source: trunk/web/punbb/include/utf8/native/core.php @ 7

Last change on this file since 7 was 6, checked in by dj3c1t, 13 years ago

mise a jour du trunk

File size: 15.2 KB
Line 
1<?php
2
3/**
4* @version $Id: core.php,v 1.9 2007/08/12 01:11:33 harryf Exp $
5* @package utf8
6* @subpackage strings
7*/
8
9// Define UTF8_CORE as required
10if (!defined('UTF8_CORE'))
11        define('UTF8_CORE', true);
12
13/**
14* Unicode aware replacement for strlen(). Returns the number
15* of characters in the string (not the number of bytes), replacing
16* multibyte characters with a single byte equivalent
17* utf8_decode() converts characters that are not in ISO-8859-1
18* to '?', which, for the purpose of counting, is alright - It's
19* much faster than iconv_strlen
20* Note: this function does not count bad UTF-8 bytes in the string
21* - these are simply ignored
22* @author <chernyshevsky at hotmail dot com>
23* @link   http://www.php.net/manual/en/function.strlen.php
24* @link   http://www.php.net/manual/en/function.utf8-decode.php
25* @param string UTF-8 string
26* @return int number of UTF-8 characters in string
27* @package utf8
28* @subpackage strings
29*/
30function utf8_strlen($str)
31{
32        return strlen(utf8_decode($str));
33}
34
35/**
36* UTF-8 aware alternative to strpos
37* Find position of first occurrence of a string
38* Note: This will get alot slower if offset is used
39* Note: requires utf8_strlen amd utf8_substr to be loaded
40* @param string haystack
41* @param string needle (you should validate this with utf8_is_valid)
42* @param integer offset in characters (from left)
43* @return mixed integer position or FALSE on failure
44* @see http://www.php.net/strpos
45* @see utf8_strlen
46* @see utf8_substr
47* @package utf8
48* @subpackage strings
49*/
50function utf8_strpos($str, $needle, $offset = false)
51{
52        if ($offset === false)
53        {
54                $ar = explode($needle, $str, 2);
55
56                if (count($ar) > 1)
57                        return utf8_strlen($ar[0]);
58
59                return false;
60        }
61        else
62        {
63                if (!is_int($offset))
64                {
65                        trigger_error('utf8_strpos: Offset must be an integer', E_USER_ERROR);
66                        return false;
67                }
68
69                $str = utf8_substr($str, $offset);
70
71                if (($pos = utf8_strpos($str, $needle)) !== false)
72                        return $pos + $offset;
73
74                return false;
75        }
76}
77
78/**
79* UTF-8 aware alternative to strrpos
80* Find position of last occurrence of a char in a string
81* Note: This will get alot slower if offset is used
82* Note: requires utf8_substr and utf8_strlen to be loaded
83* @param string haystack
84* @param string needle (you should validate this with utf8_is_valid)
85* @param integer (optional) offset (from left)
86* @return mixed integer position or FALSE on failure
87* @see http://www.php.net/strrpos
88* @see utf8_substr
89* @see utf8_strlen
90* @package utf8
91* @subpackage strings
92*/
93function utf8_strrpos($str, $needle, $offset = false)
94{
95        if ($offset === false)
96        {
97                $ar = explode($needle, $str);
98
99                if (count($ar) > 1)
100                {
101                        // Pop off the end of the string where the last match was made
102                        array_pop($ar);
103                        $str = join($needle, $ar);
104
105                        return utf8_strlen($str);
106                }
107
108                return false;
109        }
110        else
111        {
112                if (!is_int($offset))
113                {
114                        trigger_error('utf8_strrpos expects parameter 3 to be long', E_USER_WARNING);
115                        return false;
116                }
117
118                $str = utf8_substr($str, $offset);
119
120                if (($pos = utf8_strrpos($str, $needle)) !== false)
121                        return $pos + $offset;
122
123                return false;
124        }
125}
126
127/**
128* UTF-8 aware alternative to substr
129* Return part of a string given character offset (and optionally length)
130*
131* Note arguments: comparied to substr - if offset or length are
132* not integers, this version will not complain but rather massages them
133* into an integer.
