Как написать правильно регулярное выражение для получения всей строки с неизвестными символами?

Question

[Дмитрий Кузнецов]

Написал небольшой логгер коннектов к серверу, где получал логин и steam_id пользователя. Работало всё хорошо до тех пор, пока в логи не попался пользователь, имеющий специфичные символы.
1234567891234:C�lSDY�s(7) (steam_id и логин специально изменил, на всякий пожарный).
В самом логе его ник содержит такие символы: åñ.
Моё регулярное выражение (я новичок) не срабатывает: /(\d+:\w+)/s

Подскажите пожалуйста что можно с этим сделать. Заранее благодарю.

PS: Я как понимаю, вместе \w можно написать что-то типо этого [a-zA-ZäöüßÄÖÜ]. Есть ли возможность не делать перечисления вручную?

Comments

[Adamos]

Это не "неизвестные символы", это логи в однобайтной кодировке, а данные в уникоде. Вот то, через что вы их смотрите, и выдает кракозябры.

[Дмитрий Кузнецов]

Adamos, изначально файл с логами был в формате (или кодировки, как правильно?) UTF-16LE. Я перевёл в Windows-1251.

[Adamos]

Дмитрий Кузнецов, я к тому, что там, где вы обрабатываете "неизвестные символы", они вполне себе известны, и ориентироваться нужно на них, а не на то, что криво перекодировано в логах.

[Шам]

лучше инверсный класс символов, т.е. [^\r\n]+ до конца строки, или \S+ все непробельные символы.

[Дмитрий Кузнецов]

Adamos, я, к сожалению, так и не понял как на них "ориентироваться". Моя регулярка давала сбой, когда видела в строке неизвестный символ.

[Дмитрий Кузнецов]

Шам, если я правильно понял о чём вы имеете ввиду - то такой вариант не подходит. У меня строка может продолжаться и дальше и мне не нужны другие данные.

[Шам]

Дмитрий Кузнецов, \w это ограниченный набор символов - только латиница, цифры и _. Даже дефиса нет. Так и будете каждый раз править. Определите максимальное количество символов, признак конца сообщения, тогда будет понятнее.

[Дмитрий Кузнецов]

Шам,

Даже дефиса нет.

а вот за эту поправочку прям огромное спасибо! чёт не сразу додумался об этом)

[Дмитрий Кузнецов]

Шам, а как тогда надо написать что бы все возможные символы могли попасть (цифры, буквы, всякие знаки)?

Answer 1

[Rsa97]

/(\d+:\w+)/us

Answer 2

[Дмитрий Кузнецов]

Проблема, если это так можно было назвать - решена.

Благодаря подсказке Adamos я предположил что я сохраняю файл в неправильной кодировке.
Изначально проблема была в том, что я сохранял оригинальный файл лога в свою систему в неправильной кодировке. Оригинальный файл логов имел кодировку UTF-16LE, а я его пересохранял в Windows-1251. А надо было в UTF-8.

Вариант решения Rsa97 не работала изначально как у меня было в вопросе, но всё равно спасибо за подсказку с /u (поддержка unicode) решением.