substr_count 関数（全角文字の出現回数がカウントされません）

Question

$str = file_get_contents('http://www.yahoo.co.jp/');
まずは、file_get_contents 関数を使って Yahoo! を読み込みます。

結果：きちんと表示される。

次に substr_count 関数を使って指定したキーワードが出てくる回数を調べます。
echo substr_count($str,"ニュース");
echo ":";
echo substr_count($str,"1");
echo ":";

結果：0:211

というように、半角文字をキーワードに指定した場合は、回数を数えてくれるのですが、全角文字を指定すると、ホームページ内で明らかに使われているはずのキーワードであっても回数が０（ゼロ）になってしまいます。

これはどうしてでしょうか？ ちなみに、mb_substr_count 関数を使っても同じ結果でした。

おわかりになる方、どうぞご教示くださいませ。
よろしくお願いいたします。

Answer 1

mb_substr_count($hoge, $hage, "UTF-8"); かな？ 使ったことありませんが。
↑

頭にmb_プレフィックスがついてないstring系関数は1バイト文字専用です。
UTF-8は1バイト文字についてはASCIIコードと互換するので、
substr_countでも1バイト文字については正しく動作しています。

文字コードが指定されないと内部エンコードが利用されるのですが、
検出できないということは、内部エンコーディングがShift-JISとかになっていませんでしょうか？

Comments

[退会済みユーザー]

http://php.net/manual/ja/function.mb-substr-count.php

[GikaiWatcher]

ご教示ありがとうございます。教えていただいた通りにしてみましたが、やはりダメでした。

$str = "テストとテスト";
echo substr_count($str,"テスト");
結果：2

$str = "テストとテスト";
echo mb_substr_count($str,"テスト");
結果：2

上記のように変数に直接値を指定した場合は、期待通りの結果が得られました。

引き続きのご教示をお願いいたします。

[hotta]

@lucker さんのコメント、ちゃんと読んでます？
mb_substr_count() の第三引数に 'UTF-8' を指定してみてください。
以下のスクリプトで、手元では正しく動いています。

```lang-php
<?php
$str = file_get_contents('http://www.yahoo.co.jp/');
print_r($str);
echo '出現回数＝' . mb_substr_count($str, 'ニュース', 'UTF-8') . "\n";
```

