• Главная
  • Карта сайта
Не найдено

різні кодування в php

  1. Автор публікації
  2. x64 (aka andi)

початківцям скріптопісателям глибоко плювати на таке поняття, як кодування

початківцям скріптопісателям глибоко плювати на таке поняття, як кодування. тому на сайтах іноді можна зустріти страшну кашу, коли дані з бд виходять в одному кодуванні, сторінка формується в інший, а сервером віддається третя. в результаті сторінку якщо і можна розшифрувати, то мінімум з 2 раз. отже, чому ж така біда трапляється і як її подолати?

в російській сегменті найчастіше можна зустріти так звану windows-кодування. називають її по різному: windows-1251, cp1251 або навіть ansi. Наступного йде utf-8. можна зустріти також назва unicode, але це не зовсім коректно, т. к. юнікод загальна назва для цілої групи (utf-8, utf-16, utf-32). і вже зовсім раритетом є популярна koi8-r або просто вряди-8 - колись популярна лінуксовская кодування. звичайно, можна в російській сегменті зустріти і щось інше, але це скоріше є «пустощами» автором.

основна відмінність utf-8 від інших (в першу чергу windows-1251 і koi8-r) - останні є однобайтового, і максимальну кількість символів, які можна представити за допомогою даних кодувань обмежити числом 256. само-собою, що для повноцінного представлення тексту цього може бути недостатньо. і для html був знайдений вихід - використання так званих мнемонік. наприклад, так:

© - & copy;

крім того, що кожен такий символ описується групою символів, код стає малочітаемом і робота з текстом ускладнюється. тут-то і приходить на допомогу мультибайтних utf-8. дуже зручно в одному тексті використовувати букви різних алфавітів і різні символи.

таким чином, найбільш комфортний набір початкових умов такої: кодування бази даних, php-скриптів і html-сторінок / js-скриптів повинна бути однією і тією ж. звичайно, можна використовувати і різні, але в цьому випадку є ризик заплутатися. при цьому не важливо, яка саме кодова сторінка використовується. якщо сайт буде тільки для російськомовної аудиторії, windows-1251 буде цілком достатньо. інакше логічним вибором буде utf-8. з першим варіантом все більш-менш зрозуміло. а для багатобайтові кодування будуть потрібні деякі рухи тіла.

при роботі з utf-8 стандартний віндусовскій notepad не підійде! справа в тому, що даний редактор, при збереженні файлу в цьому кодуванні, додає в початок сигнатуру - 3 символу, так званий bom (byte order mark), по якому при відкритті файлу можна визначити кодування. краще вибрати інший редактор: notepad2 або notepad ++ . в настройках обов'язково вибрати збереження без сигнатури.

наступний важливий крок - робота з базою даних. вкрай бажано, щоб кодування бази / таблиці / текстового поля збігалися з кодуванням скрипта (це може бути cp1251 або utf-8, або що-небудь інше). якщо дані з бази виходять у вигляді «Зюков», швидше за все кодування з'єднання відрізняється від даних, що зберігаються в бд. Наступного запит допоможе побороти ситуацію (виконати відразу після з'єднання з базою):

якщо на сайті використовується windows-1251, слід вказати її - cp1251.

в общем-то, немає нічого складного. єдино, стандартні функції php не призначені для роботи з мультибайтних рядками. але є стандартні бібліотеки, які допоможуть виправити ситуацію: iconv і mbstring . для регулярних виразів також існує необхідний перемикач, який активується за допомогою модифікатора u.

що ж, дані з бази отримані, скрипти написані за всіма правилами. залишається відіслати правильний заголовки і вивести код сторінки в браузер користувача. заголовок посилаємо так:

header ( 'Content-Type: text / html; charset = utf-8');

якщо використовується однобайтового кодування, то значення для charset буде іншим - windows-1251. після цього проблем залишитися не повинно.

кілька найпростіших прикладів роботи з utf-8 на php:

приклад 1: iconv, кількість символів в рядку

$ S = 'рядок'; # Рядок в utf-8 $ cnt1 = strlen ($ s); # Буде містити значення 12 $ cnt2 = iconv_strlen ($ s, 'UTF-8'); # Правильне значення, 6

приклад 2: mbstring, кількість символів в рядку

$ S = 'рядок'; # Рядок в utf-8 $ cnt1 = strlen ($ s); # Буде містити значення 12 $ cnt2 = mb_strlen ($ s, 'UTF-8'); # Правильне значення, 6

приклад 3: регулярні вирази, пошук і заміна

$ S = 'Рядок'; # Рядок в utf-8 $ s = preg_replace ( '/ стр / i', 'д', $ s); # Заміна не відбудеться $ s = preg_replace ( '/ стр / iu', 'д', $ s); # Результат слово дока

модифікатор i наказує регістронезавісімий пошук, а модифікатор u говорить движку регулярних виразів працювати з utf-8 рядками.

якщо хтось скаже, що php не може працювати з utf-8, він буде не правий. вже кілька років роблю всі свої проекти в цьому кодуванні і проблем не було зовсім. пошукові системи самі давно використовують цю чудову кодування.

Автор публікації

не в мережі 11 годин

x64 (aka andi)

Коментарі: 2846 Публікації: 395 Реєстрація: 02-04-2009

Отже, чому ж така біда трапляється і як її подолати?
Новости
Провайдеры:
  • 08.09.2015

    Batyevka.NET предоставляет услуги доступа к сети Интернет на территории Соломенского района г. Киева.Наша миссия —... 
    Читать полностью

  • 08.09.2015
    IPNET

    Компания IPNET — это крупнейший оператор и технологический лидер на рынке телекоммуникаций Киева. Мы предоставляем... 
    Читать полностью

  • 08.09.2015
    Boryspil.Net

    Интернет-провайдер «Boryspil.net» начал свою работу в 2008 году и на данный момент является одним из крупнейших поставщиков... 
    Читать полностью

  • 08.09.2015
    4OKNET

    Наша компания работает в сфере телекоммуникационных услуг, а именно — предоставлении доступа в сеть интернет.Уже... 
    Читать полностью

  • 08.09.2015
    Телегруп

    ДП «Телегруп-Украина» – IT-компания с 15-летним опытом работы на рынке телекоммуникационных услуг, а также официальный... 
    Читать полностью

  • 08.09.2015
    Софтлинк

    Высокая скоростьМы являемся участником Украинского центра обмена трафиком (UA — IX) с включением 10 Гбит / сек... 
    Читать полностью