Kommentarer till Hur fungerar det här med teckenkodning egentligen?

Av: Mikael Green

Mikael Green — Mon, 13 Sep 2010 09:46:00 +0000

Upptäckte just att php:s substr inte är UTF8-säker. Använder substr för att korta ned strängar i min ”latestpost”-funktion i WordPress. Kunde inte för mitt liv förstå varför den klarade av Å ibland och ibland inte. När substr-funktionen klippte ”mitt i” en 2-bytes bokstav, blev det kajko. Funkar bättre med mb_substr.

Så det gäller tydligen inte bara att ha rätt teckenkodning utan även se till att koden man skriver klarar av teckenkodningen.

Av: Christian

Christian — Wed, 03 Feb 2010 07:01:08 +0000

Tack Jens, du understryker hur besvärligt det kan vara med teckenkodningar om man inte är noggrann.

Av: Jens

Jens — Wed, 03 Feb 2010 00:19:22 +0000

Det är fyra saker som jag tycker du missat:
1. Det finns program (bl.a. iconv i Linux) som man kan använda för att konvertera mellan olika teckenkodningar.
2. I regel se ALLTID(!!!) till att välja ut EN teckenkodning till dina programmeringsprojekt och dylikt. Det är ett helvete att arbeta i projekt där man är osäker på vilken kodning man ska ha i vilken fil, och slutar alltid upp med att man har minst två olika kodningar i en och samma fil – vilket leder till att program som iconv inte kan konvertera/korrigera kodningar automatiskt utan att man måste göra det manuellt. Det är ett riktigt skitgöra. Jag talar från erfarenhet.
3. Om man är flera personer som arbetar i samma filer tillsammans så är det ytterst viktigt att man alla är överens om vilken kodning man ska ha. MAC/Linux/Windows, och inte minst olika utvecklingsverktyg, kan resultera i spaghetti.
4. Trots att iconv finns så är det ett mähä att konvertera mellan olika textkodningar. Det räcker oftast med att ett enda tecken inte är rätt i en 50 MB stor teckenfil (t.ex. en MySQL-dump) så funkar inte många konverteringsverktyg. Det är som att leta i en höstack. Även här talar jag från erfarenhet. Välj därför noggrant vilken kodning du vill ha FRÅN FÖRSTA BÖRJAN. UTF-8 är precis som Christian skriver rekommenderat.

Det var mina erfarenheter och tankar.

Av: Andreas Eriksson

Andreas Eriksson — Fri, 29 Jan 2010 12:33:04 +0000

Ett återkommande problem detta. Bra artikel och förklarat.

När det gäller filer brukar det vara ganska enkelt att lösa. Det är när det att kopplingar till andra datakällor det kan börja bli problem, till exempel databaser eller ännu värre, olika APIer.

Men som du säger i artikeln, använd alltid UTF-8. Brukar kunna undvika många problem.