UTF-8 текст в strtoupper и т.п.

[2ka]

UTF-8 текст в strtoupper и т.п.

Господа, у меня сайт на UTF-8(winxpsp2, php 4.4.2[только модуль mbstring.dll]). Ставлю локаль:

setlocale(LC_ALL, "Russian_Russia.65001");

или

setlocale(LC_ALL, "ru_RU.UTF-8"); // пробовал и массивы и много разных вариантов

, но функция strtoupper() не работает, вернее работает с "краказяблами". Установил mbstring.dll, возникли проблемы с preg_replace. Выражение:

$text = preg_replace("/[^\w\s-]/" ,  '', $text);

Обрезает, например, "т"(привет = приве)
а:

$text = preg_replace("/[^\w\s-]/u" ,  '', $text);

вообще ничего не выводит

Как то проблемно все... iconv - нет. Хотя и без него хотелось бы.

Не подскажите, как можно локалью, или чем-нибудь еще позволить пользоваться привычными функциями, но с UTF-8

 

[white phoenix]

> [^\w\s-]
'-' внутри символьного класса является метасимволом и для записи литералом требует упреждающий '\'.
> с UTF-8
[m]reference.pcre.pattern.modifiers[/m]: u (PCRE_UTF8)

 

[SiMM]

[m]mbstring[/m]

 

[2ka]

white phoenix
Попробуйте просто запустить:

<?php
     echo preg_replace("/[^\w\d\-]/u" ,  '', "привет");
     echo "<hr />";
     echo preg_replace("/[^\w\d\-]/" ,  '', "привет");
?>

У меня, с "u" ничего не выводит, без, выводит "приве"

 

[white phoenix]

2ka
Обрати внимание на последний символ в строке.

 

[2ka]

white phoenix
эт не запятая, наверное, т.к. hex '‚' = 82, запятая = 2C.

если же так пишу:

echo preg_replace("/[^\w\d\-т]/u" ,  '', "привет");

то все работает, но это же не дело писать "[а-я]"... Как считаете?

p.s. т в UTF-8, выглядит как "C," = [^\w\d\-C,]

может ли это быть багом PHP? ведь "т" = "\w"

 

[white phoenix]

2ka
[m]reference.pcre.pattern.syntax[/m]:

"word" символ - это произвольная цифра, буква или символ подчеркивания, проще говоря, любой символ, который может являться частью 'слова' в Perl. Определение букв и цифр управляется символьными таблицами, с которыми PCRE был собран. И, как следствие, эти наборы могут отличаться в различных локализированных дистрибутивах. Например, в локали "fr" (Франция) некоторые символы с кодом выше 128 используются для записи ударных символов и, соответственно, соответствуют маске \w.

 

[texrdcom]

echo preg_replace("/[^a-zа-я0-9]/u" , '', "привет");