134*
135* Note on returned values: substr documentation states false can be
136* returned in some cases (e.g. offset > string length)
137* mb_substr never returns false, it will return an empty string instead.
138* This adopts the mb_substr approach
139*
140* Note on implementation: PCRE only supports repetitions of less than
141* 65536, in order to accept up to MAXINT values for offset and length,
142* we'll repeat a group of 65535 characters when needed.
143*
144* Note on implementation: calculating the number of characters in the
145* string is a relatively expensive operation, so we only carry it out when
146* necessary. It isn't necessary for +ve offsets and no specified length
147*
148* @author Chris Smith<chris@jalakai.co.uk>
149* @param string
150* @param integer number of UTF-8 characters offset (from left)
151* @param integer (optional) length in UTF-8 characters from offset
152* @return mixed string or FALSE if failure
153* @package utf8
154* @subpackage strings
155*/
156function utf8_substr($str, $offset, $length = false)
157{
158        // Generates E_NOTICE for PHP4 objects, but not PHP5 objects
159        $str = (string) $str;
160        $offset = (int) $offset;
161
162        if ($length)
163                $length = (int) $length;
164
165        // Handle trivial cases
166        if ($length === 0)
167                return '';
168        if ($offset < 0 && $length < 0 && $length < $offset)
169                return '';
170
171        // Normalise negative offsets (we could use a tail
172        // anchored pattern, but they are horribly slow!)
173        if ($offset < 0)
174        {
175                // See notes
176                $strlen = utf8_strlen($str);
177                $offset = $strlen + $offset;
178
179                if ($offset < 0)
180                        $offset = 0;
181        }
182
183        $Op = '';
184        $Lp = '';
185
186        // Establish a pattern for offset, a
187        // non-captured group equal in length to offset
188        if ($offset > 0)
189        {
190                $Ox = (int) ($offset / 65535);
191                $Oy = $offset % 65535;
192
193                if ($Ox)
194                        $Op = '(?:.{65535}){'.$Ox.'}';
195
196                $Op = '^(?:'.$Op.'.{'.$Oy.'})';
197        }
198        else
199                $Op = '^';
200
201
202        // Establish a pattern for length
203        if (!$length)
204        {
205                // The rest of the string
206                $Lp = '(.*)$';
207        }
208        else
209        {
210                // See notes
211                if (!isset($strlen))
212                        $strlen = strlen(utf8_decode($str));
213
214                // Another trivial case
215                if ($offset > $strlen)
216                        return '';
217
218                if ($length > 0)
219                {
220                        // Reduce any length that would go passed the end of the string
221                        $length = min($strlen-$offset, $length);
222
223                        $Lx = (int)( $length / 65535 );
224                        $Ly = $length % 65535;
225
226                        // Negative length requires a captured group of length characters
