マルチバイト非対応関数で文字化け発生 str_replace() と mb_ereg_replace()

Tweet

Category php 2009/11/02

マルチバイト非対応関数で文字列操作をすると、思わぬ文字化けを起こす場合があります。

//全角ハイフンを半角ハイフンにしたい
echo str_replace("‐", "-", "京都府京都市　南区久世　上久世町ふにふにもふもふ");

/* 結果 */
京都府京都市　南区久世。-綉彑つ・佞砲佞砲發佞發ユ

ハイフンなんてどこにもないのですが、上記ソースをEUC-JPで保存して実行すると再現できます。

全角ハイフンが A1BE、”（全角スペース）上”が A1A1|BEE5。マッチしてしまったようです。

対策その１ – マルチバイト対応関数を使う

//置換元の文字
$address1 = "京都府京都市　南区久世　上久世町ふにふにもふもふ";
$address2 = "京都府京都市　南区久世　上久世町7-7‐7";

//全角ハイフンを半角ハイフンに置換
echo mb_ereg_replace("‐", "-", $address1);
echo mb_ereg_replace("‐", "-", $address2);

/* 結果 */
京都府京都市　南区久世　上久世町ふにふにもふもふ
京都府京都市　南区久世　上久世町7-7-7

SJIS、EUCのマルチバイト文字列が入ってると分かってるデータは、マルチバイト対応関数で処理すべし。

対策その２ – UTF-8で行こう

UTF-8なら大丈夫。UTF-8の範囲はこう。マッチや置換に失敗しない。

(00-7f) 7bit
(c0-df)(80-bf) 11bit
(e0-ef)(80-bf)(80-bf) 16bit
(f0-f7)(80-bf)(80-bf)(80-bf) 21bit
(f8-fb)(80-bf)(80-bf)(80-bf)(80-bf) 26bit
(fc-fd)(80-bf)(80-bf)(80-bf)(80-bf)(80-bf) 31bit