PHP5.5の「大文字小文字を区別しない比較がロケールに依存しなくなる」について

Question

PHP5.5の「大文字小文字を区別しない比較がロケールに依存しなくなる」について

解決済

回答 1

投稿 2016/05/13 23:33

評価
クリップ 0
VIEW 1,687

mkt-0818

score 7

PHP5.5の「下位互換性のない変更点」(下記ページ)

http://php.net/manual/ja/migration55.incompatible.php

に記載されている「大文字小文字を区別しない比較がロケールに依存しなくなる」の内容について具体的にどのロケール及びコードで過去バージョンと差異が発生するのか、ご教示頂けないでしょうか。

認識しているロケールごとにmb_internal_encodingも変更して確認してみましたが、全てPHP5.5とPHP5.4で同じ結果が返ってきます。
(ロケールによって結果は異なりますが・・・)

PHP5.4と5.5で結果が異なる具体的なコードをご教示頂けると有難いです。

確認したソースコードの一部(環境：CentOS6.4-ファイルの文字コードはUTF8)

<?php
error_reporting(E_ALL);

function sl($locale, $str) {
  $arEncode = array('', 'UCS-4','UCS-4BE','UCS-4LE','UCS-2','UCS-2BE','UCS-2LE','UTF-32','UTF-32BE','UTF-32LE','UTF-16','UTF-16BE','UTF-16LE','UTF-7','UTF7-IMAP','UTF-8','ASCII','EUC-JP','SJIS','eucJP-win','SJIS-win','ISO-2022-JP','ISO-2022-JP-MS','CP932','CP51932','SJIS-mac','JIS','JIS-ms','CP50220','CP50220raw','CP50221','CP50222','ISO-8859-1','ISO-8859-2','ISO-8859-3','ISO-8859-4','ISO-8859-5','ISO-8859-6','ISO-8859-7','ISO-8859-8','ISO-8859-9','ISO-8859-10','ISO-8859-13','ISO-8859-14','ISO-8859-15','byte2be','byte2le','byte4be','byte4le','BASE64','HTML-ENTITIES','7bit','8bit','EUC-CN','CP936','GB18030','HZ','EUC-TW','CP950','BIG-5','EUC-KR','UHC','ISO-2022-KR','Windows-1251','Windows-1252','CP866','KOI8-R','ArmSCII-8');
  foreach ($arEncode as $encode) {
    mb_internal_encoding($encode);

    ex($locale, $str);
  }
}

function ex($locale, $str) {
  if (setlocale(LC_ALL, $locale) === false) {
      error_log('Locale not found: ' . $locale) . PHP_EOL;
      return;
  }

  echo STRTOUPPER($str) . PHP_EOL;
  echo MB_STRTOUPPER($str) . PHP_EOL;
  echo STRCASECMP($str, STRTOUPPER($str)) . PHP_EOL;
  echo STRLEN($str) . PHP_EOL;
  echo MB_STRLEN($str) . PHP_EOL;
  echo SUBSTR($str, 10, 10) . PHP_EOL;
  echo STRIPOS($str, chr(0xE6)) . PHP_EOL;
  echo STRPOS($str, chr(0xE6)) . PHP_EOL;
  echo STR_REPLACE(chr(0xE6), '日本語', $str) . PHP_EOL;
  echo STR_IREPLACE(chr(0xE6), '日本語', $str) . PHP_EOL;
  echo UCFIRST($str) . PHP_EOL;

}

$str = null;
for($i=0xC0; $i<=0xFF; $i++){
  $str .= chr($i);
  if ($i == 0xDF) $str .= 'abc日本語';
}

sl('C',$str);
sl('POSIX',$str);
sl('aa_DJ',$str);
sl('aa_DJ.iso88591',$str);
sl('aa_DJ.utf8',$str);
sl('aa_ER',$str);
sl('aa_ER.utf8',$str);

/*文字数制限により省略(「locale -a」の結果全て)*/

sl('zh_TW.utf8',$str);
sl('zu_ZA',$str);
sl('zu_ZA.iso88591',$str);
sl('zu_ZA.utf8',$str);