227                        if ($Lx) $Lp = '(?:.{65535}){'.$Lx.'}';
228                        $Lp = '('.$Lp.'.{'.$Ly.'})';
229                }
230                else if ($length < 0)
231                {
232
233                        if ($length < ($offset - $strlen))
234                                return '';
235
236                        $Lx = (int)((-$length)/65535);
237                        $Ly = (-$length)%65535;
238
239                        // Negative length requires ... capture everything except a group of
240                        // -length characters anchored at the tail-end of the string
241                        if ($Lx)
242                                $Lp = '(?:.{65535}){'.$Lx.'}';
243
244                        $Lp = '(.*)(?:'.$Lp.'.{'.$Ly.'})$';
245                }
246        }
247
248        if (!preg_match('#'.$Op.$Lp.'#us', $str, $match))
249                return '';
250
251        return $match[1];
252}
253
254/**
255* UTF-8 aware alternative to strtolower
256* Make a string lowercase
257* Note: The concept of a characters "case" only exists is some alphabets
258* such as Latin, Greek, Cyrillic, Armenian and archaic Georgian - it does
259* not exist in the Chinese alphabet, for example. See Unicode Standard
260* Annex #21: Case Mappings
261* Note: requires utf8_to_unicode and utf8_from_unicode
262* @author Andreas Gohr <andi@splitbrain.org>
263* @param string
264* @return mixed either string in lowercase or FALSE is UTF-8 invalid
265* @see http://www.php.net/strtolower
266* @see utf8_to_unicode
267* @see utf8_from_unicode
268* @see http://www.unicode.org/reports/tr21/tr21-5.html
269* @see http://dev.splitbrain.org/view/darcs/dokuwiki/inc/utf8.php
270* @package utf8
271* @subpackage strings
272*/
273function utf8_strtolower($string)
274{
275        static $UTF8_UPPER_TO_LOWER = false;
276
277        if (!$UTF8_UPPER_TO_LOWER)
278        {
279                $UTF8_UPPER_TO_LOWER = array(
280                        0x0041=>0x0061, 0x03A6=>0x03C6, 0x0162=>0x0163, 0x00C5=>0x00E5, 0x0042=>0x0062,
281                        0x0139=>0x013A, 0x00C1=>0x00E1, 0x0141=>0x0142, 0x038E=>0x03CD, 0x0100=>0x0101,
282                        0x0490=>0x0491, 0x0394=>0x03B4, 0x015A=>0x015B, 0x0044=>0x0064, 0x0393=>0x03B3,
283                        0x00D4=>0x00F4, 0x042A=>0x044A, 0x0419=>0x0439, 0x0112=>0x0113, 0x041C=>0x043C,
284                        0x015E=>0x015F, 0x0143=>0x0144, 0x00CE=>0x00EE, 0x040E=>0x045E, 0x042F=>0x044F,
285                        0x039A=>0x03BA, 0x0154=>0x0155, 0x0049=>0x0069, 0x0053=>0x0073, 0x1E1E=>0x1E1F,
286                        0x0134=>0x0135, 0x0427=>0x0447, 0x03A0=>0x03C0, 0x0418=>0x0438, 0x00D3=>0x00F3,
287                        0x0420=>0x0440, 0x0404=>0x0454, 0x0415=>0x0435, 0x0429=>0x0449, 0x014A=>0x014B,
288                        0x0411=>0x0431, 0x0409=>0x0459, 0x1E02=>0x1E03, 0x00D6=>0x00F6, 0x00D9=>0x00F9,
289                        0x004E=>0x006E, 0x0401=>0x0451, 0x03A4=>0x03C4, 0x0423=>0x0443, 0x015C=>0x015D,
290                        0x0403=>0x0453, 0x03A8=>0x03C8, 0x0158=>0x0159, 0x0047=>0x0067, 0x00C4=>0x00E4,
291                        0x0386=>0x03AC, 0x0389=>0x03AE, 0x0166=>0x0167, 0x039E=>0x03BE, 0x0164=>0x0165,