[hotta]

```lang-php ～ ``` は無視してください。コメント欄では効かないみたい。

[退会済みユーザー]

あなたのコードそのままで、こちらでは正しく動作します。

そうするとまず考えられるのは、
php.iniでmb_string関数が有効になっていない事なのですが、

echo phpinfo();　で、mbstringの項が
Multibyte Support enabled
になっているか確認できますか？

[退会済みユーザー]

>hottaさん

多分、extension=php_mbstring.dll（.so)
がコメントアウトされているんじゃないかと思うんですよね。

[hotta]

mb_string が無効の場合、undefined function になるのではと思いますが。

[退会済みユーザー]

なるほど。display_errorがOffになっていて、エラーが表示されないだけかと思いましたが、0が返るとおっしゃってますから、違いますね、確かに。

[退会済みユーザー]

ああ、すいません、私のコメントの後のやつ、エンコード指定してなかったんですね…
よく見ていませんでした...m(_ _)m

[hotta]

ちなみに拡張モジュールが無効の場合、存在しない関数を呼ぶことになるので致命的エラー扱いになり、display_errors が Off でも "undifined function" が表示されて、そこで実行が中断されると思います。
hotta@net-newbie:~/temp$ cat c.php
<?php
ini_set('display_erros', 0);
arienai_kansuu();
echo "OK\n";
hotta@net-newbie:~/temp$ php c.php
PHP Fatal error: Call to undefined function arienai_kansuu() in /home/hotta/temp/c.php on line 3

http://php.net/manual/ja/errorfunc.configuration.php#ini.display-errors

[退会済みユーザー]

> display_errors が Off でも "undifined function" が表示されて、そこで実行が中断されると思います。

PHP5.6・php.iniでdisplay_erros=Offでのテストでは、
エラーは何も表示されません。

もちろん、そこで中断されているはずですが。

[hotta]

手元の環境では表示されるようです。
Stack trace も付いてきました。

m-hotta@egypt:~$ cat a.php
<?php
echo 'PHP_VERSION = '. PHP_VERSION . "\n";
ini_set('display_erros', 0);
arienai_kansuu();
echo "OK\n";

m-hotta@egypt:~$ php a.php
PHP_VERSION = 5.6.6
PHP Fatal error: Call to undefined function arienai_kansuu() in /home/m-hotta/a.php on line 4
PHP Stack trace:
PHP 1. {main}() /home/m-hotta/a.php:0

[GikaiWatcher]

luckerさん、hottaさん、ありがとうございます。

mb_substr_count($hoge, $hage, "UTF-8");
や
<?php
$str = file_get_contents('http://www.yahoo.co.jp/');
print_r($str);
echo '出現回数＝' . mb_substr_count($str, 'ニュース', 'UTF-8') . "\n";
?>
で、実行してみました。やはり結果は「0」です。
一つ気になることが……。
出現回数＝0 と表示されなければならないところ、
�o���????�0
と、文字化けして表示されます。

指定する文字コードが違うのかと'UTF-8'の部分に EUC-JP, SJIS, auto と入れてみましたが、やはり文字化けした後に「0」と表示されます。

>echo phpinfo();　で、mbstringの項が
>Multibyte Support enabled
>になっているか確認できますか？

実行してみました。
Multibyte Support → enabled
となっています。

>あなたのコードそのままで、こちらでは正しく動作します。

そうですよね。
文字コードの関係で変数内部に「ニュース」という語が存在しないので結果が「0」になるということでしょうか？　半角文字の場合は文字コードの影響を受けないので、正しい値が返るということですね。

ものすごい初心者ですいませんが、引き続きお願いいたします。

[退会済みユーザー]

> 一つ気になることが……。
> 出現回数＝0 と表示されなければならないところ、
> �o���????�0
> と、文字化けして表示されます。

その直前に出力されている

> $str = file_get_contents('http://www.yahoo.co.jp/');
> print_r($str);

の$strの文字コードがUTF-8ではないからですね。
その文字コードをブラウザが識別してしまって、それで文字化けしているのだと思います。
だからmb_substr_countで識別できないんですね。

一体何がとれているんでしょう？

echo mb_ditect_encoding($str);
の結果は何でしょうか？

[退会済みユーザー]

mb_detect_encodingの間違いでした。

http://php.net/manual/ja/function.mb-detect-encoding.php

[退会済みユーザー]

申し訳ありません、どうもやはり内部エンコードが違うのかなと…

echo mb_internal_encoding();

こっちを出力した方がよさそうですね。（こんがらがってきました…）

[GikaiWatcher]

根気よくアドバイスをくださり、ありがとうございます。

「文字コード」がヒントになり、ようやく解決しました。

プログラムを書き終えてエディタで保存するときに、SJIS で保存しておりました。これを UTF-8 で保存し、アップロードしたところ、出現回数＝2 と無事に表示されました。

また、mb_detect_encoding (); を実行したところ、UTF-8 と返ってきました。
「こうやって文字コードを調べるのね」と、いたく感心しているところです。

echo mb_internal_encoding(); は ISO-8859-1 でした。

混乱させてしまってごめんなさい。PHP からしばらく遠ざかっていたので、本当に初歩的なことを忘れておりました。これでもう間違わないと思います。

lucker さん、ありがとうございます。感謝いたします！＼(^o^)／

[退会済みユーザー]

それはよかった。
こちらはどうやったら同じ現象を再現できるかと、いろいろ試していましたが、
お手上げでした。なるほどそういうケースでしたか。

[GikaiWatcher]

はい(^_^;　本当にお手間を取らせてしまいました。
３日ほど悩んでいたのですが、
ここに書き込んでこんなに早く解決するとは思っていませんでした。
ありがとうございます。これからもよろしくお願いいたします。

Answer 2

Web環境だと動きが違うのかなと思って、CentOS7+Apache-2.4.6+php-5.6.6の環境でテストしてみたら、興味深い結果になりました。

関数 arienai(); を呼ぶと、Web画面上は Internal Server Error 500 になりました。
apache の error_log を見てみると、

[Sat Mar 14 14:46:48.671545 2015] [:error] [pid 21098] [client 10.30.8.31:38907] PHP Fatal error:  Call to undefined function arienai() in /var/www/html/phpinfo.php on line 3

が記録されていました。

本題の質問からは外れてしまったので、このへんにしておきます。
（すみません、間違えて「回答」に書いてしまいました。）

Comments

[GikaiWatcher]

hotta さん、ありがとうございました。

lucker さんのお力添えにより、おかげ様で無事に解決いたしました。

hotta さんのアドヴァイスにもついていけるよう、さらに頑張りたいと思いますが、
道のりは遠そうです。今後ともよろしくお願いいたします。