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

クリップを取り消します
良い質問の評価を上げる

以下のような質問は評価を上げましょう
- 質問内容が明確
- 自分も答えを知りたい
- 質問者以外のユーザにも役立つ
評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。
質問の評価を上げたことを取り消します

評価を下げられる数の上限に達しました

評価を下げることができません
- 1日5回まで評価を下げられます
- 1日に1ユーザに対して2回まで評価を下げられます
質問の評価を下げる

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。
- プログラミングに関係のない質問
- やってほしいことだけを記載した丸投げの質問
- 問題・課題が含まれていない質問
- 意図的に内容が抹消された質問
- 過去に投稿した質問と同じ内容の質問
- 広告と受け取られるような投稿
評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。
質問の評価を下げたことを取り消します

この機能は開放されていません

評価を下げる条件を満たしてません

評価を下げる理由を選択してください
プログラミングに関係のない質問やってほしいことだけを記載した丸投げの質問問題・課題が含まれていない質問意図的に内容が抹消された質問過去に投稿した質問と同じ内容の質問広告と受け取られるような投稿
詳細な説明はこちら

上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。
質問の評価を下げる機能の利用条件

この機能を利用するためには、以下の事項を行う必要があります。
- 質問回答など一定の行動
- メールアドレスの認証
  メールアドレスの認証
- 質問評価に関するヘルプページの閲覧
  質問評価に関するヘルプページの閲覧

回答 1 件

評価が高い順
新着順
古い順

同じタグがついた質問を見る

PHP

score 1 · Accepted Answer · 2016-05-14T07:35

ベストアンサー

+1

PHP5.5より前の環境が無いため検証はあまりできていませんが、そもそもそこで述べていることに誤解があるようです。

そのページで述べている大文字小文字無視のマッチングは、関数名やクラス名や定数名についての話であり、strcasecmp等の関数での処理での話ではありません。たとえば、hoiという関数があった場合、HOIでも呼び出せるというところの大文字小文字の無視です。5.4以前ではトルコ語の環境にするとHOİ( İ はIの上または右上方に・がありますが、環境によっては正しく表示されません)でも呼び出せたようですが、5.5以降は言語環境に関係なくASCIIでのルールにのみ従うようになったため、呼び出せなくなったと言うことです。

<?php
function hoi()
{
  echo "hoi";
}
HOİ(); // Iではなくİ。5.4以前でトルコ語なら呼び出せる。

なお、ここでのロケールはシステムのロケールだと思われます。マルチバイト文字の扱い方の変更に過ぎないmb_internal_encodingでは設定できず、PHPを呼び出す前にシステム(OS)のロケールを変更しないと確認できないかも知れません。

投稿 2016/05/14 07:35

回答の評価を上げる

以下のような回答は評価を上げましょう
- 正しい回答
- わかりやすい回答
- ためになる回答
評価が高い回答ほどページの上位に表示されます。
回答の評価を下げる

下記のような回答は推奨されていません。
- 間違っている回答
- 質問の回答になっていない投稿
- スパムや攻撃的な表現を用いた投稿
評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

2016/05/14 07:55

こちらも検証してませんが、おそらくこのBugなので、setlocaleすれば発生の確認はできそうです。

https://bugs.php.net/bug.php?id=18556

こちらも検証してませんが、おそらくこのBugなので、setlocaleすれば発生の確認はできそうです。 https://bugs.php.net/bug.php?id=18556

キャンセル
2016/05/14 23:08

raccyさん

ご回答有難うございます。

http://b60.uchb.net/linux/2014/09/articles4php55.html

を拝見して、そうゆう事象が発生するなのか？と勘違いしておりましたが、
こちらの内容って、この問題とは別の問題っぽいですね。

クラス名、関数名、定数名ってASCIIコードでのみ定義できるものと思っておりましたが、違うんですね。

>これは、マルチバイト文字セット (UTF-8 も含む) で非 ASCII 文字に対して大文字小文字を区別しないマッチングをしているコードで問題になるかもしれません。
>ヨーロッパ諸国語のアクセント記号などがこれにあてはまります。