292                        0x0116=>0x0117, 0x0108=>0x0109, 0x0056=>0x0076, 0x00DE=>0x00FE, 0x0156=>0x0157,
293                        0x00DA=>0x00FA, 0x1E60=>0x1E61, 0x1E82=>0x1E83, 0x00C2=>0x00E2, 0x0118=>0x0119,
294                        0x0145=>0x0146, 0x0050=>0x0070, 0x0150=>0x0151, 0x042E=>0x044E, 0x0128=>0x0129,
295                        0x03A7=>0x03C7, 0x013D=>0x013E, 0x0422=>0x0442, 0x005A=>0x007A, 0x0428=>0x0448,
296                        0x03A1=>0x03C1, 0x1E80=>0x1E81, 0x016C=>0x016D, 0x00D5=>0x00F5, 0x0055=>0x0075,
297                        0x0176=>0x0177, 0x00DC=>0x00FC, 0x1E56=>0x1E57, 0x03A3=>0x03C3, 0x041A=>0x043A,
298                        0x004D=>0x006D, 0x016A=>0x016B, 0x0170=>0x0171, 0x0424=>0x0444, 0x00CC=>0x00EC,
299                        0x0168=>0x0169, 0x039F=>0x03BF, 0x004B=>0x006B, 0x00D2=>0x00F2, 0x00C0=>0x00E0,
300                        0x0414=>0x0434, 0x03A9=>0x03C9, 0x1E6A=>0x1E6B, 0x00C3=>0x00E3, 0x042D=>0x044D,
301                        0x0416=>0x0436, 0x01A0=>0x01A1, 0x010C=>0x010D, 0x011C=>0x011D, 0x00D0=>0x00F0,
302                        0x013B=>0x013C, 0x040F=>0x045F, 0x040A=>0x045A, 0x00C8=>0x00E8, 0x03A5=>0x03C5,
303                        0x0046=>0x0066, 0x00DD=>0x00FD, 0x0043=>0x0063, 0x021A=>0x021B, 0x00CA=>0x00EA,
304                        0x0399=>0x03B9, 0x0179=>0x017A, 0x00CF=>0x00EF, 0x01AF=>0x01B0, 0x0045=>0x0065,
305                        0x039B=>0x03BB, 0x0398=>0x03B8, 0x039C=>0x03BC, 0x040C=>0x045C, 0x041F=>0x043F,
306                        0x042C=>0x044C, 0x00DE=>0x00FE, 0x00D0=>0x00F0, 0x1EF2=>0x1EF3, 0x0048=>0x0068,
307                        0x00CB=>0x00EB, 0x0110=>0x0111, 0x0413=>0x0433, 0x012E=>0x012F, 0x00C6=>0x00E6,
308                        0x0058=>0x0078, 0x0160=>0x0161, 0x016E=>0x016F, 0x0391=>0x03B1, 0x0407=>0x0457,
309                        0x0172=>0x0173, 0x0178=>0x00FF, 0x004F=>0x006F, 0x041B=>0x043B, 0x0395=>0x03B5,
310                        0x0425=>0x0445, 0x0120=>0x0121, 0x017D=>0x017E, 0x017B=>0x017C, 0x0396=>0x03B6,
311                        0x0392=>0x03B2, 0x0388=>0x03AD, 0x1E84=>0x1E85, 0x0174=>0x0175, 0x0051=>0x0071,
312                        0x0417=>0x0437, 0x1E0A=>0x1E0B, 0x0147=>0x0148, 0x0104=>0x0105, 0x0408=>0x0458,
313                        0x014C=>0x014D, 0x00CD=>0x00ED, 0x0059=>0x0079, 0x010A=>0x010B, 0x038F=>0x03CE,
314                        0x0052=>0x0072, 0x0410=>0x0430, 0x0405=>0x0455, 0x0402=>0x0452, 0x0126=>0x0127,
315                        0x0136=>0x0137, 0x012A=>0x012B, 0x038A=>0x03AF, 0x042B=>0x044B, 0x004C=>0x006C,
316                        0x0397=>0x03B7, 0x0124=>0x0125, 0x0218=>0x0219, 0x00DB=>0x00FB, 0x011E=>0x011F,
317                        0x041E=>0x043E, 0x1E40=>0x1E41, 0x039D=>0x03BD, 0x0106=>0x0107, 0x03AB=>0x03CB,
318                        0x0426=>0x0446, 0x00DE=>0x00FE, 0x00C7=>0x00E7, 0x03AA=>0x03CA, 0x0421=>0x0441,
319                        0x0412=>0x0432, 0x010E=>0x010F, 0x00D8=>0x00F8, 0x0057=>0x0077, 0x011A=>0x011B,
320                        0x0054=>0x0074, 0x004A=>0x006A, 0x040B=>0x045B, 0x0406=>0x0456, 0x0102=>0x0103,
321                        0x039B=>0x03BB, 0x00D1=>0x00F1, 0x041D=>0x043D, 0x038C=>0x03CC, 0x00C9=>0x00E9,
