Форум PHP

В теле скрипта используется функция

$dlina_ssylky = strlen ($out) ;  // Длина ссылки

Как ни удивительно, но результаты ее работы в разных участках скрипта разные. По крайней мере, у меня получается так - для одной и той же фразы она дает разную длину. Понятно, что она видит какие-то скрытые символы, которые мне не видны.

Для контроля делаю так:

$dlina_ssylky = strlen ($out) ;  // Длина ссылки echo "<br>Текст очередной ссылки:"; echo htmlspecialchars($out); echo "Длина этой ссылки $dlina_ssylky";

Реально получаю:
Текст очередной ссылки:жХИМ 2001-вЕИЛ 2002Длина этой ссылки 22

Специально не делал перевод строк, чтобы не вкрались пробелы. Если посчитать знаки курсором, то их 19, хотя strlen утверждает, что 22!

В другой части скрипта этот же текст в составе массива обрабатывается еще раз, и тогда strlen насчитывает в нем 19 знаков!

Что бы это могло быть?

А вы HEX-редактором строки просмотрите.

Никогда не слышал про такой редактор! Что вы имеете в виду?

Им можно посмотреть переменную в рнр-скрипте?

А текст откуда берётся - имеется возможность сохранить его разные варианты (длинный и короткий) в виде текстового файла и прекрепить к сообщению здесь на форуме?

Длинный файл у меня есть - он в Приложении.

Оператором htmlspecialchars он читается так:
жХИМ 2001-вЕИЛ 2002

А в текстовом файле выглядит вот так:
жХИМ
2001-вЕИЛ
2002

Файлу предшествовала обработка:

$out_6 = preg_replace('|&#[0-9]+;|', '', $out_5); // Убираем цифровую мнемонику типа " (кавычки) и       $out_7 = trim ($out_6) ;     $out_8 = $out_7 ;      $out = $out_8;

перед первым из пробелов имеется перевод строки (LF=0x0A)'
после второго из пробелов возврат каретки, перевод строки (CR=0x0D, LF=0x0A)
три символа создают разность.

Судя по разнице в этих символах, где-то в процессе обработки явный баг....

Нортон и Волков показывает какие-то кракозябры в этих точках.
И WinHEX тоже не показал знаков, не соответствующих буквам.

Как можно обнаружить эти и подобные знаки?

Можно ли их убрать preg_replace?

Пропустите строку через эту функцию и посчитайте байты.

<% function DumpPack($pack = null) {     $len = strlen($pack);     $row_m = 16;     $row_c = 1;     $dump = null;     $file = 'dump.log';     for ( $x = 0; $x < $len; $x++ ) {         $dump .= sprintf( "%02X", ord( $pack{ $x } ) );         $dump .= chr(32);         if ( $row_c >= $row_m ) {             $dump .= chr(10);             $row_c = 1;         } else {             $row_c++;         }     }     $dump = trim( $dump ); /*     if ( $fp = fopen($file,'a+b') ) {         fwrite($fp, $dump . chr(10) . chr(10) );         fclose($fp);     } */     return $dump; }

Им можно просмотреть бинарные данные, те что ваш глаз не видит. Это можно сделать любой DOS-оболочкой, если нет редактора. У вас строки разные - 100%.

То, что строки разные, я, конечно же, понял.

Но вот как научиться находить скрытые коды? Как ни удивительно, но WinHex этих скрытых кодов не показал! Он видит вот что:
E6 D5 C8 CC 0A 20 32 30 30 31 2D E2 C5 C8 CB 20 0D 0A 32 30 30 32
ж Х И М 2 0 0 1 - в Е И Л 2 0 0 2

E6 D5 C8 CC 0A 20 32 30 30 31 2D E2 C5 C8 CB 20 0D 0A 32 30 30 32

Я выделил коды, которые Вы не видите в строке.

html-браузер не показывает плоский текст дословно.
В частности любые последовательности символов пропуска заменяются одним, который может быть отображен как пробел или как переход к следующей строке (в зависимости от контекса отображения).
Не стоит смотреть браузером строки текста в надежде найти посимвольносе соответствие.

Все что находится до 20Н - это символы управляющие, хотя многие из них имеют псевдографические обозначения (0Н - 1FH). Из тех что отметил вам Trianon, ODH вы уж точно видите, это возврат каретки. Вам может встретиться "видимая" 09Н - табуляция. Управляющие симолы в комбинации с кодом 1ВН (ESC) могут посылаться на принтер для управления печатью. Вот, любуйтесь:




С символа 20Н начинается пробел. Наберите НЕХ-редактором бинарные данные от 0Н до 1FH, сохраните, просмотрите текстовым редактором, а потом скопируйте их в поле Сообщение форума - начните сразу ввод, проследите за курсором и за тем где будет происходить ввод.





Очень интересный эксперимент!

Вероятно, есть стандартное решение этой проблемы - трансформация невидимых символов в другие знаки. Может быть, функцией ord или иначе. Чтобы любой файл неизвестного происхождения в превентивном порядке однократно обработать таким образом, что невоспроизводимые броузером знаки заменятся на отображаемые echo htmlspecialchars. Ну, а избыточные, не информативные коды, просто исчезнут. Не так, как я делал (preg_replace('|&#[0-9]+;|', '', $out_5)), а более профессионально.

Такое возможно?

========
А почему этого кода не видно в ASCII ?

$tmp_tmp = file_get_contents("tmp/5.txt");  $tmp = substr ($tmp_tmp, 4,1); $tmp_1 = ord ($tmp); echo "<br>Обработано ord $tmp_1" ;

Ну если есть необходимость проверяйте, удаляйте. Только управляющие символы:
9Н (9В) - горизонтальная табуляция
0АР (10В) - перевод строки
0ВН (11В) - вертикальная табуляция
0DН (13В) - возврат каретки
они "не лишние", как вам будет удобней исключить их из потока удаляемых - либо используя ord или регулярное выражение, я не знаю.