上記の記載内容からヨーロッパ諸国で通常使用される「ISO-8859-1」での「アクセント記号(0xC0～0xFF)」は
マルチバイトじゃないような。(マルチバイトを扱える文字コードでアクセント記号を使用した場合って意味？？？)

eripongさん

ご回答有難うございます。
ご指摘頂いたバグについて、バグ投稿された際に記載されているスクリプトは、
私の環境ではVer.5.4と5.5でも正常に実行されてましたが、
「raccyさん」の回答頂いた内容からも、こちらが怪しいですね。

raccyさん、eripongさん

ご回答頂いた内容を踏まえて、再度、事象の再現確認をしたいと思います。
(再現できるかはわかりませんが。)
ですので、解決済み及びベストアンサーのマークは2、3日お待ち頂けますでしょうか。

raccyさんご回答有難うございます。 http://b60.uchb.net/linux/2014/09/articles4php55.html を拝見して、そうゆう事象が発生するなのか？と勘違いしておりましたが、こちらの内容って、この問題とは別の問題っぽいですね。クラス名、関数名、定数名ってASCIIコードでのみ定義できるものと思っておりましたが、違うんですね。 >これは、マルチバイト文字セット (UTF-8 も含む) で非 ASCII 文字に対して大文字小文字を区別しないマッチングをしているコードで問題になるかもしれません。 >ヨーロッパ諸国語のアクセント記号などがこれにあてはまります。上記の記載内容からヨーロッパ諸国で通常使用される「ISO-8859-1」での「アクセント記号(0xC0～0xFF)」はマルチバイトじゃないような。(マルチバイトを扱える文字コードでアクセント記号を使用した場合って意味？？？) eripongさんご回答有難うございます。ご指摘頂いたバグについて、バグ投稿された際に記載されているスクリプトは、私の環境ではVer.5.4と5.5でも正常に実行されてましたが、「raccyさん」の回答頂いた内容からも、こちらが怪しいですね。 raccyさん、eripongさんご回答頂いた内容を踏まえて、再度、事象の再現確認をしたいと思います。 (再現できるかはわかりませんが。) ですので、解決済み及びベストアンサーのマークは2、3日お待ち頂けますでしょうか。

キャンセル
2016/05/16 23:25 編集

コメントでは、MarkDown機能が使用できなく、質問者がコードをさらに記載したい場合は、みなさんどうされているのでしょうか？

醜い投稿となり申し訳ございません。
```PHP
<?php
class aÀ{} //「À」(0xC0)
class InfoBlob{} //「I」(0x49)
class i{} //「i」(0x69)
class g{} //「g」(0x67)
class E{} //「E」(0x45)

function sl($locale) {
if (setlocale(LC_ALL, $locale) === false) {
error_log('Locale not found: ' . $locale) . PHP_EOL;
return;
}

if(!class_exists('aÀ')) echo 'aÀ:'. $locale . PHP_EOL; //①「À」(0xC0)
if(!class_exists('aà')) echo 'aà:'. $locale . PHP_EOL; //②「à」(0xE0)

if(!class_exists('InfoBlob')) echo 'InfoBlob:'. $locale . PHP_EOL; //③「I」(0x49)
if(!class_exists('infoBlob')) echo 'infoBlob:'. $locale . PHP_EOL; //④「i」(0x69)

echo strtolower('INFOBLOB') . PHP_EOL; //⑤小文字変換

if(!class_exists('İ')) echo 'I:'. $locale . PHP_EOL; //⑥「İ」(0x0130)
if(!class_exists('Ġ')) echo 'G:'. $locale . PHP_EOL; //⑦「Ġ」(0x0117)
if(!class_exists('ė')) echo 'e:'. $locale . PHP_EOL; //⑧「ė」(0x0120)
}

sl('C');
sl('POSIX');
sl('aa_DJ');
//・・・(省略)
sl('ja_JP');
sl('ja_JP.eucjp');
sl('ja_JP.ujis');
sl('ja_JP.utf8');
sl('japanese');
sl('japanese.euc');
//・・・(省略)
sl('zu_ZA');
sl('zu_ZA.iso88591');
sl('zu_ZA.utf8');
```
**【出力結果】**
※以下の日本語ロケールは以下を指します。
ja_JP
ja_JP.eucjp
ja_JP.ujis
ja_JP.utf8
japanese
japanese.euc

