Wieder mal char-Probleme

**Melewo** · 22-04-2013, 09:50

Originally posted by newbie1955 View Post

Danke für die Hilfe, aber bei mir kommen die Umlaut-Begriffe trotzdem.

Prost, habe schon lange kein Bier mehr getrunken, wird vielleicht mal wieder Zeit. Kann jetzt Dein Problem schlecht nachvollziehen, weil es bei mir funktioniert. Was Du noch machen könntest, mal die gesuchten Begriffe und die Titel in einer Datei abspeichern, ob da Unterschiede erkennbar werden. Ergänze dazu den Code mal durch die mit *** kommentierten Zeilen.

PHP Code:


<?php header("Content-Type: text/html; charset=UTF-8"); ?>
<!DOCTYPE html>
<html>

<head>
<title>Test</title>
</head>

<body>
<div>
<ul>
<?php error_reporting(E_ERROR|E_PARSE);  // hochgesetzt wegen Entity-Warnungen

$data = file_get_contents("http://www.mz-web.de/mitteldeutschland/20641266,20641266.html");

$doc = new DOMDocument();
$doc->loadHTML("<?xml encoding=\"UTF-8\">".$data);

$xPath   = new DOMXPath($doc);
$zaehler = 0;

$epap   = "E-Paper";
$abge   = "Abgeordnete befragen";
$glueck = "Glückwünsche";
$trau   = "Traueranzeigen";
$herz   = "Herzenswünsche";
$speicher = "Titel:\n";      /*** *** füge $speicher = "Titel:\n"; hinzu *** ***/

foreach ($xPath->query("//h2/a") as $element) {

    $title = $element->nodeValue; 
    
    $pos  = mb_strpos($title, $epap,   0, "utf-8");
    $pos1 = mb_strpos($title, $abge,   0, "utf-8");
    $pos2 = mb_strpos($title, $glueck, 0, "utf-8");
    $pos3 = mb_strpos($title, $trau,   0, "utf-8");
    $pos4 = mb_strpos($title, $herz,   0, "utf-8");

    $href = $element->getAttribute('href');
    $hreft = "http://www.mz-web.de" . $href;
    $search = "„";


    if (($zaehler <= 13) && ($pos === false) && ($pos1 === false) && ($pos2 === false) && ($pos3 === false) && ($pos4 === false)) {

        echo "<li><a href=\"".htmlspecialchars($hreft, ENT_QUOTES, "UTF-8", false)."\" target=\"_blank\">".htmlspecialchars($title, ENT_QUOTES, "UTF-8", false)."</a></li>\n";

        $zaehler++;
        $speicher .= htmlspecialchars($title, ENT_QUOTES)."\n";      /*** *** füge $speicher .= $title."\n"; hinzu *** ***/
    }    
}

/*** *** füge beide Zeilen hinzu *** ***/

$pruefe = $epap."\n".$abge."\n".$glueck."\n".$trau."\n".$herz."\n\n".$speicher;

file_put_contents("kontrolle.txt", $pruefe);


/* kontrolle.txt:

E-Paper
Abgeordnete befragen
Glückwünsche
Traueranzeigen
Herzenswünsche

Titel:
Spaziergänger finden Frauenleiche
Zusätzliche Milliarden für Instandhaltung notwendig
Ein Krokodil als Dankeschön
Empörung nach Rauswurf
Männer bedrohen Imbissbesitzer in Bad Kösen
Betrug kann böse Folgen haben
DGB setzt weiter auf Dialog
Abenteurer suchen Gold in Thüringen
Sechs Schwerverletzte bei Unfall auf A4
Elke du Bois Spitzenkandidatin der Freien Wähler
Ausbildungsplätze
Reisemarkt
*/
?>
</ul>
</div>
</body>
</html>

Und dann:

Originally posted by newbie1955 View Post

PHP Code:


htmlspecialchars($title, ENT_QUOTES, 'UTF-8'false)."</a></li>\n";

Originally posted by newbie1955 View Post

PHP Code:


htmlspecialchars($title, ENT_QUOTES, false)."</a></li>\n";

Noch einen Schnitzer, den ich mit kopiert hatte und der mir erst jetzt auffiel. Der hat jetzt nichts mit Deinem Problem zu tun, nur so allgemein. Du brauchst nicht alle Parameter verwenden, doch wenn, so würde ich die Reihenfolge einhalten und true oder false als boolescher Wert kommt erst an vierter Stelle. Die Werte sollten durch Komma getrennt werden.

