在PHP中，我如何处理HFS +与其他地方的编码文件名的差异？

Question

我正在创建一个非常简单的文件搜索，其中搜索数据库是一个文本文件，每行一个文件名。数据库是用PHP构建的，通过grepping文件（也使用PHP）可以找到匹配项。

这在Linux中很有用，但是not on Mac when non-ascii characters are used。看起来HFS +（MacOSX）上的名称编码方式与例如ext3（Linux）。这是test.php：

<?php
$mystring = "abcóüÚdefå";
file_put_contents($mystring, "");
$h = dir('.');
$h->read(); // "."
$h->read(); // ".."
$filename = $h->read();

print "string: $mystring and filename: $filename are ";

if ($mystring == $filename) print "equal\n";
else print "different\n";

运行MacOSX时：

$ php test.php
string: abcóüÚdefå and filename: abcóüÚdefå are different
$ php test.php |cat -evt
string: abcóü?M-^Zdefå$ and filename: abco?M-^Au?M-^HU?M-^Adefa?M-^J are different$

在Linux（或MacOSX上安装了nfs的ext3文件系统）上运行时：

$ php test.php
string: abcóüÚdefå and filename: abcóüÚdefå are equal
$ php test.php |cat -evt
string: abcM-CM-3M-CM-<M-CM-^ZdefM-CM-% and filename: abcM-CM-3M-CM-<M-CM-^ZdefM-CM-% are equal$

有没有办法让这个脚本在两个平台上都“平等”？

Answer 1

MacOSX使用标准化形式D（NFD）编码UTF-8，而most other systems use NFC。

（from unicode.org）

NFD到NFC转换有several implementations。在这里，我使用PHP Normalizer class来检测NFD字符串并将其转换为NFC。它可以在PHP 5.3或PECL Internationalization extension中使用。以下修订将使脚本有效：

...
$filename = $h->read();
if (!normalizer_is_normalized($filename)) {
   $filename = normalizer_normalize($filename);
}
...

Answer 2

似乎Mac OS X / HFS +使用的是字符组合而不是单个字符。因此，ó（U + 00F3）被编码为o（U + 006F）+ ´（U + CC81，COMBINING ACUTE ACCENT）。另请参阅Apple’s Unicode Decomposition Table。

Answer 3

您是否检查过两个系统都使用相同的区域设置？

PHP脚本在两个系统上使用什么编码？

我也会尝试使用strcmp而不是equals运算符。我不确定equals运算符是否在内部使用strcmp，但在你的情况下测试是一件简单的事情。