322                        0x00D0=>0x00F0, 0x0407=>0x0457, 0x0122=>0x0123);
323        }
324
325        $uni = utf8_to_unicode($string);
326
327        if (!$uni)
328                return false;
329
330        $cnt = count($uni);
331
332        for ($i=0; $i < $cnt; $i++)
333                if (isset($UTF8_UPPER_TO_LOWER[$uni[$i]]))
334                        $uni[$i] = $UTF8_UPPER_TO_LOWER[$uni[$i]];
335
336        return utf8_from_unicode($uni);
337}
338
339/**
340* UTF-8 aware alternative to strtoupper
341* Make a string uppercase
342* Note: The concept of a characters "case" only exists is some alphabets
343* such as Latin, Greek, Cyrillic, Armenian and archaic Georgian - it does
344* not exist in the Chinese alphabet, for example. See Unicode Standard
345* Annex #21: Case Mappings
346* Note: requires utf8_to_unicode and utf8_from_unicode
347* @author Andreas Gohr <andi@splitbrain.org>
348* @param string
349* @return mixed either string in lowercase or FALSE is UTF-8 invalid
350* @see http://www.php.net/strtoupper
351* @see utf8_to_unicode
352* @see utf8_from_unicode
353* @see http://www.unicode.org/reports/tr21/tr21-5.html
354* @see http://dev.splitbrain.org/view/darcs/dokuwiki/inc/utf8.php
355* @package utf8
356* @subpackage strings
357*/
358function utf8_strtoupper($string)
359{
360        static $UTF8_LOWER_TO_UPPER = false;
361
362        if (!$UTF8_LOWER_TO_UPPER)
363        {
364                $UTF8_LOWER_TO_UPPER = array(
365                        0x0061=>0x0041, 0x03C6=>0x03A6, 0x0163=>0x0162, 0x00E5=>0x00C5, 0x0062=>0x0042,
366                        0x013A=>0x0139, 0x00E1=>0x00C1, 0x0142=>0x0141, 0x03CD=>0x038E, 0x0101=>0x0100,
367                        0x0491=>0x0490, 0x03B4=>0x0394, 0x015B=>0x015A, 0x0064=>0x0044, 0x03B3=>0x0393,
368                        0x00F4=>0x00D4, 0x044A=>0x042A, 0x0439=>0x0419, 0x0113=>0x0112, 0x043C=>0x041C,
369                        0x015F=>0x015E, 0x0144=>0x0143, 0x00EE=>0x00CE, 0x045E=>0x040E, 0x044F=>0x042F,
370                        0x03BA=>0x039A, 0x0155=>0x0154, 0x0069=>0x0049, 0x0073=>0x0053, 0x1E1F=>0x1E1E,
371                        0x0135=>0x0134, 0x0447=>0x0427, 0x03C0=>0x03A0, 0x0438=>0x0418, 0x00F3=>0x00D3,
372                        0x0440=>0x0420, 0x0454=>0x0404, 0x0435=>0x0415, 0x0449=>0x0429, 0x014B=>0x014A,
373                        0x0431=>0x0411, 0x0459=>0x0409, 0x1E03=>0x1E02, 0x00F6=>0x00D6, 0x00F9=>0x00D9,
374                        0x006E=>0x004E, 0x0451=>0x0401, 0x03C4=>0x03A4, 0x0443=>0x0423, 0x015D=>0x015C,
375                        0x0453=>0x0403, 0x03C8=>0x03A8, 0x0159=>0x0158, 0x0067=>0x0047, 0x00E4=>0x00C4,
376                        0x03AC=>0x0386, 0x03AE=>0x0389, 0x0167=>0x0166, 0x03BE=>0x039E, 0x0165=>0x0164,
377                        0x0117=>0x0116, 0x0109=>0x0108, 0x0076=>0x0056, 0x00FE=>0x00DE, 0x0157=>0x0156,
378                        0x00FA=>0x00DA, 0x1E61=>0x1E60, 0x1E83=>0x1E82, 0x00E2=>0x00C2, 0x0119=>0x0118,
379                        0x0146=>0x0145, 0x0070=>0x0050, 0x0151=>0x0150, 0x044E=>0x042E, 0x0129=>0x0128,
380                        0x03C7=>0x03A7, 0x013E=>0x013D, 0x0442=>0x0422, 0x007A=>0x005A, 0x0448=>0x0428,
381                        0x03C1=>0x03A1, 0x1E81=>0x1E80, 0x016D=>0x016C, 0x00F5=>0x00D5, 0x0075=>0x0055,
