The Apache Haus Forum

Forum Topics => Scripting Languages => Topic started by: mario on December 26, 2008, 11:48:01 PM

Title: PHP Fixing UTF8 Charaker
Post by: mario on December 26, 2008, 11:48:01 PM
Code: [Select]
<?php
function is_validUTF8($str){

    
// values of -1 represent disalloweded values for the first bytes in current UTF-8
    
static $trailing_bytes = array (00000000000000000000000000000000,
        
00000000000000000000000000000000,
        
00000000000000000000000000000000,
        
00000000000000000000000000000000,
        -
1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
        -
1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
        -
1, -1111111111111111111111111111111,
        
222222222222222233333, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1
        
);

    
$ups unpack('C*'$str);
    if (!(
$aCnt count($ups))) {
        return 
true// Empty string *is* valid UTF-8
    
}
    for (
$i 1$i <= $aCnt;) {
        if (!(
$tbytes $trailing_bytes[($b1 $ups[$i++])])) continue;
        if (
$tbytes == -1){
return false;
}

        
$first true;
        while (
$tbytes && $i <= $aCnt) {
            
$cbyte $ups[$i++];
            if ((
$cbyte &0xC0) != 0x80){
return false;
}

            if (
$first) {
                switch (
$b1) {
                    case 
0xE0:
                        if (
$cbyte 0xA0){
return false;
}
                        break;
                    case 
0xED:
                        if (
$cbyte 0x9F){
return false;
}
                        break;
                    case 
0xF0:
                        if (
$cbyte 0x90){
return false;
}
                        break;
                    case 
0xF4:
                        if (
$cbyte 0x8F){
return false;
}
                        break;
                    default:
                        break;
                }
                
$first false;
            }
            --
$tbytes;
        }
        if (
$tbytes){
return false// incomplete sequence at EOS
}
    }
    return 
true;
}

function 
repair_utf8($string)
{
    if (
is_validUTF8($string)) {
        return 
$string;
    } else {
        return 
utf8_encode($string);
    }
}
?>