Символ 'é' с кодом ACSII 101 204 129

Question

У меня проблема с персонажем 'é'.

С ftp_nlist($this->ftpStream, $directory);У меня есть такая строка 'Parté.mp4', но 'é' не соответствует регулярному выражению [\p{L}]*\.mp4

Здесь есть пример:

• Тот, кто работает: http://regex101.com/r/yH9xG0/1

• Тот, кто этого не делает: http://regex101.com/r/bI4lN2/2

Код ASCII 'é', который не работает, это '101 204 129'. Функция ord($e); где $e - странный символ возврата '101', который является кодом простой буквы e.

Кажется, мой "é" состоит из трех символов, потому что я должен сделать
$e = substr($fileName,4,3); чтобы получить мой единственный персонаж.

Я хотел бы иметь возможность авторизовать этих персонажей в моем регулярном выражении... Если у вас есть какие-либо предложения, спасибо.

Answer 1

Используйте расширенную опцию Unicode.

\X*.mp4

Regex Demo

Вот руководство по PHP, которое описывает расширенную опцию Unicode.

Экранирование \X соответствует кластеру расширенных графем Unicode. Расширенный кластер графем - это один или несколько символов Юникода, которые объединяются в один глиф. По сути, это можно рассматривать как эквивалент Unicode. поскольку он будет соответствовать одному составному символу, независимо от того, сколько отдельных символов фактически используется для его рендеринга.

Answer 2

Когда вы говорите "ASCII-код" é ", который не работает," 101 204 129 "", вы, вероятно, имеете в виду, что байты - это числа в десятичном виде. (Они не являются кодами ASCII: они не должны интерпретироваться в соответствии с ASCII и, кроме того, ASCII заканчивается десятичным числом 127). В шестнадцатеричном формате это означает 65 CC 81. Это правильное представление UTF-8 базовой латинской буквы " e” U+0065, за которым следует U+0301 КОМБИНИРОВАНИЕ ОСТРОГО АКЦЕНТА. Это, в свою очередь, является правильным разложенным представлением "é".

Таким образом, сначала нужно решить проблему кодировки символов. Вы должны иметь дело не с байтами UTF-8 символа, а с самим персонажем. Вам может потребоваться изменить подпрограммы для чтения данных, или, возможно, исправить сами данные, если они были спрятаны.

Если вы правильно прочитали данные UTF-8, комбинированный острый акцент все еще остается проблемой для сопоставления, поскольку он не является буквой. Возможно, вам придется преобразовать данные в форму нормализации C, которая превращает двухсимвольную комбинацию в букву "é".