PHP Code:


htmlspecialchars($title, ENT_QUOTES, "UTF-8", false)."</a></li>\n";

**newbie1955** · 22-04-2013, 12:51

Hallo

Danke für den Versuch, habe Deinen Code komplett umgesetzt. Hier ist das, was in meiner Textdatei landet. Es scheint ja eindeutig ein encoding-Problem zu sein, aber welches? Wenn er "Glückwünsche" sucht, aber "GlÃ¼ckwÃ¼nsche" findet, ist es ja kein Wunder, wenn die Suchbegriffe nicht ausgeschlossen werden:

Code:

E-Paper
Abgeordnete befragen
Glückwünsche
Traueranzeigen
Herzenswünsche

Titel:
MÃ¶llring kommt, Wolff geht
Waldbrandgefahr durch fehlende NiederschlÃ¤ge
Alles eine Frage des FÃ¼hrungsstils
SpaziergÃ¤nger finden Frauenleiche
ZusÃ¤tzliche Milliarden fÃ¼r Instandhaltung notwendig
Ein Krokodil als DankeschÃ¶n
EmpÃ¶rung nach Rauswurf
MÃ¤nner bedrohen Imbissbesitzer in Bad KÃ¶sen
Betrug kann bÃ¶se Folgen haben
DGB setzt weiter auf Dialog
GlÃ¼ckwÃ¼nsche
HerzenswÃ¼nsche
AusbildungsplÃ¤tze
Reisemarkt

Auf der Seite ausgegeben wird:

Gruß
newbie1955

**h3ll** · 22-04-2013, 13:27

Das Problem ist, dass die Daten UTF-8 kodiert sind, aber deine PHP-Datei nicht. Also eh und je das selbe Problem. Es liegt einfach an der Kodierung der PHP-Datei. Das Problem hat nichts mit PHP selber zu tun, sondern liegt auf der Dateiebene. Somit ist es eigentlich sinnlos hier weiter PHP-Code zu diskutieren, da hier nicht der Fehler zu suchen ist.

**Melewo** · 22-04-2013, 13:58

Mein Test war unter Localhost, auf einem Server erhalte ich auch so ein Ergebnis, jedoch einheitlich verunstaltet. Du könntest jetzt versuchen, ob die Titel mit utf8_decode() richtig gespeichert werden, so dass es einheitlich ist und falls ja, utf8_decode() nur für mb_strpos zur Suche verwenden.

PHP Code:


$pruefe = $epap."\n".$abge."\n".$glueck."\n".$trau."\n".$herz."\n\n".utf8_decode($speicher);

Wäre zwar nur ein Notbehelf, nur vielmehr fällt mir da nicht ein. Das wird sich schon so verhalten, wie h3ll schrieb.

**newbie1955** · 22-04-2013, 14:51

Hallo

Ja, das glaube ich durchaus. h3ll. Nur weiß ich nicht, was ich noch tun kann, wenn ich den Code in Notepad++ mit utf-8 ohne BOM abspeichert und Binär mit Filezilla übertragen habe (wie von Dir vorgeschlagen) - und es trotzdem nicht funktioniert.

Habt Ihr übrigens noch mal einen Tipp (Link zm Manual), wie ich diese ganzen einzelnen $pos-Abfragen mithilfe eines Arrays vereinfache (Blacklist)?

Danke, Melewo, das mit utf8-decode ist im Moment bereits meine Notlösung, funktioniert auch, aber ich hätte das natürlich gerne grundsätzlich geklärt und verstanden...

