在 PHP 中，如何处理 HFS 上编码文件名的差异？ 与其他地方相比？

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。 数据库是使用 PHP 构建的，并通过 grep 文件（也使用 PHP）找到匹配项。

这在 Linux 中效果很好，但 不适用于 Mac使用非 ASCII 字符。 看起来 HFS+ (MacOSX) 上的名称编码与 ext3 (Linux) 上的名称编码不同。 这是一个 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";

当运行 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$

当在 Linux 上运行时（或在 MacOSX 上安装 nfs 的 ext3 文件系统上）：

$ 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返回“相等”？

Answer 1

MacOSX 使用规范化形式 D (NFD) 来编码 UTF-8，而大多数其他系统使用NFC。

(来自 unicode.org)

有 几个 NFD 到 NFC 转换的实现。 在这里，我使用 PHP Normalizer 类 来检测 NFD 字符串并转换它们至 NFC。 它可以在 PHP 5.3 中使用，也可以通过 PECL 国际化扩展使用。 以下修改将使脚本正常工作：

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

Answer 2

Mac OS X/HFS+ 似乎使用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，组合尖锐重音） 。 另请参阅 Apple 的 Unicode 分解表。

Answer 3

您是否检查过两个系统使用相同的区域设置？

PHP 脚本在两个系统上使用什么编码？

我还会尝试使用 strcmp 而不是 equals 运算符。 我不确定 equals 运算符是否在内部使用 strcmp，但在您的情况下进行测试很简单。