کار با رشته‌های فارسی در متد post

sama01 · ۱۳۸۸ فروردین ۲۷, ۰۷:۳۷ ب.ظ

چرا برای جدا کردن مثلا کاراکتر نخست یک رشته فارسی که توسط متد post از صفحه دیگری دریافت می‌شود، باید دو کاراکتر اول را جدا کنیم؟
من این مشکل را دارم. انودینگ صفحه‌ها هم utf-8 است.

ممنون.

**oia**

چونکه

شاید علت برمی گرده به اینکه کاراکتر های فارسی در هشت بیت بالاتر قرار می گیرند یا یه همچین چیزایی

**Y.P.Y** · ۱۳۸۸ فروردین ۲۸, ۰۲:۳۰ ق.ظ

سلام،

نقل قول:چرا برای جدا کردن مثلا کاراکتر نخست یک رشته فارسی که توسط متد post از صفحه دیگری دریافت می‌شود، باید دو کاراکتر اول را جدا کنیم؟
من این مشکل را دارم. انودینگ صفحه‌ها هم utf-8 است.

عزیز بیشتر توضیح بدید.

**oia** · ۱۳۸۸ فروردین ۲۸, ۱۱:۴۲ ق.ظ

محضه توضیح بیشتر:
ما می تونیم یک رشته رو به صورت آرایه در نظر بگیریم که ان اُمین کاراکتر رشته می شه ان منهای یک اُمین عضو آرایه
اما اگه رشته ی ما utf-8 باشه اونوقت کمی قضیه فرق می کنه

کد پی‌اچ‌پی:
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>google</title>
</head>

<body>
<div dir="rtl">
<?php

$str1 = func1('ABCDEFGHI');
$str2 = func1('ابپتثدذرز');
$str3 = func2('ابپتثدذرز');

echo $str1.'<br>'.$str2.'<br>'.$str3.'<br>'.strlen('ابپتثدذرز').'<br>'.strlen('ABCDEFGHI');

function func1($str)
{
    for($i=0; $i<strlen($str); $i++)$s .= $str[$i].' ';
    return $s;
}

function func2($str)
{
    for($i=0; $i<strlen($str);){$s .= $str[$i].$str[$i+1].' '; $i+=2;};
    return $s;
}
?>
</div>
</body>
</html> 

نتیجه:

کد:
A B C D E F G H I 

ؠ? ؠ? ٠? ؠ? ؠ? ؠ? ؠ? ؠ? ؠ? 

ا ب پ ت ث د ذ ر ز 

18

9

توی این اسکریپت شاید بشه دید که طول یک رشته فارسی دوبرابر یک رشته انگلیسی هستش
فک کنم این همونه که میگن php به صورت داخلی از utf-8 پشتی بانی نمی کنه!!!

**admin**

در هر حالتی که شما یه رشته رو به صورت کدهای به غیر از ASCII داشته باشید بر اساس اینکه چه تعداد بیت رو اشغال می کنند در php توسط توابعی مثل substr شناسایی میشن. کاراکترهای ASCII یک بایت فضا رو می گیرند اما کاراکترهای فارسی که در انکودینگ UTF-8 قرار می گیرند دو بایت رو اشغال می کنه. در واقع توابعی مثل substr یا strlen بر اساس بیت کارشون رو انجام میدن و هر 8 بیت رو یک کاراکتر در نظر می گیرند.
برای اینکه با این مشکلات مواجه نشید باید از بسته mbstring استفاده بشه که توابعی مثل mb_substr یا mb_strlen رو در اختیار شما قرار میده

ورود




مرا به‌خاطر بسپار. فراموشی رمزعبور