>А почему этого кода не видно в ASCII ?

А откуда мне знать что там за сивол?

Там символ 0А - это выделил Трианон (29.07.2007 в 14:26)

Его не видно.

===============
Не соображу, как убрать (заменить ) эти символы. Вот так не получается:

$kod = chr(0A); $tmp_25 = preg_replace($kod, '', $tmp_tmp); // Убираем скрытый ПС

9Н
Откуда привычка записывать так шестнадцатеричные числа? :) Не в Assembler случайно так записывают? И я так понимаю тут - "9В" - опечатка? В скобках должно быть 9D.

P.S. К слову http://www.google.ru/search?hl=ru&q=0hFF&btnG=%D0%9F%D0%BE%D0%B8%D1%81%D0%BA&lr=

Я уже совершенно запутался....

Можно примерчик - как удалить все это?

9Н (9В) - горизонтальная табуляция
0АР (10В) - перевод строки
0ВН (11В) - вертикальная табуляция
0DН (13В) - возврат каретки

И куда делись коды 0D 0A, вызвавшие всю эту тему?

$kod = chr(0A);
В PHP шестнадцатеричные символы записываются так: 0x0A, поэтому
$kod = chr(0x0A);

А вообще лучше

<?php $string = preg_replace("|[\\0\x01-\x08\x0C\x0E-\x10\x12-\x1F]+|", "", $string); ?>

Там символ 0А - это выделил Трианон (29.07.2007 в 14:26)
Его не видно.
...
И куда делись коды 0D 0A, вызвавшие всю эту тему?

Браузер не отображает переводы строк. Точнее только, если они находятся между тегами <pre> и </pre>. Для перевода строки в HTML есть тег <br />.

От ассемблера, ну он не такой уж и "вредный" :) Да и D (тоже сбой от ассемблера)).

автор: Unkind (29.07.2007 в 23:08)
Там символ 0А - это выделил Трианон (29.07.2007 в 14:26)
Его не видно.
...
И куда делись коды 0D 0A, вызвавшие всю эту тему?

Браузер не отображает переводы строк. Точнее только, если они находятся между тегами <pre> и </pre>. Для перевода строки в HTML есть тег <br />.

==================
Я имел в виду, что изначально проблема высветилась от того, что в тексте обнаружились коды 0D 0A, которые мне желательно убрать. Но потом разговор ушел в строну кодов
9Н (9В) - горизонтальная табуляция
0АР (10В) - перевод строки
0ВН (11В) - вертикальная табуляция
0DН (13В) - возврат каретки

А про 0D 0A больше не упоминается.

Я сделал

$string_1 = file_get_contents("tmp/5.txt"); $string_2 = preg_replace("|[\\0\x01-\x08\x0C\x0E-\x10\x12-\x1F]+|", "", $string_1); $file = fopen ("tmp/05.txt", "w") ;         fputs ($file, $string_2) ;                    fclose ($file) ;

попытку очистить файл от нежелательных кодов по предложенному Вами алгоритму, но проблема осталась. Этот файл 05.txt в Приложении.

Как убрать 0D 0A ?

В конце концов я убрал их "в лоб"

$kod = chr(0x0A); $string_2 = str_replace($kod,"",$string_1);

и проблема решилась.

Но непонятка, все же осталась. Вот какая.

Трианон отметил наличие кодов "возврат каретки, перевод строки (CR=0x0D, LF=0x0A)". С этим все понятно. Но теперь всплыли
0АР (10В) - перевод строки
0DН (13В) - возврат каретки

Это что, другие варианты CR и LF ?

Которые, гипотетически, тоже могут появиться в коде?

CR=0x0D - Carriage Return (Возврат каретки) - 0DH
LF=0x0A - Line Feed (Перевод строки) - 0AH

0АН - так записываются в ассемблере (для восьмиразрядных процессоров) шестнадцатеричные значения. Десятичные как 10D, а не В - это для восмиричных (аппаратный сбой:))).

В - это для восмиричных
А почему? B - Bin Может O - Oct?

Как убрать 0D 0A ?
Так я специально сделал так, чтобы они не убирались.

Это что, другие варианты CR и LF ?
Это байты записанные в шестнадцатеричной и десятичной системах счисления соответственно.

>А почему? B - Bin Может O - Oct?

На Masm, на котором мне приходиться писать, принято - восмиричная запись как В.

Произошло переполнение стека :))

Получается:
перевод строки - 0x0A
возврат каретки - 0x0D

Осталось только выяснить в терминах РНР:
горизонтальная табуляция - ?
вертикальная табуляция - ?

Тоже самое - добавьте 0х до кода: 0x9, 0x0B, либо используйте десятичные значения - 9 и 11. Ноль в шестнадцатеричных значениях добавляется перед символами: A, D, C, D, E, F. Если HEX-значение начинается с цифры, то ноль перед ним можно не указывать.

Большое спасибо!

Очень интересно.

Я так подумал, что, поскольку мне нужен только текст, то можно на автомате убрать все коды 1 по 31?

Вы хотите убрать переводы строк? Что же это будет за текст?
И в таком случае с 0 по 31.

А это текст коротенький - это текст ссылки, и в нем ПС совершенно неуместны.

В конце концов до меня дошло: ничего сверхсложного нет, надо просто взять таблицу ASKII и посмотреть, какие символы мне могут помешать, да и удалить их. Кстати, некоторые можно переопределить для своих внутрискриптовых целей.

Я очень благодарен всем, кто мне помог разобраться! Теперь у меня есть прекрасный инструмент на будущее!
Так интересно!