schriftsatz

spoi · 03.07.2007, 20:51

Hallo,

ich möchte gerne auf meiner Homepage diverse Textpassagen aus anderen Websites auslesen. Mein Problem ist nun, dass meine Homepage UTF-8 kodiert ist.
Ist nun die Textpassage jedoch ISO-blub dann werden die Umlaute alle nicht richtig dargestellt. Jetzt gibt es ja die schöne Funktion utf8_encode(). Wenn ich den Text damit behandle werden auch alle ehemaligen iso Umlaute richtig dargestellt, dafür sind alle UTF-8 Umlaute jetzt futsch.

Gibt es hier eine inteligentere Funktion oder wie kann ich überprüfen ob ein Text bereits UFT-8 ist?

Zergling-new · 03.07.2007, 20:54

Verstehe ich nicht, deine Homepage ist UTF-8 und der geklaute Inhalt ISO? Warum sollte es dann Umlaute zerhauen, wenn du nur den ISO-Inhalt mit der Funktion anfasst?

Aber wie immer ist ein Codebeispiel hilfreicher als man je ahnen könnte..

nikosch · 03.07.2007, 20:58

Soweit ich weiß nicht. Du kannst ja den Zeichensatz Header der Website parsen. Aber auch den gibts nicht immer. Ohnehin stellt sich wie immer die Frage, wozu ständig jemand fremde Websites auslesen möchte.

spoi · 03.07.2007, 21:02

Zunächst möchte ich mich von dem geklaut distanzieren und euch gerne verraten warum jemand Webseiten auslesen möchte. Und zwar handelt es sich um ein mini Suchmaschienenprojekt (aus Fun) basiert auf http://www.sphider.eu

Also ich habe sagen wir mal Zwei Variablen:

PHP-Code:

  $utf = 'Hier stehen Umlaute drinn, die von einer UTF-8 kodierten Webseite stammen';

$iso = 'Hier stehen Umlaute drinn, die von einer ISO kodierten Webseite stammen';

 
//Jetzt geben wir das ganze einmal aus

echo $utf . $iso;

// und hui alle Umlaute aus $utf sind richtig und aus $iso sind falsch

echo utf8_encode($utf) . utf8_encode($iso);

// und siehe da nun sind alle &utf Umlaute falsch und alle $iso Umlaute richtig

Zergling-new · 03.07.2007, 21:04

Wie wärs mit einem lässigen

Code:

echo $utf . utf8_encode($iso)

?

spoi · 03.07.2007, 21:06

Hey coole idee, nur leider tut das nicht, da mein codeschnipsel nur zur Verdeutlichung dienen sollte.

In wirklichkeit weis ich nicht, welcher Zeichensatz in der Variablen steckt und eben das möchte ich raus bekommen. Oder alternativ den Zeichensatz einer externen Seite ermitteln.

Zergling-new · 03.07.2007, 21:11

Warum stellst du die Frage dann nicht so wie sich das Problem darstellt: Wie konvertiere ich einen Inhalt unbekannten Zeichensatzes in UTF-8?

Naja entweder Header oder DOM-Struktur und entsprechenden <meta> Tag auslesen.
Es gibt auch noch
http://de3.php.net/manual/de/ref.iconv.php
aber die hab ich noch nie wirklich verwendet, ohne zu wissen welche Zeichensätze vorliegen.

spoi · 03.07.2007, 21:22

hm bringt mich bei einem unbekannten Zeichensatz nun auch nicht viel weiter aber danke für den Tip

Zergling-new · 04.07.2007, 00:43

Hast du denn mal versucht den Header oder den <meta> Tag auszulesen? Das ist zwar kein Lösungsansatz für das allgemeine Problem "Wie erkenne ich den Zeichensatz?", aber zumindest für dein spezielles dürfte es doch recht vielversprechend sein.

Ich als Zeichensatz-Laie stelle es mir zumindest schwierig vor, den Zeichensatz einer Zeichenkette festzustellen, ohne Unicode-BOMs oder mitgesendete Meta-Daten.
Man kann vielleicht einige Zeichensätze ausschließen, weil vielleicht 11 Bytes vorliegen, aber Zeichensatz XY pro Zeichen 4 Bytes benötigt.
Vielleicht ist es aber auch ganz einfach mit einer Funktion die ich noch nicht kenne und die gleich jemand postet.
Wenn du mehr weißt, informier uns doch bitte hier.

spoi · 04.07.2007, 00:54

Ja meta-Tag ist halt relativ unsicher. Wisst ihr, wie arg ich dem Dateiheader den der webserver mit sendet trauen kann?

Es gibt ein Linux Konsolenprogramm enca, dass kann anscheinend eine Datei belibigen Zeichensatzes in einen anderen Zeichensatz umwandeln Leider nur eine Datei...

