Tach!

Ist dieses angefangene Tutorial im Benutzernamensraum vielleicht auch noch relevant (ist mir zufällig über den Weg gelaufen)? Dessen Qualität kann ich nicht einschätzen, weil ich von Regex keine Ahnung habe...

Lies es einmal und beurteile dann, ob du nun wenigstens etwas Ahnung bekommen hast.

Für mich - ich bilde mir ein, das Wesen von RegExp verstanden zu haben - ist schon in der Einleitung eine Menge Geschwafel drin. "Bisher" ist das erste Wort, und es wäre richtig, wenn wir uns gerade in den 90ern befänden. Und Sätze à la "ist einfacher als es aussieht" helfen niemandem in fachlicher Hinsicht weiter. Pädagogisch vielleicht, aber das müssten unsere Lehrer besser wissen.

Ich bin bis zum Beispiel mit der Mutter gekommen. Ein gober Schnitzer ist, die Ziffern 123456 als Zahl zu interpretieren. Das Suchmuster ist eine Zeichenkette. Nichts darin wird als Zahl interpretiert, solange wir nicht einen Quantifier wie {2,5} notieren. Die Ziffern werden genauso als Zeichen interpretiert wie Buchstaben und andere Zeichen, mit Ausnahme der syntaktisch relevanten Zeichen.

Auch wenn ich es nicht bis zum Ende gelesen habe, der Rotstift hat da sicher einiges zu tun.

dedlfix.

Servus!

Hallo Felix,

(benutzt JavaScript eigentlich die gleiche Regex-Syntax wie Perl?).

Nicht ganz, aber ziemlich.

Dann wäre ein Blick auf die Unterschiede zwischen JS-Regex und PCRE sehr interessant. Was ist eigentlich mit dem pattern-Attribut in HTML5, verwendet das dann die gleiche Syntax wie die JavaScript-Regexe?

Zitat aus JavaSCript: The Definite guide:

JavaScript regular expressions are strongly based on the regular expression facilities of the Perl programming language. Roughly speaking, we can say that JavaScript 1.2 implements Perl 4 regular expressions, and JavaScript 1.5 implements a large subset of Perl 5 regular expressions.

Da die Artikel ja auf dem Stand von Perl 4 steckengeblieben sind, sollte das wohl kein größeres Problem darstellen. (Oder hab ich mich jetzt total blamiert?)

Herzliche Grüße

Matthias Scharwies

Tach!

Du brauchst mir die Doku nicht abzutippen, lesen kann ich selber.

Ach, wirklich? Ich tippte aber nicht ab, ich zitierte die Stellen, auf die ich mich bezog. Als Alternative hätte ich auch im Stil von Gesetzestexten darauf verweisen können. Paragraph, Absatz, Satz, Nummer. Leider ist die Perl-Dokumentation nicht so aufgebaut und Kopieren war einfacher als den Weg zu beschreiben. Und das ist sicherlich auch für die interessieren Mitlesenden besser.</menschelei>

Ist er mit dem Ändern in die Formulierung "mit dem Setzen des utf8-Pragmas" korrekter?

Nein. use utf8 bewirkt, dass der Interpreter die in der Script-Datei notierten Literale als "utf-8-kodierte Zeichenketten" betrachtet und nicht als Bytesequenzen -- Das ist das Wesentliche und das gibt die Doku nicht her.

Ich hatte auch erst gedacht, dass du mit Literale die String-Literale meinst, aber die Dokumentation sieht das anders und bezeichnet auch die im Code für die Keywords verwendeten Literale als solche.

Ansonsten kann man ein Perl-Script in beliebigen Kodierungen abspeichern ohne dieses Pragma setzen zu müssen. use utf8 wird nur gebraucht, wenn mit den im Script notierten Literalen Operationen ausgeführt werden sollen, die zeichenorientiert arbeiten, Stringfunktionen und z.B. auch reg.Expr.

Die Perldoc nimmt den Literalbegriff auch für Bezeichner wie Variablennamen. Die müssen aber selten stringverarbeitet werden, und es reicht, wenn gleich gemeinte Namen auch als gleich erkannt werden. Ob das auf Zeichen- oder Byte-Ebene passiert ist dabei nebensächlich.

Deine Aussage jedenfalls bezieht sich viel mehr auf die Weiterverarbeitung dessen, was da in den Code-Dateien steht. Ist das denn für die Wiki-Stelle relevant, außer dass die Anweisungen da der Vollständigkeit halber angeführt sind und wenigstens grob deren Bedeutung erklärt wird?

