Jak na UTF-8 v PHP

V novějších verzí PHP jsou k dispozici funkce

mysql_set_charset

a

mysqli_set_charset

, které nastaví kódování tak, že ho zohledňuje i

mysql_real_escape_string

resp.

mysqli_real_escape_string

.

Častěji než extenze MB bývá k dispozici extenze iconv, která je chudší, ale délku řetězce zvládne.

Klingonština se do Unicode nedostala (je jen v oblasti pro soukromé použití, tam si ale může dát kdo chce co chce).

#1 Jakub Vrána: Díky za informaci, o těchto funkcích jsem nevěděl.

Iconv jsem radši moc nezmiňoval, protože převádění stringů z utf-8 do jednobytového kódování, pak provedení potřebných operací (strlen, substr atd.) nad textem a nakonec převádění zpět do utf-8 nepovažuji za zrovna čisté a elegantní řešení.

Škoda, je to sympatický jazyk :)

> protože převádění stringů z utf-8 do jednobytového kódování, pak provedení potřebných operací (strlen, substr atd.)

Proč bys něco takového dělal?

Stačí použít:
http://www.php.net/manual/en/function.iconv-strlen.php
http://www.php.net/manual/en/function.iconv-substr.php
atd.

#2 Dundee: #3 karl: Pravdu máte skoro oba. Schválně jsem se koukal na implementaci iconv_strlen() ve zdrojáku PHP (http://svn.php.net/viewvc/php/php-src/trunk/ext/iconv/iconv.c?view=markup) a funguje tak, že převede řetězec do UCS4 a ten změří. Takže efektivita nic moc. Udělal jsem si malé srovnání rychlosti:

iconv_strlen($s, "utf8"); // 0.52 s
mb_strlen($s, "utf8"); // 1.48 s
utf8_length($s); // 0.98 s
strlen(utf8_decode($s)); // 0.16 s

function utf8_length($s) {
	$return = 0;
	$length = strlen($s);
	for ($i=0; $i < $length; $i++) {
		$return++;
		$ord = ord($s[$i]);
		if ($ord >= 240) {
			$i += 3;
		} elseif ($ord >= 224) {
			$i += 2;
		} elseif ($ord >= 192) {
			$i++;
		}
	}
	return $return;
}

Takže nejrychlejší je utf8_decode(), která sice převádí neznámé znaky na otazník, to ale pro zjištění délky nevadí.

#3 karl: Protože iconv sice poskytuje alternativy k funkcím strlen, strpos, strrpos a substr, ale co ten zbytek? Řetězcových funkcí je přeci daleko více.

#5 Dundee: Nerozumím jakou souvislost má existence fce iconv_strlen s tím, že řetězcových funkcí je více.

#6 karl: Rozšíření iconv neposkytuje alternativy ke všem řetězcovým funkcím. Proto budeš nakonec stejně nucen převést řetězec do jednobytového kódování a zpět. To jsem chtěl říct.

Ještě upozorňuji na modifikátor u u preg_replace(). Když jsem to kdysi potřeboval, nemohl jsem na to přijít. Např. obarvování výsledků hledání, jak je popsáno ve starém článku tady: http://php.vrana.cz/zvyrazneni-vysledku-vyhledavani.php
s Unicode nefunguje. Musí se použít:

$text = preg_replace("~$search~iu", '<span class="search-result">\0</span>', $text);

Ahoj, mám dotaz, který s tímto tématem malinko souvisí.

Při kódování utf8 používám na zpracovíní některou z níže napsaných kódů. Který si myslíš, že je nejvhodnější? Děkuji
PS: použití

$jmeno = fix_input($_POST['name']);
$prijmeni ...
.
.

a pak s promněnými dále pracuji/ukládám do db atd ____

function fix_input($input)
{
 $output = strtolower($input);
 $output = trim($output);
 $output = str_replace("  "," ",$output);
 $output = strtr($output," ěščřžýáíéúůďňť","_escrzyaieuudnt");
 $output = str_replace("+","",$output);
 $output = str_replace("*","",$output);
 $output = str_replace("'","",$output);
 $output = str_replace(""","",$output);
 $output = str_replace("\","",$output);
 $output = str_replace("/","",$output);
 $output = str_replace("!","",$output);
 $output = str_replace("?","",$output);
 $output = str_replace("%","",$output);
 $output = str_replace("&","",$output);
 $output = str_replace(" ","_",$output);
 return($output);
}

nebo function uprav_vstup($hodnota) { $hodnota = trim($hodnota); $hodnota = str_replace(""","",$hodnota); $hodnota = str_replace("'","",$hodnota); return($hodnota); } [/code] nebo

function fix_input($value)
{
 $result = trim($value);
 $result = addslashes($result);
 return($result);
}

Díky moc!

#9 Carlos: oprava

function uprav_vstup($hodnota)
{
 $hodnota = trim($hodnota);
 $hodnota = str_replace(""","",$hodnota);
 $hodnota = str_replace("'","",$hodnota);
 return($hodnota);
}

#10 Carlos: Doporučuju přečíst článek Davida http://phpfashion.com/escapovani-definitivni-prirucka, tam je tato problematika dobře rozepsána.

Díky za nakopnutí, bohužel budu muset jít opravit jeden web, kde jsem si problémy s UTF8 vůbec neuvědomil. :)