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
Russischer Schriftsatz wird zu Fragezeichen	ichselbst	Datenbanken	2	27.04.2006 15:01
Schriftsatz für Grafikerstellung festlegen		PHP Tipps 2005-2	9	12.06.2005 14:07
[Erledigt] korrekter Schriftsatz deutsch?		Datenbanken	0	12.06.2005 13:56

03.07.2007, 20:51
spoi Erfahrener Benutzer Registriert seit: 02.07.2004 Beiträge: 338	schriftsatz Hallo, ich möchte gerne auf meiner Homepage diverse Textpassagen aus anderen Websites auslesen. Mein Problem ist nun, dass meine Homepage UTF-8 kodiert ist. Ist nun die Textpassage jedoch ISO-blub dann werden die Umlaute alle nicht richtig dargestellt. Jetzt gibt es ja die schöne Funktion utf8_encode(). Wenn ich den Text damit behandle werden auch alle ehemaligen iso Umlaute richtig dargestellt, dafür sind alle UTF-8 Umlaute jetzt futsch. Gibt es hier eine inteligentere Funktion oder wie kann ich überprüfen ob ein Text bereits UFT-8 ist? __________________ MfG spoi


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

03.07.2007, 20:54
Zergling-new Erfahrener Benutzer Registriert seit: 21.05.2008 Beiträge: 9.937	Verstehe ich nicht, deine Homepage ist UTF-8 und der geklaute Inhalt ISO? Warum sollte es dann Umlaute zerhauen, wenn du nur den ISO-Inhalt mit der Funktion anfasst? Aber wie immer ist ein Codebeispiel hilfreicher als man je ahnen könnte..

03.07.2007, 20:58
nikosch moderatives Dielektrikum Registriert seit: 21.05.2008 Beiträge: 35.987 PHP-Kenntnisse: Fortgeschritten	Soweit ich weiß nicht. Du kannst ja den Zeichensatz Header der Website parsen. Aber auch den gibts nicht immer. Ohnehin stellt sich wie immer die Frage, wozu ständig jemand fremde Websites auslesen möchte.

03.07.2007, 21:02
spoi Erfahrener Benutzer Registriert seit: 02.07.2004 Beiträge: 338	Zunächst möchte ich mich von dem geklaut distanzieren und euch gerne verraten warum jemand Webseiten auslesen möchte. Und zwar handelt es sich um ein mini Suchmaschienenprojekt (aus Fun) basiert auf http://www.sphider.eu Also ich habe sagen wir mal Zwei Variablen: PHP-Code: `$utf = 'Hier stehen Umlaute drinn, die von einer UTF-8 kodierten Webseite stammen'; $iso = 'Hier stehen Umlaute drinn, die von einer ISO kodierten Webseite stammen'; //Jetzt geben wir das ganze einmal aus echo $utf . $iso; // und hui alle Umlaute aus $utf sind richtig und aus $iso sind falsch echo utf8_encode($utf) . utf8_encode($iso); // und siehe da nun sind alle &utf Umlaute falsch und alle $iso Umlaute richtig` __________________ MfG spoi

03.07.2007, 21:04
Zergling-new Erfahrener Benutzer Registriert seit: 21.05.2008 Beiträge: 9.937	Wie wärs mit einem lässigen Code: echo $utf . utf8_encode($iso) ?

03.07.2007, 21:06
spoi Erfahrener Benutzer Registriert seit: 02.07.2004 Beiträge: 338	Hey coole idee, nur leider tut das nicht, da mein codeschnipsel nur zur Verdeutlichung dienen sollte. In wirklichkeit weis ich nicht, welcher Zeichensatz in der Variablen steckt und eben das möchte ich raus bekommen. Oder alternativ den Zeichensatz einer externen Seite ermitteln. __________________ MfG spoi

03.07.2007, 21:11
Zergling-new Erfahrener Benutzer Registriert seit: 21.05.2008 Beiträge: 9.937	Warum stellst du die Frage dann nicht so wie sich das Problem darstellt: Wie konvertiere ich einen Inhalt unbekannten Zeichensatzes in UTF-8? Naja entweder Header oder DOM-Struktur und entsprechenden <meta> Tag auslesen. Es gibt auch noch http://de3.php.net/manual/de/ref.iconv.php aber die hab ich noch nie wirklich verwendet, ohne zu wissen welche Zeichensätze vorliegen.

03.07.2007, 21:22
spoi Erfahrener Benutzer Registriert seit: 02.07.2004 Beiträge: 338	hm bringt mich bei einem unbekannten Zeichensatz nun auch nicht viel weiter aber danke für den Tip __________________ MfG spoi

04.07.2007, 00:43
Zergling-new Erfahrener Benutzer Registriert seit: 21.05.2008 Beiträge: 9.937	Hast du denn mal versucht den Header oder den <meta> Tag auszulesen? Das ist zwar kein Lösungsansatz für das allgemeine Problem "Wie erkenne ich den Zeichensatz?", aber zumindest für dein spezielles dürfte es doch recht vielversprechend sein. Ich als Zeichensatz-Laie stelle es mir zumindest schwierig vor, den Zeichensatz einer Zeichenkette festzustellen, ohne Unicode-BOMs oder mitgesendete Meta-Daten. Man kann vielleicht einige Zeichensätze ausschließen, weil vielleicht 11 Bytes vorliegen, aber Zeichensatz XY pro Zeichen 4 Bytes benötigt. Vielleicht ist es aber auch ganz einfach mit einer Funktion die ich noch nicht kenne und die gleich jemand postet. Wenn du mehr weißt, informier uns doch bitte hier.

04.07.2007, 00:54
spoi Erfahrener Benutzer Registriert seit: 02.07.2004 Beiträge: 338	Ja meta-Tag ist halt relativ unsicher. Wisst ihr, wie arg ich dem Dateiheader den der webserver mit sendet trauen kann? Es gibt ein Linux Konsolenprogramm enca, dass kann anscheinend eine Datei belibigen Zeichensatzes in einen anderen Zeichensatz umwandeln Leider nur eine Datei... __________________ MfG spoi