C2A0 und split

[pl]

Hi,

ist es möglich, für /\s+/ eine Voreinstellung zu treffen, dass das auch für NonBreakingSpaces (C2A0) matcht?

MfG

[pl]

Hi,

ist es möglich, für /\s+/ eine Voreinstellung zu treffen, dass das auch für NonBreakingSpaces (C2A0) matcht?

MfG

PS/Edit: split /[\s\xC2\xA0]+/, $str zum Heften ;)

[MudGuard]

Hi,

ist es möglich, für /\s+/ eine Voreinstellung zu treffen, dass das auch für NonBreakingSpaces (C2A0) matcht? PS/Edit: split /[\s\xC2\xA0]+/, $str zum Heften ;)

Bist Du sicher, daß die Lösung auch zum Problem paßt?

Ich hätte eher /(?:\s|\xC2\xA0)+/ erwartet - Deine Konstruktion könnte auch das INVERTED EXCLAMATION MARK ¡ (Bytes C2 und A1) erwischen. Und alle anderen Bytefolgen, die C2 enthalten. Wenn's denn byteweise bearbeitet wird.

Oder, da es sich wohl um Unicode handeln soll, /[\s\xA0]+/u

cu,
Andreas a/k/a MudGuard

[pl]

hi,

wenn /u greifen soll, muss der String utf-8-kodiert vorliegen. Dann matcht der Codepoint 0xA0.

Schönen Sonntag ;)

[MudGuard]

Hi,

wenn /u greifen soll, muss der String utf-8-kodiert vorliegen. Dann matcht der Codepoint 0xA0.

wenn das non-breaking space die Bytefolge C2 A0 hat, ist die Wahrscheinlichkeit, daß der String utf-8-codiert ist, ziemlich hoch …

cu,
Andreas a/k/a MudGuard

[pl]

wenn das non-breaking space die Bytefolge C2 A0 hat, ist die Wahrscheinlichkeit, daß der String utf-8-codiert ist, ziemlich hoch …

Nein ;) Perl unterscheidet (seit v5.6 im Jahr 2001) intern zwischen Bytesequenzen (legacy) und kodierten Zeichenketten.

MfG

[pl]

Bist Du sicher, daß die Lösung auch zum Problem paßt?

Die Frage ist berechtigt. Nun, der zu splittende Text hat nur diese Zeichen [0-9:\.a-zA-Z] (Uhrzeiten, Zahlen und Funktionsnamen). Das Einzige was an NICHT-ASCII hinzukommt sind die NonBreakSpaces. Von daher darf sowohl an der gesamten Bytefolge C2A0 als auch auch an einzelnen Bytes C2, A0 oder A0, C2 gesplittet werden -- Das Ergebnis ist OK. Wenn man es ganz genau machen will:

   my $nbsp = pack "CC", 0xC2,0xA0;
   my @times = $self->trim($self->param('times')) ?
      split /[\s$nbsp]+/,

# oder 
   split /[^0-9:\.a-zA-Z]+/,

Schön' Sonntag!