Gruß
newbie1955

**h3ll** · 22-04-2013, 15:28

Originally posted by newbie1955 View Post

Ja, das glaube ich durchaus. h3ll. Nur weiß ich nicht, was ich noch tun kann, wenn ich den Code in Notepad++ mit utf-8 ohne BOM abspeichert und Binär mit Filezilla übertragen habe (wie von Dir vorgeschlagen) - und es trotzdem nicht funktioniert.

Vielleicht funkt irgendwas beim Hoster dazwischen. Vielleicht der FTP-Server. Keine Ahnung.

Das Problem kannst du umgehen, indem du PHP-Dateien in ASCII-Codierung abspeichert und Sonderzeichen nur binär angibts. zB.

PHP Code:


$name = "Franz M\xC3\xBCller"; // Franz Müller als UTF-8 Kodierung

Das ist quasi der gemeinsame Nenner, der immer funktioniert. ASCII versteht jedes System.

Eine Übersicht der UTF-8 Zeichen findest du hier: Unicode/UTF-8-Zeichentabelle

**newbie1955** · 22-04-2013, 19:42

strpos - array?

Danke für den Tipp.

Und das Vereinfachen der Serienabfrage von auszuschließenden Begriffen, geht das auch per array? Beim googlen habe ich nur Fragende gefunden, aber keine funktionierenden Antworten. Nur ein Link oder Tipp wäre schön, danke!

Gruß
newbie1955

**Melewo** · 22-04-2013, 20:34

Originally posted by newbie1955 View Post

Nur ein Link oder Tipp wäre schön, danke!

Wenn Du jetzt ein ganz klein wenig mehr Erfahrung hättest, dann hätte ich vorgeschlagen, schaue doch einfach mal, was die bei Stack Overflow so an Ansätzen zu bieten haben, ob Du daraus etwas entwickeln könntest und versuche es dann mit mb_strpos umzusetzen.

php - Using an array as needles in strpos - Stack Overflow

Oder schaue mal nach strpos und stripos oder in_array, da findest Du auch so einige Dinge, die einen Ansatz enthalten könnten, den Du dann mit mb_strpos umsetzen könntest.

PHP: strpos - Manual

**Melewo** · 22-04-2013, 23:46

Habe mal am ersten Beispiel von Stack Overflow solange gebastelt, bis es gepasst hat und nur jetzt zum Test die unerwünschten Titel auf den Else-Zweig gelegt Wenn Du den Else-Zweig entfernst, dann wird "Keine Ausgabe bei *** *** ..." halt nicht mit ausgegeben.

Und wenn Du libxml_use_internal_errors auf true setzt, dann bist Du auch die Entitie-Warnungen los und kannst dennoch ganz normal mit error_reporting arbeiten, wie es ausschaut. Oder wie ist das zu verstehen?

PHP Code:


<?php header("Content-Type: text/html; charset=UTF-8"); ?>
<!DOCTYPE html>
<html>

<head>
<title>Test</title>
</head>

<body>
<div>
<ul>
<?php
error_reporting(E_ALL);
ini_set("display_errors", true);
libxml_use_internal_errors(true);

$data = file_get_contents("http://www.mz-web.de/mitteldeutschland/20641266,20641266.html");

$doc = new DOMDocument();
$doc->loadHTML("<?xml encoding=\"UTF-8\">".$data);

$xPath   = new DOMXPath($doc);
$zaehler = 0;

$letters = array(

    "E-Paper",
    "Abgeordnete befragen",
    "Glückwünsche",
    "Traueranzeigen",
    "Herzenswünsche"
);
$end = count($letters);

function Titelei($titel, $letter, $end) {

    for ($i = 0; $i < $end; $i++) {

        if (mb_strpos($titel, $letter[$i], 0, "utf-8") !== false) {

            return $titel = false;
        }
    }
    return $titel = true;
}

foreach ($xPath->query("//h2/a") as $element) {

    $title = $element->nodeValue;

    $href = $element->getAttribute('href');
    $hreft = "http://www.mz-web.de" . $href;
    $search = "„";


    if(Titelei($title, $letters, $end) !== false) {

        if ($zaehler <= 13) {

            echo "<li><a href=\"".htmlspecialchars($hreft, ENT_QUOTES, "UTF-8", false)."\" target=\"_blank\">".htmlspecialchars($title, ENT_QUOTES, "UTF-8", false)."</a></li>\n";

