Multibyte String Functions overload ...

[whisher]

Ciao.
Cosa utilizzate, per evitare
problemi nella gestione delle
stringhe con codifica utf-8

Ho pensato a questa semplice
funzione:

function mb_($func/*[, mixed args ]*/){
    $args = func_get_args();
    array_shift($args);
    $overload= 'mb_'.$func;
    if(function_exists($overload)){
        return call_user_func_array($overload,$args);    
    }
    return call_user_func_array($func,$args);
}
var_dump(mb_('substr','php',0,2)); 

Che ne pensate ?

Ho letto che l'overload può essere
settato ad esempio in un file .htaccess
tipo
php_value mbstring.func_overload 7

ma
http://bugs.php.net/bug.php?id=27421




insomma che cosa utilizzate ?

[Razorblade]

Ciao,
io piuttosto ti consiglierei di crearti una classe, anche se quello che scrivi funziona non mi sembra aiutare molto allo scopo di mantenere il codice semplice e leggibile.
Ciao

[filippo.toso]

Più che una classe, forse sarebbe più efficace creare due file con le definizione di tutte le funzioni supportate da mb. In un file richiami direttamente le funzioni mb_*, nell'altro richiami quelle standard. All'inizio dello script, a seconda della configurazione, includi uno o l'altro file.

In questo modo l'overhead introdotto è minimo e permetti a PHP (ed eventualmente ad un acceleratore) di ottimizzare il codice più velocemente.

Inoltre, come ha scritto Razorblade, rendi il codice più leggibile.

Invece di:

mb_('substr','php',0,2); 

avresti una cosa tipo:

substr_('php', 0, 2); 

[whisher]

Grazie dei suggerimenti.
@Razorblade
Fare una classe apposita
penso risolva poco la cosa
anzi ad un primo pensiero la
complica ..............

@filippo.toso
La soluzione mi sembra buona
anche se un po dispersiva
sono un vagabondo


Mah sarà che è figlia
mia ma la funzione non mi
sembrava male


Altre idee .................

[daniele_dll]

in generale, se non hai necessità particolari, non hai bisogno delle mb.

Considera che le normali funzioni non è che non lavorano, funzionano perfettamente, ma ovviamente bisogna usarle con attenzione. E normale che se lanci un strtolower, ucfirst, ucwords, strtoupper e simili incenerisci nel modo più totale tutto, ma se fai attenzione a quello che usi, di norma, non hai necessità di usare quelle funzioni.

Io, sinceramente, mi sono fatto un set di classi raggruppate sotto un elemento parent che ho chiamato I18N (come si chiamano di norma queste funzioni) che mi sfrutta le funzioni disponibili di php per fare le operazioni, per fare un esempio su strtoupper:
- se c'è usa mb_strtoupper
- alternativamente usa le iconv (per le funzioni disponibili)
- in estremis usa un bell'utf8_decode e poi re-encoda che è una soluzione ASSOLUTAMENTE orrenda ma è l'ultima disponibile

In realtà ho iniziato a lavoricchiare su un set di funzioni che supportano l'utf8 e mimano il funzionamento delle mb cosi da usarle se ci sono o, in caso di mancanza, sfruttare il proprio sistema di riconoscimento degli UTF8. Riconoscere un carattere utf8 è abbastanza semplice: se N bit sono 1 vuol dire che quel byte non è un carattere ma è un pezzo di un carattere e cosi via dicendo fino a 4 byte. Con questo semplice giochino si evita di distruggere il tutto.

[whisher]

Originariamente inviato da daniele_dll
in generale, se non hai necessità particolari, non hai bisogno delle mb.

Considera che le normali funzioni non è che non lavorano, funzionano perfettamente, ma ovviamente bisogna usarle con attenzione. E normale che se lanci un strtolower, ucfirst, ucwords, strtoupper e simili incenerisci nel modo più totale tutto, ma se fai attenzione a quello che usi, di norma, non hai necessità di usare quelle funzioni.

