Forum PHP.pl

Witam, oto napisałem sobie bardzo prosty skrypcik do zamiany słów
Wygląda on tak:

[PHP] pobierz, plaintext 
	$from = array("ci","tobie"
	$to   = array("Ci","Tobie");
	$tekst = str_replace($from, $to, $tekst);
[PHP] pobierz, plaintext 

Jednak problem jest taki, że w przypadku wyrazu np. daci zamieni to na daCi, a chodzi oto aby osobne wyrazy, co do spacji no to nie najlepsze rozwiązanie ponieważ zamiast spacji może być np. ","
Można by było to zrobić w preg_replece jednak jest to strasznie mega wielkie do ogarnięcia w chwilę.
Pozdrawiam

Wyrażenia regularne są strasznie mega wielkie, ale to chyba jedyne rozsądne rozwiązanie. Teoretycznie powinno wystarczyć użycie

które jest prostym wyrażeniem. W praktyce natomiast PHP nie rozpozna polskiej litery jako litery (będzie rozpoznawał granicę słowa między polską literą a zwykłą) i dalej ci się będzie psuło przy wyrażeniach typu "mąci". Pomoże dopiero emulowanie poprawnego działania \b przy użyciu przewidywania wprzód i wstecz. To jest strasznie mega wielkie, więc masz gotowca

[PHP] pobierz, plaintext 
?php
 
// Zakładam kodowanie UTF-8. Jeśli używasz innego trzeba będzie przerobić
$from = array( "ci", "tobie" );
$to = array( "Ci", "Tobie" );
$tekst = "tobie mąci ci ciąg w ciasnej daci. tobie. .tobie .tobie tobie ci";
 
$elemCount = min( count( $from ), count( $to ) );
for( $i = 0; $i < $elemCount; $i++ )
{
    $fromWord = preg_quote( $from[$i], "~" );
    $toWord = $to[$i];
 
    $tekst = preg_replace( "~(?<!\pL)" . $fromWord . "(?!\pL)~u", $toWord, $tekst );
}
 
echo $tekst;
 
?>
[PHP] pobierz, plaintext 

Jeśli masz zamiar używać tego tylko w przypadkach jak w 1 poście to polecam funkcję ucfirst();


Ten post edytował fiszol 27.01.2011, 05:57:29

Wyrażenia regularne rozpoznają polskie litery, ale domyślne kodowanie dla nich nie może być użyte. Niestety nigdy nie bawiłem się w to i nie wiem jak wymusić w RE użycie polskiego kodowania. Wiem, że jeśli się je zastosuje, to wyrażenie rozpozna, że ma do czynienia z polskim znakiem "ą" a nie znakiem pustym, ponieważ w nowszych wersjach można napisać w wyrażeniu [a-ż0-9] i jest ono prawidłowo interpretowane. Musiałbyś sprawdzić czy flaga u dla unicode coś zmieni

@thek Niestety flaga "u" nic nie daje w tym przypadku. Granica słowa (\b) zostaje dopasowana w tych miejscach:
^\w
\w$
\w\W
\W\w

\w to litery, cyfry i znak podkreślenia (\W - wszystko inne), ale dwubajtowe polskie litery z UTF-8 traktowane są jako dwa krzaki, które podchodzą raczej pod \W (nawet w przypadku użycia flagi "u").


O ile w przypadku iso-8859-2 czy windows-1250 pewnie dałoby radę "naprawić" \w ustawiając odpowiednie LOCALE, o tyle napisanie wyrażenia działającego identycznie jak \b dla kodowania utf-8 jest strasznie mega wielkie:
http://ideone.com/3vard

W takim wypadku lepiej sprawdzić, czy mb_ereg nie byłby lepszy.

Ten post edytował Noidea 27.01.2011, 14:46:33