch weitere Zeichenklassen für bspw. alle Zeichen des Encodings ISO8859-2 oder ISO8859-5? Das würde mir schon sehr weiterhelfen. Oder sollte ich die Prüfung dann lieber komplett entfernen.
Mittels Hex-Codes ist es leider nicht möglich, da die Zeichen vom Anwender eingegeben werden.
Liebe Grüße
Peronas
Mittels Hex-Codes ist es leider nicht möglich, da die Zeichen vom Anwender eingegeben werden.
Doch, damit kannst du auch Ranges aus dem Unicode Zeichensatz angeben.Du könntest das ganze ja auch anders angehen und ganze umdrehen und "alles außer bestimmten Sonderzeichen" matchen. Je nachdem was du genau vorhast.
Ah okay... das war die entscheidende Information die mir fehlte.... Super!
Ich habe nun bestimmte Hex-Bereiche für die verschiedenen Encodings (bzw. in meinem Fall Zeichensätze) freigegeben.
Dies funktioniert einwandfrei.
Vielen vielen Dank nochmal.
Ich habe nun bestimmte Hex-Bereiche für die verschiedenen Encodings (bzw. in meinem Fall Zeichensätze) freigegeben.
Dies funktioniert einwandfrei.
Vielen vielen Dank nochmal.
Hallo zusammen,
oder man nutzt alternativ den Ausdruck:
A character with the Unicode property “letter” (any kind of letter from any language) «\p{L}»
Grüße Uwe
oder man nutzt alternativ den Ausdruck:
\p{L}
Grüße Uwe
Klingt auch super. Werde ich nachher auch nochmal testen. Vielen Dank. 
