Umlaute in Dateien per CLI in HTML-Entities umwandeln

18.07.2005, 10:37

Hallo,

ich habe hier folgendes Problem: Ich habe hier HTML-Dateien, in denen Umlaute (ä,ü,ö) auch wirklich als Umlaute geschrieben sind und nicht als HTML-Entitiy (ä ü &ouml

. Das wollte ich jetzt jetzt mit einem kleinen PHP-Script über das CLI eben korrigieren (Ich weiss, dass PHP dafür evtl nicht die optimalste Sprache ist, aber es ist die einzige, die ich soweit behersche

). Das Script läuft unter Windows XP und sieht so aus:

PHP-Code:

  <?php

function getEnding ($filename)

{

    if (substr ($filename, 0, 1) == ".")

    {

        $filename = (substr ($filename, 1, strlen($filename)));

    }

    $endingcopy=$filename;

    $ending = stristr ($filename, ".");

    if ($ending != "")

    {

        $ending = getEnding ($ending);

    }

    else

    {

        $ending=$endingcopy;

    }

    return $ending;

}

 
$handle=opendir ("d:\\verzeichnis");

while ($file = readdir ($handle))

{

    if ($file != "." && $file != "..")

    {

        $ending = getEnding($file);

        if ($ending == "shtml")

        {

            $filehandlerread = fopen ("d:\\verzeichnis\\" . $file, "rb");

            $filehandlerwrite = fopen ("d:\\verzeichnisneu\\" . $file, "ab");

            while (!feof($filehandlerread))

            {

                $line = fgets ($filehandlerread);

                echo $line . " -> ";

                $line = str_replace ("ä", "&auml;", $line);

                $line = str_replace ("ö", "&ouml;", $line);

                $line = str_replace ("ü", "&uuml;", $line);

                $line = str_replace ("Ä", "&Auml;", $line);

                $line = str_replace ("Ö", "&Ouml;", $line);

                $line = str_replace ("Ü", "&Uuml;", $line);

                echo $line . "\n";

                fputs ( $filehandlerwrite, $line);

            }

            fclose ($filehandlerread);

            fclose ($filehandlerwrite);

        }

    }

}

closedir($handle);

?>

Die Funktion getEnding() liefert die Dateiendung der aktuellen Datei zurück, dann wird der Inhalt aller .shtml-Dateien zeilenweise eingelesen, die Umlaute sollten eigentlich ersetzt werden und die Dateien werden wieder zeilenweise in ein neues Verzeichnis geschrieben.

Das ganze funktioniert aber irgendwie wegen der Kodierung nicht, wenn ich mir die Ausgabe auf der Kommandozeile ansehe, werden statt ä ö ü auch andere grafische Zeichen ausgegeben und deswegen werden die Zeichen durch str_replace auch nicht gefunden.

Kann mir jemand sagen, wie ich dieses Problem lösen kann? Ich habe es schon über htmlentities() und recode_string() probiert, wobei die erste Funktion keine Lösung brachte und die zweite ein "call to undefined function" brachte.

robo47 · 18.07.2005, 10:51

hilft dir das vieleicht weiter:
dann vieleicht mit UTF-8 arbeiten und du hast keine probleme mehr mit sonderzeichen

http://www.php.net/manual/en/functio...ity-decode.php

18.07.2005, 11:13

Ich kann Die irgendwie nicht so ganz folgen, was ich jetzt damit machen soll, ich habe jetzt mal folgendes versucht:

Ich habe

PHP-Code:

  <?php

$line = str_replace (ä, "&auml;", $line);

?>

durch

PHP-Code:

  <?php

$line = str_replace (html_entity_decode ("&auml;"), "&auml;", $line);

?>

ersetzt, weitergeholfen hat mir das aber auch nicht... Ich weiss auch nicht, ob das das war, was Du wolltest.

Edit: Das Zeichen, das durch (html_entity_decode ("ä") ausgegeben wird, sieht auch anders aus als das Zeichen, das aus der Variablen $line ausgegeben wird.

robo47 · 18.07.2005, 11:26

less dir halt mal durch was die funktion macht und dann lass sie einmal über den kompletten quelltext laufen, das sollte alle maskierten zeichen umwandeln in das normale.

die frage die sich stellt, als was sind die dateien gespeichert ? normale iso-8858-standard-zeugs oder vieleicht utf-8 ?

mfg
robo47

18.07.2005, 11:47

Ich weiss, was die Funktion macht, aber ich will es doch umgekehrt, dass die normalen Zeichen in die maskierten umgewandelt werden.

