WWW-serverin merkistökoodaustesti php:llä (koodi)

Jamac · Viesti Kirjoittaja **Jamac** » 12.12.2007 klo 12.07

No, päätin kirjoittaa pikku php-scriptin jolla saisi mahdollisesti selville hiukan tuota merkistökoodausten sielunelämää. Eli koska tuntuu että www-hotellin serverillä tuo merkistökoodaus toimii jotenkin erilailla ja halusin demota siis "ilmiötä" kotikoneen MAMP asennuksella ja www-serverillä.

Tulokset ei olleet odotusten mukaiset enkä päässyt puusta pitkään.

Eli scripti tulostaa merkkejä (acsii 1-255) ja asettaa klikkauksesta riippuen merkistökoodaukseksi joko utf-8 tai iso-8859-1 koodauksen. Lisäksi voi valita lähetetäänkö myös merkistökoodauksesta kertova http headeri.

Minun järkeni mukaan esim. iso-8859-1 koodauksella esimerkiksi euromerkki ei pitäisi näkyä, mutta kun näkyy. Prkle. Onko tuossa scriptissä jotain vikaa

Kopioikaa ja kokeilkaa, scriptin voi tallentaa millä nimellä haluaa (.php), pitäisi toimia silti.

Koodi: Valitse kaikki

<?php
function send_header()
{
    if (isset($_GET['header'])) {
        header("Content-Type: text/html; charset=".$_GET['enc'].'"');
    }
}

function encoding()
{
    if (isset($_GET['enc'])) {
        $enc = $_GET['enc'];
    } else {
        $enc = "iso-8859-1"; // scripti kirjoitettu editorissa iso-8859-1 koodauksella
    }
    return $enc;
}

function charstring()
{
    if (isset($_GET['enc'])) {
        $str = "Merkit: ";
        for ($i=1;$i<255;$i++) {
            $str .= chr($i). ' ';
        }
    } else {
        $str = "Klikkaa haluamasi merkistökoodaus";
    }
    return $str;
}
send_header();
?>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN"
	"http://www.w3.org/TR/html4/strict.dtd">
<html lang="fi">
    <head>
        <meta http-equiv="content-type" content="text/html; charset=<?php echo encoding(); ?>">
        <title>Merkistötestaus: <?php echo encoding(); ?></title>
    </head>
    <body>
        <p><?php echo charstring(); ?></p>

        <p><a href="<?php echo $_SERVER['SCRIPT_NAME'] ?>?enc=iso-8859-1">iso-8859-1</a></p>
        <p><a href="<?php echo $_SERVER['SCRIPT_NAME'] ?>?enc=iso-8859-1&header=yes">iso-8859-1 with header</a></p>
        <p><a href="<?php echo $_SERVER['SCRIPT_NAME'] ?>?enc=utf-8">utf-8</a></p>
        <p><a href="<?php echo $_SERVER['SCRIPT_NAME'] ?>?enc=utf-8&header=yes">utf-8 with header</a></p>
    </body>
</html>

Jamac · Viesti Kirjoittaja **Jamac** » 12.12.2007 klo 12.19

Eli minulla www-hotellin serverillä näkyy aina kaikki merkit koodauksilla:
iso-8859-1, iso-8859-1 with header ja utf-8 MUTTA ]ei utf-8 with header!

MAMP:lla kotikoneessa näkyy kaikki merkit koodauksella:
iso-8859-1, iso-8859-1 with header MUTTA ei utf-8 ja utf-8 with header

Jamac · Viesti Kirjoittaja **Jamac** » 12.12.2007 klo 12.28

Edit: hups, oli koodissa mennyt sisältö <head> tagien väliin, fiksattu..

Jamac · Viesti Kirjoittaja **Jamac** » 12.12.2007 klo 14.15

Tässä vielä kuvat noista "tuloksista"...

Kuva: MAMP
Kuva: WWW-hotelli

lukiz · Viesti Kirjoittaja **lukiz** » 12.12.2007 klo 23.01

Ainakin utf:n tapauksessa tarjoat ascii merkkejä (php.net/chr) utf:na. Ne pitää ensin enkoodata utf:ksi, jotta näkyisivät oikein. Lisäksi voisit vielä kääntää ascii:sta iso-8859-1:en. Tarkemmin ottaen ne eivät ole ihan samoja.

Jos haluat tarjota jonkun hml:n jollakin merkistöllä niin lähetä headeri, lisää meta-tagi ja pidä huoli että matskukin on sillä merkistökoodauksella.

Noi merkistöt on aika veemäisiä varsinkin utf-8 & php:n tapauksessa.

Jamac · Viesti Kirjoittaja **Jamac** » 12.12.2007 klo 23.31

hmm.. en ole ilmeisesti perehtynyt ihan tarpeeksi tuon chr():n käyttöön.. Tai nopeesti vaan toin scriptin kasasin.

cue · Viesti Kirjoittaja **cue** » 13.12.2007 klo 8.58

Kannattaa tutustua myös itse merkistöihin.

Perus ASCII on 7 bittinen merkistö, siinä on 95 merkkiä (näkyvää, kirjoitukseen käytettävää merkkiä siis). Laajempi merkistä (extended ASCII) käyttää tavun kaikki 8 bittiä, siinä onkin sitten jo aavistuksen enemmän tavaraa, mm ISO-8859-1 on yksi extended ascii setti.

Unicode merkistöissä taas päästään tästä tavun rajoituksesta ulos ja esim UTF-8 on max 4 tavua, 32 bittiä. Tosin tämä on alaspäin yhteensopiva 7 bittisen asciin kanssa eli UTF-8:n ensimmäisen tavun 7 alinta bittiä muodostaa samat merkit kuin tuo aito alkuperäinen ASCII, siitä syystä noissa sinun testeissä ne alkupään merkit näkyivät oikein.

Jos haluat chr:n ulostuksen näkyvän oikein koko alueeltaan se pitää koodata utf-8:ksi, tökkäseppäs tuollainen sinne charstringin returnin tilalle.

return utf8_encode($str);

Jamac · Viesti Kirjoittaja **Jamac** » 13.12.2007 klo 18.04

Täytyy kattoa, kun mää ajattelin että chr() palauttaa vaan jollain numerolla sitä vastaavan merkin, jonka selain sitten tulkitsee merkistökoodauksen avulla oikein. Mut ei se niin taida mennäkään. Pitää taas harrastaa kun kerkeää

cue · Viesti Kirjoittaja **cue** » 14.12.2007 klo 9.04

Jep, tuo pitää paikkansa 8 bittisten merkistöjen kassa. unicoden kanssa ei.

Jamac · Viesti Kirjoittaja **Jamac** » 15.12.2007 klo 11.13

Tässä taitaa olla opettelemista aiheeseen liittyen: http://fi2.php.net/mbstring eli Multibyte String Functions