PHP and Unicode: A Love at Fifth Sight

from ApacheCon US05。Andrei Zmievskiさんのプレゼン。「私は日本語は分からない」と言いつつ、

$str = '検索オプション';
print_r(strlen($str));

という具合にサンプルコードに日本語がバシバシ含まれていた。でも、「検索オプション」という言葉が出るのはやはりyahooの人だからか？

以下、プレゼンの概要メモ。

• PHP6ネタで、内部エンコーディングをUnicodeにしよう、という話
• 参加人数は20名程度。朝一番（09:00）のセッションだったから？USだったから？
• 文字セット・エンコーディング
  • iconvだとエンコーディング変換だけが可能
  • mbstringはCJKに対してtailored
• Unicode 4.0
  • Unicodeの文字セット: ISO 10646
  • エンコーディング: UTF-8/16/32
• Goals
  • Native Unicode string type
  • distinct binary type
  • unicode string literals
  • updated language semantics
  • upgrade existing functions, rather than create new ones
  • backwards compatibility
  • making simple things easy and complex things possible
  • focus on functionality
  • parity with java's unicode and i18n ...
• ICU
  • international components for unicode
• let there be unicode!
  • a control switch called unicode_sematics
• new string types
  • Unicode: textual data (UTF-16 internally)
  • Binary: バイナリデータと文字列はバイトレベルで処理される
• unicode_semantics=onで有効化
• filename_encoding, stream-specific encodingが追加される
  • ファイル名もしくはディレクトリ名
• script/source encoding
  • iniもしくはdeclare()プラグマで指定可能

declare(encoding="iso-8859-1");
$uni = "al";
include "myfile.php";

• fallback_encoding
• encoding変換問題
  • 変換エラー時の動作はcustomizable
• stream filter

$fp = fopen(..., 'w');
stream_filter_append($fp, 'unicode.to.utf8');
fputs(...);

• クラス名や変数名にマルチバイト文字が使える
  • 使うのか？
• 現状ではCVSツリー内のみにある