- ①if(!class_exists('aÀ')) echo 'aÀ:'. $locale . PHP_EOL; //①「À」(0xC0)
→5.4でのみ309個(全733個中)出力 ※日本語ロケールの出力なし
(詳細は省略)
→5.5では出力なし

- ②if(!class_exists('aà')) echo 'aà:'. $locale . PHP_EOL; //②「à」(0xE0)
→5.4, 5.5とも全ロケールで出力される

- ③if(!class_exists('InfoBlob')) echo 'InfoBlob:'. $locale . PHP_EOL; //③「I」(0x49)
→5.4でのみ16個出力 ※日本語ロケールの出力なし
InfoBlob:az_AZ
InfoBlob:az_AZ.utf8
InfoBlob:crh_UA
InfoBlob:crh_UA.utf8
InfoBlob:ku_TR
InfoBlob:ku_TR.iso88599
InfoBlob:ku_TR.utf8
InfoBlob:tr_CY
InfoBlob:tr_CY.iso88599
InfoBlob:tr_CY.utf8
InfoBlob:tr_TR
InfoBlob:tr_TR.iso88599
InfoBlob:tr_TR.utf8
InfoBlob:tt_RU.utf8@iqtelif
InfoBlob:tt_RU@iqtelif
InfoBlob:turkish
→5.5では出力なし

- ④if(!class_exists('infoBlob')) echo 'infoBlob:'. $locale . PHP_EOL; //④「i」(0x69)
→5.4, 5.5とも出力なし

- ⑤echo strtolower('INFOBLOB') . PHP_EOL; //⑤小文字変換
→5.4でのみ③で出力されるロケールについては「InfoBlob」。それ以外は「infoBlob」。

- ⑥if(!class_exists('İ')) echo 'I:'. $locale . PHP_EOL; //⑥「İ」(0x0130)
→5.4でのみ③の出力と同一のロケールを出力。
→5.5では出力なし

- ⑦if(!class_exists('Ġ')) echo 'G:'. $locale . PHP_EOL; //⑦「Ġ」(0x0117)
→5.4, 5.5とも出力なし

- ⑧if(!class_exists('ė')) echo 'e:'. $locale . PHP_EOL; //⑧「ė」(0x0120)
→5.4, 5.5とも出力なし

**【考察】**
- 考察①
①②の結果、Ver5.4ではアクセント記号を使用したクラス名はロケールによっては使用できない。
(アクセント記号のクラス名は大文字、小文字は全てのロケールで異なると判定される。)

- 考察②
③④⑤⑥⑦⑧の結果、Ver5.4ではトルコ語及びトルコ語の規則を使用するアゼルバイジャン（az）、クルド（ku）等のロケールでの大文字「I」が正しく扱えなかった為、クラス名、関数名の大文字、小文字と大文字、小文字の相違を伴う関数の結果が正しく返されなかった。
https://bugs.php.net/bug.php?id=18556

→考察②での特定のロケールで大文字「I」に問題があった為、ロケールに依存しないよう修正された。
結果、考察①のようにアクセント記号にて定義されたものが、ロケールによって認識しないものが、認識されるようになった？

**【疑問】**
- 疑問①
http://php.net/manual/ja/language.oop5.basic.php

のクラス名に以下の文字を使用できるとあるが、
__^[a-zA-Z_\x7f-\xff][a-zA-Z0-9_\x7f-\xff]*$__
⑥⑦⑧で使用した文字コード「İ」「Ġ」「ė」は
範囲外であるが、正しく認識している？