Ich bin bisher davon ausgegangen, dass die Dateien UTF-8 codiert sind, aber vereinzelt sind auch ANSI codierte dabei. Aber wenn es mit UTF-8 schonmal klappen würde, wäre ich schonmal einen großen Schritt weiter.

19.07.2005, 09:06

Ich habe das Problem jetzt gelöst, indem ich den Standard Charset des Webservers geändert habe. Jetzt zeigt er die UTF-8 Dateien korrekt an.

Themen-Optionen
Druckbare Version zeigen Jemanden per E-Mail auf dieses Thema hinweisen
Thema bewerten
Thema bewerten:

Ähnliche Themen
Thema	Autor	Forum	Antworten	Letzter Beitrag
[Erledigt] script das html dateien aus einem bestimmten ordner listet		PHP Tipps 2004	16	09.05.2009 18:52
Variabeln in html dateien Umwandeln	CA$HMIRE	PHP Tipps 2008	10	02.05.2008 19:02
nur erlaubte html tags umwandeln		PHP Tipps 2006	2	30.10.2006 13:53
HTML Zeichen in einem bestehendem XML Dokument umwandeln		PHP Tipps 2006	33	24.03.2006 17:33
Formulartexte HTML - kompatibel umwandeln	horstenpeter	PHP Tipps 2006	6	22.02.2006 16:43
Include - Wie HTML Dateien einbinden?		PHP Tipps 2005-2	2	13.10.2005 23:33
Ergebnis einer DBabfrage in HTML Dateien Suchen u. anzeigen		PHP Tipps 2005-2	0	15.08.2005 22:35
[Erledigt] XML mit simplexml und xpath in HTML umwandeln		PHP-Fortgeschrittene	3	15.07.2005 01:39
Dateien mit HTML einbinden	ggfan	HTML, Usability und Barrierefreiheit	3	21.06.2005 16:21
Umlaute in HTML - konforme Form umwandeln	Stümper	PHP Tipps 2005	19	30.05.2005 08:42
PDF in html umwandeln	JEGO	PHP Tipps 2005	2	12.04.2005 15:10
Komprimierte HTML Dateien mit PHP	MadCro	PHP-Fortgeschrittene	6	28.10.2004 16:45
Problem mit htm bzw. html Dateien		Server, Hosting und Workstations	7	15.10.2004 20:27
PDF zu HTML umwandeln (serverseitig)		PHP Tipps 2004	8	16.08.2004 17:10
Wie kann ich eine PHP Datei in eine HTML Datei umwandeln		PHP Tipps 2004	2	12.08.2004 18:04