Deiner Meinung nach schaltet also (entgegen der Perldoc-Aussage) das use utf8 nur die interne Verarbeitung um. Wie bringt man dem Perl nun aber bei, dass es die Quellcode-Datei als UTF-8 interpretieren soll, wenn nicht über das in der Perldoc aufgeführte use utf8. Ist dann nur noch die ebenfalls genannte Möglichkeit der UTF-8-BOM verfügbar? Oder was genau ist der Weg? Formulier doch mal den von dir beanstandeten Satz richtig, aber dem Kontext angemessen. Es soll da ja auch keine Abhandlung über Perls Unicode-Handling stehen.

Verstehst du unter "utf-8-kodierte Zeichenketten" etwas anderes als die gemäß UTF-8-Kodierungsvorschrift in Bytes umgewandelten Unicode-Codepoints der jeweiligen Zeichen?

Perl unterscheidet seit Version 5 (2001) zwischen UTF-8-kodierten Zeichenketten und Bytesequenzen. Wenn utf-8-kodierte Zeichenketten nach STDOUT ausgegeben werden, quittiert das der Interpreter mit einer Fehlermeldung "wide character in print...". Deswegen muss vor jeder Ausgabe dafür gesorgt werden dass keine utf-8-kodierten Zeichenketten ausgegeben werden sondern Oktetten (Bytesequenzen).

Also, ich würde schon sagen, dass UTF-8-kodierte Zeichenketten ausgegeben werden (sollen), denn es muss an einem in UTF-8-kodierten String nichts mehr umkodiert werden, sondern lediglich die bereits vorhandenen Bytes 1:1 ausgegeben werden. Dem Perl muss man mit dieser Anweisung nur sagen, dass es da nichts weiter herumzuinterpretieren hat. Am Ende erreicht man doch aber genau das, was da im Wiki steht/stand, nämlich dass UTF-8 in der Ausgabe landet. Und das halte ich für den dortigen Kontext für ausreichend. Es ist ja kein Artikel über die Interna von Perls Unicode-Handhabung (sagte ich ja schon).

dedlfix.

Hallo pl,

Du brauchst mir die Doku nicht abzutippen, lesen kann ich selber.

Dann tu das auch!

Ist er mit dem Ändern in die Formulierung "mit dem Setzen des utf8-Pragmas" korrekter?

Nein. use utf8 bewirkt, dass der Interpreter die in der Script-Datei notierten Literale als "utf-8-kodierte Zeichenketten" betrachtet und nicht als Bytesequenzen -- Das ist das Wesentliche und das gibt die Doku nicht her.

Das ist Unsinn. Das ut8-Pragma bewirkt, dass der gesamte Quelltext als UTF-8 interpretiert wird. Kleines Beispiel gefällig?

#!/usr/bin/perl -w

use strict;

my $äöü = 1;

print $äöü, "\n";

Dieses Programm sagt bei der Ausführung:

Can't use global $� in "my" at test.pl line 6, near "my $�"
Unrecognized character \xA4; marked by <-- HERE after my $�<-- HERE near column 6 at test.pl line 6.

Dagegen dieses Programm:

#!/usr/bin/perl -w

use strict;
use utf8;

my $äöü = 1;

print $äöü, "\n";

gibt erfolgreich 1 aus. Was du vermutlich meinst ist use feature "unicode_strings", dass dem Compiler sagt, es soll Unicode-Regeln auf alle Strings und Regexe im aktuellen Scope anwenden. Das Gegenstück dazu ist dann use bytes (von dessen Verwendung abgeraten wird).

Auch das Beispiel aus deinem vorherigen Code ist falsch, es ist durchaus möglich ohne use utf8 zu matchen:

use strict;

print 'Ä' =~ /ä/ui;

gibt erwartungsgemäß 1 aus. Und nein, use utf8 ist nicht das gleiche wie /u.

Ansonsten kann man ein Perl-Script in beliebigen Kodierungen abspeichern ohne dieses Pragma setzen zu müssen.

Gnhahahahaha. Dann erkläre mir bitte, wie du dieses Programm ausführen willst:

#!/usr/bin/perl -w

use strict;

my $äöü = 1;

print $äöü, "\n";

Und -C-Flags zählen nicht!

Für den Rest bin ich jetzt zu müde.

LG,
CK