            $zaehler++;
        }
    }
    else {echo "<li>Keine Ausgabe bei *** *** ".htmlspecialchars($title, ENT_QUOTES, "UTF-8", false)."</li>\n";
    }
}

/*
    Wolff will Jobsuche in Ruhe angehen
    Die Bahn baut auf Beton
    Waldbrandgefahr durch fehlende Niederschläge
    Möllring kommt, Wolff geht
    Keine Ausgabe bei *** *** E-Paper
    Alles eine Frage des Führungsstils
    63-Jährige Leipzigerin zweifelsfrei identifiziert
    Zusätzliche Milliarden für Instandhaltung notwendig
    Ein Krokodil als Dankeschön
    Empörung nach Rauswurf
    Männer bedrohen Imbissbesitzer in Bad Kösen
    Keine Ausgabe bei *** *** Abgeordnete befragen
    Keine Ausgabe bei *** *** Glückwünsche
    Keine Ausgabe bei *** *** Traueranzeigen
    Keine Ausgabe bei *** *** Herzenswünsche
    Ausbildungsplätze
    Reisemarkt
*/
?>

**newbie1955** · 23-04-2013, 09:10

Danke, habe jetzt mal die utf_8-Notlösung (für die Umlautwörter) hinzugefügt, dann funktioniert es, außer, dass er in der *** ***-AUsgabe die Umlaut-Begriffe gar nicht erst ausgibt, was merkwürdig ist, für die Lösung aber egal.

Code:

    Platzt das Milliarden-Projekt?
    Private Bierbrauer sind selten in Sachsen-Anhalt
    Er kommt - aber wird man ihn auch sehen?
    Kind schwer verletzt ins Krankenhaus eingeliefert
    Keine Ausgabe bei *** *** E-Paper
    Hartmut Möllring sieht sich als verlässlichen Verhandlungspartner
    Geschmack der Freiheit aus Bernburg
    Wolff will Jobsuche in Ruhe angehen
    Die Bahn baut auf Beton
    Waldbrandgefahr durch fehlende Niederschläge
    Möllring kommt, Wolff geht
    Keine Ausgabe bei *** *** Abgeordnete befragen
    Keine Ausgabe bei *** ***
    Keine Ausgabe bei *** *** Traueranzeigen
    Keine Ausgabe bei *** ***
    Keine Ausgabe bei *** ***
    Keine Ausgabe bei *** *** Reisemarkt

Ich hatte dann nach vielem Suchen auch noch dies hier gefunden, was ich nochmal probieren werde:

Code:

$keyword = array('SPOT','ASTRO','FNT','MP3','RM','HOW','VIDEO');
$message = strtoupper("hello, how are you?");
$output = "Keywords found: ";
foreach ($keyword as $k) {
  if(strpos($message, $k)> -1){$output .= $k . ', ';}
}
echo rtrim($output, ", ");

AUf jeden Fall Danke für die Hilfe! Hoffe, dass ich das utf8-Rätsel dann auch noch mal lösen werde.

Gruß
newbie

**Melewo** · 23-04-2013, 10:15

Originally posted by newbie1955 View Post

Danke, habe jetzt mal die utf_8-Notlösung (für die Umlautwörter) hinzugefügt, dann funktioniert es, außer, dass er in der *** ***-AUsgabe die Umlaut-Begriffe gar nicht erst ausgibt, was merkwürdig ist, für die Lösung aber egal.

Dachte ich mir schon, weil ich vergessen hatte zu erwähnen, dass die utf_8-Notlösung mit in die Funktion gehört, da ja nur für die Suche mit mb_strpos bestimmt.

PHP Code:


function Titelei($titel, $letter, $end) {

    $titel = utf8_decode($titel); // Oder je nachdem, wie Deine utf_8-Notlösung aussieht.

    for ($i = 0; $i < $end; $i++) {
...

Wieder mal char-Probleme

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Loading... Please wait.

Wieder mal char-Probleme

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment

Comment