18.07.2005, 10:37
Gast Beiträge: n/a	Umlaute in Dateien per CLI in HTML-Entities umwandeln Hallo, ich habe hier folgendes Problem: Ich habe hier HTML-Dateien, in denen Umlaute (ä,ü,ö) auch wirklich als Umlaute geschrieben sind und nicht als HTML-Entitiy (ä ü &ouml. Das wollte ich jetzt jetzt mit einem kleinen PHP-Script über das CLI eben korrigieren (Ich weiss, dass PHP dafür evtl nicht die optimalste Sprache ist, aber es ist die einzige, die ich soweit behersche ). Das Script läuft unter Windows XP und sieht so aus: PHP-Code: <?php function getEnding ($filename) { if (substr ($filename, 0, 1) == ".") { $filename = (substr ($filename, 1, strlen($filename))); } $endingcopy=$filename; $ending = stristr ($filename, "."); if ($ending != "") { $ending = getEnding ($ending); } else { $ending=$endingcopy; } return $ending; } $handle=opendir ("d:\\verzeichnis"); while ($file = readdir ($handle)) { if ($file != "." && $file != "..") { $ending = getEnding($file); if ($ending == "shtml") { $filehandlerread = fopen ("d:\\verzeichnis\\" . $file, "rb"); $filehandlerwrite = fopen ("d:\\verzeichnisneu\\" . $file, "ab"); while (!feof($filehandlerread)) { $line = fgets ($filehandlerread); echo $line . " -> "; $line = str_replace ("ä", "ä", $line); $line = str_replace ("ö", "ö", $line); $line = str_replace ("ü", "ü", $line); $line = str_replace ("Ä", "Ä", $line); $line = str_replace ("Ö", "Ö", $line); $line = str_replace ("Ü", "Ü", $line); echo $line . "\n"; fputs ( $filehandlerwrite, $line); } fclose ($filehandlerread); fclose ($filehandlerwrite); } } } closedir($handle); ?> Die Funktion getEnding() liefert die Dateiendung der aktuellen Datei zurück, dann wird der Inhalt aller .shtml-Dateien zeilenweise eingelesen, die Umlaute sollten eigentlich ersetzt werden und die Dateien werden wieder zeilenweise in ein neues Verzeichnis geschrieben. Das ganze funktioniert aber irgendwie wegen der Kodierung nicht, wenn ich mir die Ausgabe auf der Kommandozeile ansehe, werden statt ä ö ü auch andere grafische Zeichen ausgegeben und deswegen werden die Zeichen durch str_replace auch nicht gefunden. Kann mir jemand sagen, wie ich dieses Problem lösen kann? Ich habe es schon über htmlentities() und recode_string() probiert, wobei die erste Funktion keine Lösung brachte und die zweite ein "call to undefined function" brachte.


Mister Ad PHP Code Flüsterer Registriert seit: 21.08.2005 Beiträge: 4682 PHP-Kenntnisse: Fortgeschritten

18.07.2005, 10:51
robo47 Moderator Registriert seit: 03.09.2004 Beiträge: 11.792 PHP-Kenntnisse: Fortgeschritten	hilft dir das vieleicht weiter: dann vieleicht mit UTF-8 arbeiten und du hast keine probleme mehr mit sonderzeichen http://www.php.net/manual/en/functio...ity-decode.php __________________ robo47.net - Blog, Codeschnipsel und mehr \| Caching-Klassen und Opcode Caches in php \| Robo47 Components - PHP Library extending Zend Framework

18.07.2005, 11:13
Gast Beiträge: n/a	Ich kann Die irgendwie nicht so ganz folgen, was ich jetzt damit machen soll, ich habe jetzt mal folgendes versucht: Ich habe PHP-Code: `<?php $line = str_replace (ä, "ä", $line); ?>` durch PHP-Code: `<?php $line = str_replace (html_entity_decode ("ä"), "ä", $line); ?>` ersetzt, weitergeholfen hat mir das aber auch nicht... Ich weiss auch nicht, ob das das war, was Du wolltest. Edit: Das Zeichen, das durch (html_entity_decode ("ä") ausgegeben wird, sieht auch anders aus als das Zeichen, das aus der Variablen $line ausgegeben wird.

18.07.2005, 11:26
robo47 Moderator Registriert seit: 03.09.2004 Beiträge: 11.792 PHP-Kenntnisse: Fortgeschritten	less dir halt mal durch was die funktion macht und dann lass sie einmal über den kompletten quelltext laufen, das sollte alle maskierten zeichen umwandeln in das normale. die frage die sich stellt, als was sind die dateien gespeichert ? normale iso-8858-standard-zeugs oder vieleicht utf-8 ? mfg robo47 __________________ robo47.net - Blog, Codeschnipsel und mehr \| Caching-Klassen und Opcode Caches in php \| Robo47 Components - PHP Library extending Zend Framework

18.07.2005, 11:47
Gast Beiträge: n/a	Ich weiss, was die Funktion macht, aber ich will es doch umgekehrt, dass die normalen Zeichen in die maskierten umgewandelt werden. Ich bin bisher davon ausgegangen, dass die Dateien UTF-8 codiert sind, aber vereinzelt sind auch ANSI codierte dabei. Aber wenn es mit UTF-8 schonmal klappen würde, wäre ich schonmal einen großen Schritt weiter.

19.07.2005, 09:06
Gast Beiträge: n/a	Ich habe das Problem jetzt gelöst, indem ich den Standard Charset des Webservers geändert habe. Jetzt zeigt er die UTF-8 Dateien korrekt an.