内部文字エンコーディングとは何なのか

Question

マルチバイト文字列関数(mbstreng)のなかにmb_internal_encodingという文字コードの初期値をきめる関数があります。
こちらをみると設定する初期値を内部文字エンコーディングと呼んでいます。
マルチバイト文字列関数を利用する際の初期値の文字コードとは言わずに、内部文字エンコーディングと呼ぶ理由は何なのでしょうか。
そもそも、内部文字エンコーディングとは、何なのでしょうか。

Answer 1

mbstring.internal_encodingという
php.iniの設定値のことです。
日本語直訳気味に表現して「内部文字エンコーディング」と呼んでいるのだと。

マルチバイト文字列 関数群がテキストを扱うときに参照され、
エンコーディングを関数の引数でいちいち設定しなくても処理できるようにしているもののようです。

なお、mb_internal_encoding()という関数は、実行時にmbstring.internal_encoding設定値を変更したり取得したりできるものです。

そもそもマルチバイト文字列とは、
PHP: はじめに - Manualにも解説がありますが、
一つの文字を１バイトデータでは表現できない場合複数のバイトデータの連結で表現するものなのです。
エンコードによっては、１バイトのときもあれば２バイトのときもあれば４バイトのときもあったりします。（あくまで一例）
文字列の一部分を切り出したり置き換えたりなど加工するときに
文字列データを破壊せずバイトデータの境目を適切に認識するために必要な情報（←エンコード情報）を、
都度mbstring系関数の引数で与えてもよいのですが、
コード量（文字タイプ数）を削減したり可読性を向上したりするために、
指定がない場合はエンコーディングをどう扱うかというルールを決めているだけのことです。
それを日本語直訳気味に表現すると「内部文字エンコーディング」になるのかなと。

内部、としているのは、PHPの中のこと（ファイルやHTTPリクエストやHTTPレスポンスじゃない）だからかなぁ。

この回答を書く前に、mbstring実装の歴史的背景を調べようとしたけど、
時間が足りず。

Comments

[aaaaaaaa]

ご回答ありがとうございます。
PHPの中というのは、PHPのエンジンであるzendのことですか。

[退会済みユーザー]

んーと、zendっていうか、PHPインタプリタさん。

つまり、PHPインタプリタさんが、「我々はこのエンコーディングを公用語とする」と宣言するするのがmb_internal_encodingになる。

だから、プログラムの中に記述されたストリングリテラルは、その公用語で書かれている前提になる。

今、こんなteratail.phpというファイルがUTF-8で保存されている。
<?php
$text = "みんなの大喜利会場『テラテイル』";

mb_internal_encodingが"UTF-8"であるとする。
PHPインタプリタさんにはこう見える。
<?php
$text = "みんなの大喜利会場『テラテイル』";

mb_internal_encodingが"cp932"であるとする。
PHPインタプリタさんにはこう見える。
<?php
$text = "縺ｿ繧薙↑縺ｮ螟ｧ蝟懷茜莨壼ｴ縲弱ユ繝ｩ繝・う繝ｫ縲・;

Could u understand?

[退会済みユーザー]

そうそう、んで言い忘れてたんだけど、
mb_ナンチャラってやつに関しては、
mb_ナンチャラって書いてある関数にしか影響しないです。

だから上の例で行くと、
縺ｿ繧薙↑縺ｮ螟ｧ蝟懷茜莨壼ｴ縲弱ユ繝ｩ繝・う繝ｫ縲・
っていうのは正確には、mb_ナンチャラ関数からの視界ですね。

今頃追記しておきます。

[aaaaaaaa]

ご返信ありがとうございました。

Answer 2

「初期値」は参照するときの話で、設定するときは内部エンコーディングを
変更しているという認識がわかりやすいのでは？

もちろん内部エンコーディングを変えたあと参照すれば、それはもう
初期値ではないのですけどね。