README.UNICODEの要約

PHP6からネイティブUnicodeサポートが始まるわけですが、実のところ、どういうものなのかよく分からなかったりします;-)
で、ソースに付属するREADME.UNICODE（リビジョン1.8）を要約してみました。

• README.UNICODE

間違いがあれば指摘をお願いします。

• 内部はUTF-16
• ICUを利用する
  • ICUでサポートされているエンコーディングが利用可能
• 文字リテラル、HTTPリクエスト、PHP識別子は全てUnicode
• unicode.semantics = On/OffでUnicodeサポートを切り替える
  • Offの場合、文字リテラルはバイナリ扱い
• fallback encodingを指定しない場合、UTF-8となる
• unicode.runtime_encodingでバイナリ文字列変換のエンコーディングを指定
• キャスト
  • (binary)：バイナリ文字列
  • (unicode)：Unicode文字列
  • (string)：unicode.semanticsがOnの場合はUnicode文字列、Offの場合はバイナリ文字列（既存の動作を変更）
• 出力エンコーディングはunicode.output_encodingで指定
  • バイナリ文字列は変換しない
• 現状のdefault_charsetは推奨されなくなる予定
  • unicode.semanticsがOffの場合だけはMIMEヘッダのcharsetとして扱われる
  • 代わりにunicode.output_encodingを指定する。また、default_charsetの設定は上書きされる
• 入力エンコーディングについては現在開発中
• ファイルシステムエンコーディングはunicode.filename_encodingで指定
  • ファイルエンコーディングやディレクトリ名
• スクリプトエンコーディングはunicode.script_encodingで指定
  • プラグマを使ってini設定を上書き可能（ファイルの先頭で指定）

<?php
    declare(encoding = 'Shift-JIS');

• • includeしたファイルには影響しない事に注意
• unicode.semanticsがOnの場合、iniファイルはutf-8として扱われる
  • Offの場合はPHP5と同様「as-is」
• ストリームI/O
  • デフォルトはバイナリモード
  • 「t」でテキストモードとなり、デフォルトエンコーディングはUTF-8

<?php
// UTF-8で読み込み
$fp = fopen('file.txt', 'rt');
$str = fread($fp, 100)

// UTF-8で書き込み
$fp = fopen('file.txt', 'wt');
$fwrite($fp, $uni)

• • stream_default_encoding関数でエンコーディングを指定可能

<?php
stream_default_encoding('Shift-JIS');
$data = file_get_contents('file.txt', FILE_TEXT);
// work on $data
file_put_contents('file.txt', $data, FILE_TEXT);

• • • file_get_contentsでFILE_TEXTを指定した場合はUnicode文字列が返される
    • file_get_contentsでFILE_TEXTを指定しない場合はバイナリ文字列が返される
  • これでも良い

<?php
$ctx = stream_context_create(NULL, array('encoding' => 'big5'));
$data = file_get_contents('file.txt', FILE_TEXT, $ctx);
// work on $data
file_put_contents('file.txt', $data, FILE_TEXT, $ctx);

• Unicode変換に失敗した場合、warningが発生する
  • unicode_set_error_handler関数でエラーハンドラを作成し、挙動を変えることが可能
• Unicode文字列型とバイナリ文字列型
  • バイナリ文字列型は後方互換性、非Unicode文字列やバイナリデータを扱うため
  • バイナリ文字列は、以下のように書ける

<?php
$var = b'abc\001';
$var = b"abc\001";
$var = b<<<EOD
abc\001
EOD;

• 配列をぐるぐる回すのではなく、TextIteratorを使う

<?php
// \u308はウムラウト
// 6文字
$text = "nai\u308ve";  
foreach (new TextIterator($text) as $u) {
 var_inspect($u)
}
// 5文字
$text = "nai\u308ve";  
foreach (new TextIterator($text, TextIterator::CHARACTER) as $u) {
 var_inspect($u)
}

• POSIXロケールではなくICUロケールになるので、setlocale関数を使わないこと
  • 代わりに、locale_set_default関数、locale_get_default関数を使用する