לכל המתכנתים שעובדים עם UTF8

[RS324]

אני רוצה להדגיש כמה בעיות שאני בטוח שכמעט כולכם לא יודעים על UTF8 ומחרוזות

כל הדוגמאות יצאו מתוך הנחה שהמחרוזת ב UTF8

דוגמא א' :

PHP קוד:

$string =  'אאאאב';
echo strlen($string); 


הפלט של STRLEN (למי שלא יודע זה פונקציה שמחשבת אורך מחרוזת) יהיה 10
כן 10 ולא 5. הסיבה : STRLEN קורא את UTF8 כ 2 ביטים לכל אות.

הפתרון :בהמשך.

דוגמא ב' :

PHP קוד:

$string =  'אאאאב';
echo substr($string,0,3); 


פלט רצוי : אאא
פלט שמתקבל : א�אאאאב.
הסיבה : SUBSTR לא יודע לחתוך את האותיות כמו שצריך ולכן יש אותיות שנחתכות באמצע ועושות בלגן

עקרונית אפשר להמשיך ככה עד מחר...
את הפתרון אני אשאיר לכם למצוא בעזרת גוגל.
יום נעים שיהיה לכם.

[mlnn]

iconv? =\
מעניין :P

[Meir]

הפתרון פשוט: http://il2.php.net/manual/en/ref.mbstring.php

[בניה]

אפשר להמיר את המחרוזת לקידוד רגיל, לעבוד עליה ואז להמיר לUTF8(אפשרי אם יש בה רק עברית ואנגלית)
ויש בPHP
http://www.php.net/manual/en/ref.mbstring.php
(פונקציות לעבודה על מחרוזות שכל תו אמור להיות 2byte)
רק חבל שזה לא מובנה בתוך המנוע וצריך לאפשר את זה.
וראיתי באתר phpclasses (אתר ששווה להציץ בו תמיד!)
מחלקה שיכולה לעשות את העבודה:
http://www.phpclasses.org/browse/file/16999.html

[RS324]

נכתב במקור על ידי elbaz.maor

הפתרון פשוט: http://il2.php.net/manual/en/ref.mbstring.php

ידוע .... הבעיה היא שלא כל שרת תומך בזה ואתה לא יכול לשלב את זה ב PRODUCTION

חיפוש לא ארוך מעלה את התוצאות הבאות :

PHP קוד:

function utf8_substr($str,$from,$len)
{
  return preg_replace('#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'.$from.'}'.
                       '((?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'.$len.'}).*#s',
                       '$1',$str);
} 


עבור STRLEN :

PHP קוד:

function utf8_strlen($str)    {
  $n=0;
  for($i=0; isset($str{$i}) && strlen($str{$i})>0; $i++)    {
    $c = ord($str{$i});
    if (!($c & 0x80))    // single-byte (0xxxxxx)
      $n++;
    elseif (($c & 0xC0) == 0xC0)    // multi-byte starting byte (11xxxxxx)
      $n++;
  }
  return $n;
}

function utf8_strlen($str)
    {
    $count = 0;

    for($i = 0; $i < strlen($str); $i++)
        {
        $value = ord($str[$i]);
        if($value > 127)
            {
            if($value >= 192 && $value <= 223)
                $i++;
            elseif($value >= 224 && $value <= 239)
                $i = $i + 2;
            elseif($value >= 240 && $value <= 247)
                $i = $i + 3;
            else
                die('Not a UTF-8 compatible string');
            }
       
        $count++;
        }
   
    return $count;
    }

// choice 1
function utf8_strlen($str) {
  $count = 0;
  for ($i = 0; $i < strlen($str); ++$i) {
    if ((ord($str[$i]) & 0xC0) != 0x80) {
      ++$count;
    }
  }
  return $count;
}

// choice 2
function utf8_strlen($str) {
  return preg_match_all('/[\x00-\x7F\xC0-\xFD]/', $str, $dummy);
} 


יש עוד כמה פונקציות שעושות בעיות עם UTF8
כמובן שאם יש MBSTRING זה מומלץ

[Startzero.net]

הכי פשוט להשתמש ב Windows-1255, בחיים לא השתמשתי ב UTF8

[Unknown]

נכתב במקור על ידי startzero.net

הכי פשוט להשתמש ב Windows-1255, בחיים לא השתמשתי ב UTF8

פשוט זה ברור, אבל אז האתר שלך יתמוך בשפה אחת בלבד
UTF משמש לרוב לאתרים מרובי שפות, הכנה לריבוי שפות, בחלק מהמקרים קידום אתרים
וגם, מאפשר הרבה יותר אופציות בעתיד

וסתם חוסך עבודה אח"כ

[somebody]

אני לא יודע מי אלו כל המתכנתים שאתה מדבר עליהם..
אבל אני עובד עם ASP, ולא נתקלתי בשום בעיה בעבודה עם UTF-8 עם פונקציות מחרוזות.

[בניה]

אם אין צורך מיוחד, לדעתי לא כדאי לעבוד עם UTF 8.
כי כל תו בעברית לוקח פי 2 מקום וזה קריטי במיוחד אם שומרים את המידע במסד נתונים ככה.