Diakritische tekens - Regex

Door Erik Rijk op 19-08-2018 12:53

1.744 views

Hallo,

Ik krijg wat data aangeleverd waar ik wat regex op moet toepassen.
Het volgende gebeurd: Text: Tijdens deze vakantie leert u het echte SiciliëKennen!

Moet worden: Text: Tijdens deze vakantie leert u het echte Sicilië Kennen!

/u
\p{L}

Qua regex heb ik vanalles geprobeerd maar zonder resultaat. Het meest ideale zou zijn dat het via een 'korte' regex kan ipv een script waar ik alle diakritische karakters in zet op dan ga matchen.

PHP 7.2.8

Wie heeft de tip/oplossing?!

Thomas van den Heuvel

19-08-2018 14:54 gewijzigd op 19-08-2018 14:56

Hm, wellicht door aan alle non-ascii karakters die niet gevolgd worden door een spatie-symbool een spatie toe te voegen?

<?php
header('Content-Type: text/html; charset=UTF-8');

$regex = '#([^\x20-\x7F])(\S)#u';
$replacement = '\1 \2';
$in = 'Dit is een të st. $$$$ Huéeee';

echo preg_replace($regex, $replacement, $in);
?>

Inspiratie:
https://stackoverflow.com/questions/5793547/regex-diacritics-problem
https://gathering.tweakers.net/forum/list_messages/1369936

Mogelijk kan dit anders/eenvoudiger/korter, regexes zijn niet mijn sterkste punt.

EDIT: een betere oplossing zou natuurlijk kloppende invoer zijn, dit is symptoombestrijding :p.

Reageren

Inloggen om te reageren