correspondência de limite de palavras em PHP regex em utf-8

Question

Mar 12, 2010, 02:08 PM

correspondência de limite de palavras em PHP regex em utf-8

Eu tenho o seguinte código php em um arquivo php utf-8:

var_dump(setlocale(LC_CTYPE, 'de_DE.utf8', 'German_Germany.utf-8', 'de_DE', 'german'));
var_dump(mb_internal_encoding());
var_dump(mb_internal_encoding('utf-8'));
var_dump(mb_internal_encoding());
var_dump(mb_regex_encoding());
var_dump(mb_regex_encoding('utf-8'));
var_dump(mb_regex_encoding());
var_dump(preg_replace('/\bweiß\b/iu', 'weiss', 'weißbier'));

Gostaria que o último regex substituísse apenas palavras completas e não partes de palavras.

No meu computador Windows, ele retorna:

string 'German_Germany.1252' (length=19)
string 'ISO-8859-1' (length=10)
boolean true
string 'UTF-8' (length=5)
string 'EUC-JP' (length=6)
boolean true
string 'UTF-8' (length=5)
string 'weißbier' (length=9)

No servidor da web (linux), recebo:

string(10) "de_DE.utf8"
string(10) "ISO-8859-1"
bool(true)
string(5) "UTF-8"
string(10) "ISO-8859-1"
bool(true)
string(5) "UTF-8"
string(9) "weissbier"

Assim, o regex funciona como eu esperava no Windows, mas não no Linux.

Portanto, a questão principal é: como devo escrever meu regex para corresponder apenas aos limites das palavras?

Uma questão secundária é como posso deixar o Windows saber que quero usar o utf-8 no meu aplicativo php.