- 疑問②
「À」(0xC0) と「à」(0xE0)は大文字小文字の関係にない？

長文で分かりにくい内容となり恐縮ですが、考察と疑問について、ご指摘頂ける方がございましたら、宜しくお願いします。

コメントでは、MarkDown機能が使用できなく、質問者がコードをさらに記載したい場合は、みなさんどうされているのでしょうか？醜い投稿となり申し訳ございません。 ```PHP <?php class aÀ{} //「À」(0xC0) class InfoBlob{} //「I」(0x49) class i{} //「i」(0x69) class g{} //「g」(0x67) class E{} //「E」(0x45) function sl($locale) { if (setlocale(LC_ALL, $locale) === false) { error_log('Locale not found: ' . $locale) . PHP_EOL; return; } if(!class_exists('aÀ')) echo 'aÀ:'. $locale . PHP_EOL; //①「À」(0xC0) if(!class_exists('aà')) echo 'aà:'. $locale . PHP_EOL; //②「à」(0xE0) if(!class_exists('InfoBlob')) echo 'InfoBlob:'. $locale . PHP_EOL; //③「I」(0x49) if(!class_exists('infoBlob')) echo 'infoBlob:'. $locale . PHP_EOL; //④「i」(0x69) echo strtolower('INFOBLOB') . PHP_EOL; //⑤小文字変換 if(!class_exists('İ')) echo 'I:'. $locale . PHP_EOL; //⑥「İ」(0x0130) if(!class_exists('Ġ')) echo 'G:'. $locale . PHP_EOL; //⑦「Ġ」(0x0117) if(!class_exists('ė')) echo 'e:'. $locale . PHP_EOL; //⑧「ė」(0x0120) } sl('C'); sl('POSIX'); sl('aa_DJ'); //・・・(省略) sl('ja_JP'); sl('ja_JP.eucjp'); sl('ja_JP.ujis'); sl('ja_JP.utf8'); sl('japanese'); sl('japanese.euc'); //・・・(省略) sl('zu_ZA'); sl('zu_ZA.iso88591'); sl('zu_ZA.utf8'); ``` **【出力結果】** ※以下の日本語ロケールは以下を指します。 ja_JP ja_JP.eucjp ja_JP.ujis ja_JP.utf8 japanese japanese.euc - ①if(!class_exists('aÀ')) echo 'aÀ:'. $locale . PHP_EOL; //①「À」(0xC0) →5.4でのみ309個(全733個中)出力 ※日本語ロケールの出力なし (詳細は省略) →5.5では出力なし - ②if(!class_exists('aà')) echo 'aà:'. $locale . PHP_EOL; //②「à」(0xE0) →5.4, 5.5とも全ロケールで出力される - ③if(!class_exists('InfoBlob')) echo 'InfoBlob:'. $locale . PHP_EOL; //③「I」(0x49) →5.4でのみ16個出力 ※日本語ロケールの出力なし InfoBlob:az_AZ InfoBlob:az_AZ.utf8 InfoBlob:crh_UA InfoBlob:crh_UA.utf8 InfoBlob:ku_TR InfoBlob:ku_TR.iso88599 InfoBlob:ku_TR.utf8 InfoBlob:tr_CY InfoBlob:tr_CY.iso88599 InfoBlob:tr_CY.utf8 InfoBlob:tr_TR InfoBlob:tr_TR.iso88599 InfoBlob:tr_TR.utf8 InfoBlob:tt_RU.utf8@iqtelif InfoBlob:tt_RU@iqtelif InfoBlob:turkish →5.5では出力なし - ④if(!class_exists('infoBlob')) echo 'infoBlob:'. $locale . PHP_EOL; //④「i」(0x69) →5.4, 5.5とも出力なし - ⑤echo strtolower('INFOBLOB') . PHP_EOL; //⑤小文字変換 →5.4でのみ③で出力されるロケールについては「InfoBlob」。それ以外は「infoBlob」。 - ⑥if(!class_exists('İ')) echo 'I:'. $locale . PHP_EOL; //⑥「İ」(0x0130) →5.4でのみ③の出力と同一のロケールを出力。 →5.5では出力なし - ⑦if(!class_exists('Ġ')) echo 'G:'. $locale . PHP_EOL; //⑦「Ġ」(0x0117) →5.4, 5.5とも出力なし - ⑧if(!class_exists('ė')) echo 'e:'. $locale . PHP_EOL; //⑧「ė」(0x0120) →5.4, 5.5とも出力なし **【考察】** - 考察① ①②の結果、Ver5.4ではアクセント記号を使用したクラス名はロケールによっては使用できない。 (アクセント記号のクラス名は大文字、小文字は全てのロケールで異なると判定される。) - 考察② ③④⑤⑥⑦⑧の結果、Ver5.4ではトルコ語及びトルコ語の規則を使用するアゼルバイジャン（az）、クルド（ku）等のロケールでの大文字「I」が正しく扱えなかった為、クラス名、関数名の大文字、小文字と大文字、小文字の相違を伴う関数の結果が正しく返されなかった。 https://bugs.php.net/bug.php?id=18556 →考察②での特定のロケールで大文字「I」に問題があった為、ロケールに依存しないよう修正された。結果、考察①のようにアクセント記号にて定義されたものが、ロケールによって認識しないものが、認識されるようになった？ **【疑問】** - 疑問① http://php.net/manual/ja/language.oop5.basic.php のクラス名に以下の文字を使用できるとあるが、 __^[a-zA-Z_\x7f-\xff][a-zA-Z0-9_\x7f-\xff]*$__ ⑥⑦⑧で使用した文字コード「İ」「Ġ」「ė」は範囲外であるが、正しく認識している？ - 疑問② 「À」(0xC0) と「à」(0xE0)は大文字小文字の関係にない？長文で分かりにくい内容となり恐縮ですが、考察と疑問について、ご指摘頂ける方がございましたら、宜しくお願いします。

