[PHP]Problem z substr Opcje

[maro123]

Witam, mam problem z substr, wyciagam z tekstu pierwsze 128 znakow wlasnie przez substr lecz gdy ostatnim znakiem w ciagu jest ąćśęół itp to na końcu wyświetla mi się takie cos: �. Jak to mozna obejsc ? moze jest inny sposob na wyciagniecie X pierwszych znakow z ciagu ?

Pozdrawiam

[maro123]

Nie bardzo rozumie, tekst mam w $tekst. Kod wyglada tak: substr($tekst, 0, 128)

[Pawel_W]

zapewne problem nie z substr, a kodowaniem

iconv

[Fifi209]

Sorki, nie wiem czemu pomyślałem o odczycie z pliku...

Kodowanie w pliku masz na pewno dobre? Może nie wysyłasz nagłówka do przeglądarki o kodowaniu?

[maro123]

Kodowanie jest ok, wszystkie polskie znaki sie wyswietlaja tylko jezeli ten 128my znak to znak polski to wtedy zamiast niego wyswietla sie �.

[flashdev]

Witam, mam problem z substr, wyciagam z tekstu pierwsze 128 znakow wlasnie przez substr lecz gdy ostatnim znakiem w ciagu jest ąćśęół itp to na końcu wyświetla mi się takie cos: �. Jak to mozna obejsc ? moze jest inny sposob na wyciagniecie X pierwszych znakow z ciagu ?

Pozdrawiam

multibyte substring -> mb_substr

[maro123]

To samo jest.

[marq3d]

zdaje się ze można iterować:

[PHP] pobierz, plaintext 
 
$text = '.....';
$text2 = '';
for($i=0; $i<128; $i++){
    $text2.=$tekst{$i};
}
 
[PHP] pobierz, plaintext 

czytałem gdzieś kiedyś ale nigdy nie testowałem

[flashdev]

zdaje się ze można iterować:

[PHP] pobierz, plaintext 
 
$text = '.....';
$text2 = '';
for($i=0; $i<128; $i++){
    $text2.=$tekst{$i};
}
 
[PHP] pobierz, plaintext 

czytałem gdzieś kiedyś ale nigdy nie testowałem

Ale to i tak nic nie da, bo to wyciąga pojedyńcze bajty ze stringu.

A znaki taki jak ą, ę, ć składają się z dóch bajtów.

Użycie mb_string oraz wybór prawidłowego kodowania musi przynieść oczekiwany rezultat.
Ale oczywiście wygodniej jest napisać, że to samo jest i czekać na gotowe rozwiązanie z przykładem.

[maro123]

Ale co tu ma kodowanie skoro to wyglada tak: [...]teraźniejszoś�. Jakby zalezalo od kodowanie to by w tym wyrazie nie bylo ani ź ani ś tylko wszystkie polskie znaki posypalby sie, nie byloby tak ?. To � to dokladnie 128znak, zamiast tego powinno byc ć.

[flashdev]

Ale co tu ma kodowanie skoro to wyglada tak: [...]teraźniejszoś�. Jakby zalezalo od kodowanie to by w tym wyrazie nie bylo ani ź ani ś tylko wszystkie polskie znaki posypalby sie, nie byloby tak ?. To � to dokladnie 128znak, zamiast tego powinno byc ć.

[PHP] pobierz, plaintext 
$str = 'teraźniejszość';
echo strlen($str);		//	17
echo mb_strlen($str);			//	17
echo mb_strlen($str, 'utf-8');	//	14
 
$str2 = 'ąśćęabcd';
echo substr($str2, 0, 5);	//	ąś�
echo mb_substr($str2, 0, 5, 'utf-8');	//	ąśćęa
[PHP] pobierz, plaintext 

zdziwiony?

Edit:

� - ten znaczek, to nic innego jak połowa polskiego znaku.

Ten post edytował flashdev 26.08.2009, 14:08:06

[ucho]

flashdev udzielił prawidłowej i wyczerpującej odpowiedzi, może zamiast szukać dziury w całym zastosujesz się do jego rady?

[maro123]

@flashdev, Zdziwiony jednak miales racje, przepraszam za zamieszanie. Bez tego , 'utf-8' mb_substr zachowuje sie jak substr.
Temat do zamknięcia.

Ten post edytował maro123 26.08.2009, 14:16:38

[thek]

Problemem jest funkcja substr. Polskie znaki diakrytyczne są przechowywane nie na 1 (jak większość) ale 2 bajtach. Powoduje to zamieszanie gdy masz choćby słowo: gęśla (1-2-2-1-1), co daje 7 bajtów zamiast 5. Nie jest to także zamieniane na 10 bajtów dla równości (5x2 bajty) Stąd przy używaniu substr w polskich znakach jest bajzel. flashdev udzielił odpowiedzi jak to rozwiązać i na chwilę obecną nie ma skuteczniejszej metody - tylko mb_substr. Szkoda tylko, że jest wolniejsza zazwyczaj, co nie ucieszy miłośników zwiększania wydajności.