Io, sinceramente, mi sono fatto un set di classi raggruppate sotto un elemento parent che ho chiamato I18N (come si chiamano di norma queste funzioni) che mi sfrutta le funzioni disponibili di php per fare le operazioni, per fare un esempio su strtoupper:
- se c'è usa mb_strtoupper
- alternativamente usa le iconv (per le funzioni disponibili)
- in estremis usa un bell'utf8_decode e poi re-encoda che è una soluzione ASSOLUTAMENTE orrenda ma è l'ultima disponibile

In realtà ho iniziato a lavoricchiare su un set di funzioni che supportano l'utf8 e mimano il funzionamento delle mb cosi da usarle se ci sono o, in caso di mancanza, sfruttare il proprio sistema di riconoscimento degli UTF8. Riconoscere un carattere utf8 è abbastanza semplice: se N bit sono 1 vuol dire che quel byte non è un carattere ma è un pezzo di un carattere e cosi via dicendo fino a 4 byte. Con questo semplice giochino si evita di distruggere il tutto.

grazie dell'approfondimento

- in estremis usa un bell'utf8_decode e poi re-encoda che è una soluzione ASSOLUTAMENTE orrenda ma è l'ultima disponibile

e si era venuta anche a me questa idea
che tra l'altro è quella adottata da
http://konstrukt.dk/
per adesso


Per fare il punto

E normale che se lanci un strtolower, ucfirst, ucwords, strtoupper e simili incenerisci nel modo più totale tutto, ma se fai attenzione a quello che usi, di norma, non hai necessità di usare quelle funzioni.

questo è riferito all'input dell'user
e spero almeno secondo me
che non infici il codice interno.

Esempio.

function autoload($classname) {      $filename = str_replace('_', '/', strtolower($classname)).'.php';     /*  do stuff  */    } 

o sbaglio ?

[daniele_dll]

nono assolutamente, il problema è proprio dovuto al fatto che php utilizza una codifica a singolo byte internamente

per intenderci, altri linguaggi come il .NET tengono in memoria le stringhe in formato variabile, di default in formato UNICODE (o UTF8 non ricordo), poi fa le varie conversioni per come gli serve

[whisher]

Originariamente inviato da daniele_dll
nono assolutamente, il problema è proprio dovuto al fatto che php utilizza una codifica a singolo byte internamente

per intenderci, altri linguaggi come il .NET tengono in memoria le stringhe in formato variabile, di default in formato UNICODE (o UTF8 non ricordo), poi fa le varie conversioni per come gli serve

Provo a tradurre ......

Se prendo il codice postato
lo incollo in un file
salvo il file in UTF-8

PHP va in confusione
VVoVe: su una funzione su cui
è basato tutto il framework


just waiting ........

[andrea.paiola]

Originariamente inviato da daniele_dll
altri linguaggi come il .NET

intendi C#

[daniele_dll]

@whisher:
beh, se lo salvi in utf8 l'unica differenza che ottieni è che i caratteri "speciali" (vedi le accentate o altri che sono multi-byte su utf8) saranno multibyte sul disco e non essendo gestiti da php te li trovi come due caratteri separati

ergo

se fai

<?php

echo "à";

?>

e salvi in utf8 ti ritrovi 2 simboli/caratteri ben distinti

nota: per fare tutto ciò devi anche inviare un header che forzi il charset su latin1 (ergo iso-xxxx-1) altrimenti il browser tenta di capire da solo cos'è e te lo mostra come utf8

nel codice hai scritto, non gli frega un granché

PS: di solito evito di salvare i file di php in utf8 perché si rischia di far confusione con operazioni di replace o simili perché quelli che scrivi potrebbe non corrispondere esattamente a quello che salvi

@paiola:
no, qualsiasi linguaggio basato sul .NET ... è la macchina virtuale che se ne occupa, anche se comunque si può aggirare la cosa gestendolo manualmente (non ha molto senso)