キャンセル
2016/05/17 21:29

うーん、私もそれほど詳しいわけではありませんが、修正された理由はロケールによって動きが異なるのはよろしくないって所だと思います。

PHPはそもそもASCII以外の文字を考慮していません。文字列はただの8bitのcharの羅列でしか見ていません。PHPにはソースコード自体の文字コードを指定する方法はありませんし、mbstringはそれを特定のエンコードと見なして処理しているだけに過ぎません。Shift_JISで"表"を"表\"とする必要があるのも8bitのcharの羅列でしか見ていないからです。ですので、Unicodeで見ても意味がありません。もしUTF-8でエンコードしている場合はU+80以上の文字は全て\x80-\xffの範囲に入ります。注意すべき所はここら辺かなと思います。

うーん、私もそれほど詳しいわけではありませんが、修正された理由はロケールによって動きが異なるのはよろしくないって所だと思います。 PHPはそもそもASCII以外の文字を考慮していません。文字列はただの8bitのcharの羅列でしか見ていません。PHPにはソースコード自体の文字コードを指定する方法はありませんし、mbstringはそれを特定のエンコードと見なして処理しているだけに過ぎません。Shift_JISで"表"を"表\"とする必要があるのも8bitのcharの羅列でしか見ていないからです。ですので、Unicodeで見ても意味がありません。もしUTF-8でエンコードしている場合はU+80以上の文字は全て\x80-\xffの範囲に入ります。注意すべき所はここら辺かなと思います。

キャンセル
2016/05/22 22:39

何だかすっきりはしませんが、とりあえず日本語のロケールを使用している限りは、バージョンアップしてもこの問題は発生しないと思いますので、クローズします。

raccyさん、eripongさん

貴重なアドバイスを頂き、有難うございました。
これからも活用させて頂きたいと思いますので、目に留まった際には、
宜しくお願い致します。

何だかすっきりはしませんが、とりあえず日本語のロケールを使用している限りは、バージョンアップしてもこの問題は発生しないと思いますので、クローズします。 raccyさん、eripongさん貴重なアドバイスを頂き、有難うございました。これからも活用させて頂きたいと思いますので、目に留まった際には、宜しくお願い致します。

キャンセル

質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう！

PHP5.5の「大文字小文字を区別しない比較がロケールに依存しなくなる」について

確認したソースコードの一部(環境：CentOS6.4-ファイルの文字コードはUTF8)

関連した質問

同じタグがついた質問を見る

質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう！

PHP5.5の「大文字小文字を区別しない比較がロケールに依存しなくなる」について

確認したソースコードの一部(環境：CentOS6.4-ファイルの文字コードはUTF8)

15分調べてもわからないことは、teratailで質問しよう！

関連した質問

同じタグがついた質問を見る

SNSアカウントでログイン

teratailアカウントでログイン