382                        0x0177=>0x0176, 0x00FC=>0x00DC, 0x1E57=>0x1E56, 0x03C3=>0x03A3, 0x043A=>0x041A,
383                        0x006D=>0x004D, 0x016B=>0x016A, 0x0171=>0x0170, 0x0444=>0x0424, 0x00EC=>0x00CC,
384                        0x0169=>0x0168, 0x03BF=>0x039F, 0x006B=>0x004B, 0x00F2=>0x00D2, 0x00E0=>0x00C0,
385                        0x0434=>0x0414, 0x03C9=>0x03A9, 0x1E6B=>0x1E6A, 0x00E3=>0x00C3, 0x044D=>0x042D,
386                        0x0436=>0x0416, 0x01A1=>0x01A0, 0x010D=>0x010C, 0x011D=>0x011C, 0x00F0=>0x00D0,
387                        0x013C=>0x013B, 0x045F=>0x040F, 0x045A=>0x040A, 0x00E8=>0x00C8, 0x03C5=>0x03A5,
388                        0x0066=>0x0046, 0x00FD=>0x00DD, 0x0063=>0x0043, 0x021B=>0x021A, 0x00EA=>0x00CA,
389                        0x03B9=>0x0399, 0x017A=>0x0179, 0x00EF=>0x00CF, 0x01B0=>0x01AF, 0x0065=>0x0045,
390                        0x03BB=>0x039B, 0x03B8=>0x0398, 0x03BC=>0x039C, 0x045C=>0x040C, 0x043F=>0x041F,
391                        0x044C=>0x042C, 0x00FE=>0x00DE, 0x00F0=>0x00D0, 0x1EF3=>0x1EF2, 0x0068=>0x0048,
392                        0x00EB=>0x00CB, 0x0111=>0x0110, 0x0433=>0x0413, 0x012F=>0x012E, 0x00E6=>0x00C6,
393                        0x0078=>0x0058, 0x0161=>0x0160, 0x016F=>0x016E, 0x03B1=>0x0391, 0x0457=>0x0407,
394                        0x0173=>0x0172, 0x00FF=>0x0178, 0x006F=>0x004F, 0x043B=>0x041B, 0x03B5=>0x0395,
395                        0x0445=>0x0425, 0x0121=>0x0120, 0x017E=>0x017D, 0x017C=>0x017B, 0x03B6=>0x0396,
396                        0x03B2=>0x0392, 0x03AD=>0x0388, 0x1E85=>0x1E84, 0x0175=>0x0174, 0x0071=>0x0051,
397                        0x0437=>0x0417, 0x1E0B=>0x1E0A, 0x0148=>0x0147, 0x0105=>0x0104, 0x0458=>0x0408,
398                        0x014D=>0x014C, 0x00ED=>0x00CD, 0x0079=>0x0059, 0x010B=>0x010A, 0x03CE=>0x038F,
399                        0x0072=>0x0052, 0x0430=>0x0410, 0x0455=>0x0405, 0x0452=>0x0402, 0x0127=>0x0126,
400                        0x0137=>0x0136, 0x012B=>0x012A, 0x03AF=>0x038A, 0x044B=>0x042B, 0x006C=>0x004C,
401                        0x03B7=>0x0397, 0x0125=>0x0124, 0x0219=>0x0218, 0x00FB=>0x00DB, 0x011F=>0x011E,
402                        0x043E=>0x041E, 0x1E41=>0x1E40, 0x03BD=>0x039D, 0x0107=>0x0106, 0x03CB=>0x03AB,
403                        0x0446=>0x0426, 0x00FE=>0x00DE, 0x00E7=>0x00C7, 0x03CA=>0x03AA, 0x0441=>0x0421,
404                        0x0432=>0x0412, 0x010F=>0x010E, 0x00F8=>0x00D8, 0x0077=>0x0057, 0x011B=>0x011A,
405                        0x0074=>0x0054, 0x006A=>0x004A, 0x045B=>0x040B, 0x0456=>0x0406, 0x0103=>0x0102,
406                        0x03BB=>0x039B, 0x00F1=>0x00D1, 0x043D=>0x041D, 0x03CC=>0x038C, 0x00E9=>0x00C9,
407                        0x00F0=>0x00D0, 0x0457=>0x0407, 0x0123=>0x0122);
408        }
409
410        $uni = utf8_to_unicode($string);
411
412        if (!$uni)
413                return false;
414
415        $cnt = count($uni);
416
417        for ($i=0; $i < $cnt; $i++)
418                if(isset($UTF8_LOWER_TO_UPPER[$uni[$i]]))
419                        $uni[$i] = $UTF8_LOWER_TO_UPPER[$uni[$i]];
420
421        return utf8_from_unicode($uni);
422}
Note: See TracBrowser for help on using the repository browser.