Как правильно работать с мультибайтовыми строками в php7 и чем плох func_overload?

Question

[Иван Николаевич]

Должен ли я использовать mb_strpos если у меня utf-8 кодировка на проекте? Или в 7.х версиях PHP strpos будет корректно работать и в utf-8 кодировке при работе с символами?

Какие баги можно словить если func_overload >=2 (причина почему symphony запретил использование).

Я прочитал https://wiki.php.net/rfc/deprecations_php_7_2, но мне не хватает деталей для собственного, внутреннего понимания.

Answer 1

[Rsa97]

Всё очень просто.
Использование func_overload меняет работу стандартных функций. Например, strlen после этого начинает возвращать длину строки не в байтах, а в символах. Соответственно, библиотеки, полагающиеся на стандартное поведение функций, будут работать некорректно. Поэтому func_overload запретили и, если вам нужны мультибайтовые строки, то надо напрямую использовать библиотеку mbstring.

Comments

[Евгений]

Дополню, в книге Котерова по php7 написано, что PHPMyAdmin будет косячить при func_overload отличной от нуля

Answer 2

[Adamos]

Для внутреннего понимания: strpos в РНР - это тупая обертка над С-функцией, принимающей в качестве аргументов два char* и выдающая в ответе количество байт, через которое второй массив байт совпал с первым.
Она знать ничего не знает ни о каких кодировках, и это хорошо, но не то, что вам нужно.
func_overload - это костыль для легаси-кода, в котором люди, не думающие о будущем, обрабатывают строки так, как будто они всегда будут однобайтными. Воцарение UTF-8 нарушило эту идиллию, а переписывать тонны кода зачастую просто некому - вот и подперли проблему настройкой, которая подсовывает mb_-функции вместо архаичных.
Если вы пишете новый код и он работает со строками, а не с потоками байт - вам следует забыть об этих функциях и никогда не использовать ничего, кроме mb_*, в коде.

Comments

[Иван Николаевич]

Я правильно понимаю что вы подразумеваете что в современном PHP одинаково нужны strpos и mb_strpos?
С моей колокольни казалось что нужна только одна такая функция для современных потребностей и костыль с func_overload кажется в этом свете логичным =)

[Adamos]

Иван Николаевич, для работы со строками - только одна, mb_*.
Но РНР - язык общего назначения, в нем может понадобиться разобрать и бинарный пакет. Да и сайты на однобайтовых кодировках по-прежнему не только существуют, но и создаются.
Поэтому выкидывать однобайтовые функции - более эффективные для своих задач - никто, конечно, не будет.

[Иван Николаевич]

Adamos, зачем в наше время создавать сайты на однобайтовых кодировках? 0_о
Это же стрелять себе в ногу, куча гемора. UTF-8 дефакто стандарт для рынка, разве нет?

[Adamos]

Иван Николаевич, это с кирилицей достаточно граблей с кракозябрами, чтобы народ бежал на UTF-8. Для латиницы вопрос кодировок куда менее актуален.

[Иван Николаевич]

Adamos, на поверхности кажется что да, но все библиотеки дефакто стандарт на UTF-8 писать. Все FW тоже по умолчанию в UTF-8.
Думаете кто-то конвертирует все это добро в однобайтовые кодировки?

[Adamos]

Иван Николаевич, вы же в курсе, что в пределах ASCII UTF-8 ничем не отличается от cp1252? На текстах латиницей strpos так и будет работать без всяких проблем. Пока не встретится эмодзи, например.