银河星尘

http://blog.chweng.idv.tw/archives/300

這是一個與 WordPress 插件 bug 奮鬥的流水帳，有興趣的人再看看就好，其他人就可以直接跳過啦！

話說這幾天逛了好幾個 WordPress 相關網站，順便更新了幾個我自己站上的 plugin，也寫了兩個新的功能進去。就在一切即將大功告成的時候，熊熊發現 Firefox 的 Html Validator 套件給了我一個沒看過的錯誤圖示。

先解釋一下 Html Validator 的幾種可能檢測情況吧！最好的情況是沒有錯誤與警告，此時會給出一個綠色的勾勾圖示；如果只有警告（warning）的話，則出現黃色的驚嘆號；如果有錯誤（error）的話，則會出現紅色的 X。而這次，檢測結果出現的是一個藍紫色的 A（1 warning），但是檢視原始碼的時候，卻又告訴我沒有問題，真是奇怪……

問了一下朋友，才知道原來那個圖是代表的意思是，網頁中有無法正確解讀的字元存在，並且可用 W3C 的 The W3C Markup Validation Service 來指出錯誤是發生在哪一行。

前往檢查之後，又發現一個奇怪的現象：如果我直接把網址餵給 W3C 來檢查，會指出哪一行有無法解讀的字元存在，但如果我由自己的電腦開啟網頁，再將原始碼複製給 W3C 檢查，卻又可以通過檢測。

因為我的網頁每次都有些許的不同，所以直接餵給 W3C 所指出的行數，不一定會與我自己從瀏覽器取得的原始碼符合，而且就算真的從原始碼中找相對應的行數，也沒有發現什麼異常的情況，更何況這份原始碼複製給 W3C，一樣還是可以通過檢測的啊！那麼這個奇怪的字元究竟是怎麼出現的呢？為了抓出這個傢伙，一時間還真沒有想到什麼比較好的方法……

經過一天的沉澱，終於想到一個應該可行的方法，就是用 php 的 curl 函式，直接將網頁內容擷取下來，而不透過複製的方式來取得原始碼。果然！將使用這個方法擷取的原始碼餵給 W3C，一樣會指出某一行出現編碼錯誤的訊息。再去查看相對應的行數，果然被我找到問題所在了！雖然還是沒有看到那個神秘字元長什麼樣子，不過總算稍微有點頭緒。

問題的關鍵，就出在 Random Posts for Chinese 這個 plugin 上。因為這個插件會去切割文字內容，來達到摘要的效果。也許就是在切割的過程中出了點差錯……

看了一下 code 後，果不期然，終於發現問題所在，果然是在字元切割上的問題！抓到問題來源後，稍微修改一下 code 然後正式上線……賓果！一切正常了！

在 Yan Feng 前輩提供的另一個插件 – Comment Hacks 中，就有一個 utf8_trim 函式，可用來處理切割 UTF-8 字元的問題。不過顯然他忘了把這功能也加到 Random Posts for Chinese 中，所以才會出現這樣的異常情況。

其實這個問題，在使用多字元文字（以亞洲國家中日韓為主）的網頁中還滿常發現的，但偏偏大多數的 WordPress plugin 作者多是使用單字元文字的歐美人士，通常都沒有注意到這個問題。因此同樣的情況很可能一再重複發生，必須靠自己來修正這些套件，才能盡量避開這些錯誤。

以上報告完畢，如果你的 WordPress 部落格老是因為這個原因通不過檢測的話，不妨檢查一下所使用的 plugin 中，是否有做切割（strip）文字的動作？那往往就是問題的關鍵所在喔！

http://www.robbin.cc/vb/showthread.php?t=95
我一向是使用這個函式來做中文字元切割
PHP 代碼:

function cut_str($str, $maxlen) {
    $i = 0; $l = 0; $f = true;
    $len = strlen($str);
    while ($i <= $len) {
        if (ord($str[$i]) < 0x80) { $l++; $i++;    //0~128
        }
        elseif (ord($str[$i]) < 0xe0) { $l++; $i += 2;//128~224
        }
        elseif (ord($str[$i]) < 0xf0) { $l += 2; $i += 3;//224~240
        }
        elseif (ord($str[$i]) < 0xf8) { $l += 1; $i += 4;//240~248
        }
        elseif (ord($str[$i]) < 0xfc) { $l += 1; $i += 5;//248~252
        }
        elseif (ord($str[$i]) < 0xfe) { $l += 1; $i += 6;//252~254
        }
        if (($l >= $maxlen - 1) && $f)  {
           $str = substr($str, 0, $i);
           $f = false;
        }
        if (($l > $maxlen) && ($i <=$len)) {
            $str .= "…";
            break;
        }
    }
    return $str;
  }

個人覺得還不錯用….

這是內附的 utf8_trim 函式：
PHP 代碼:

function utf8_trim($str) {
    $len = strlen($str);
    for ($i=strlen($str)-1; $i>=0; $i-=1) {
        $hex .= ' '.ord($str[$i]);
        $ch = ord($str[$i]);
        if (($ch & 128)==0) return(substr($str,0,$i));
        if (($ch & 192)==192) return(substr($str,0,$i));
    }
    return($str.$hex);
}

對 UTF-8 編碼格式沒有太多研究，
不知道哪個比較完美呢？有沒有可能漏掉某些情況沒處理到？

今天朋友告知了一個好用的功能，如果你的 php.ini 有開啟 mbstring 這個 extension 的話，可以用 mb_substr 這個函式來切字，用法跟 substr 完全一樣。

不過切字前記得先用 mb_internal_encoding 來指定編碼方式，在 WordPress 中，可以搭配 get_bloginfo(‘charset’) 來取得 blog 使用的編碼格式，這樣幾乎就萬無一失了！

代碼:

mb_internal_encoding( get_bloginfo('charset') );
$string = mb_substr($string, 0, $length);

我將您的函數做了一點小修正：

function utf8_trim($str) {
$len = strlen($str);
if ( ( ord($str[$len-1]) & 128 ) ==0 ) return($str);
 
for ($i=strlen($str)-1; $i>=0; $i-=1) {
$hex .= ' '.ord($str[$i]);
$ch = ord($str[$i]);
//if (($ch & 128)==0) return(substr($str,0,$i));
if (($ch & 192)==192) return(substr($str,0,$i));
}
 
return($str.$hex);
}

大概是這樣。
評論由 Hemiola 發表 @ 五月 7 日, 2006 6:16 上午

Related posts

• 解决：Fatal error: Allowed memory size of 33554432 bytes exhausted (tried to allocate xxx bytes) (4)
• [ZT]终于倒腾出了一个wordpress 插件 — simpleReply (0)
• [ZT]精通WordPress Shortcodes (0)
• [ZT]更新升级到WordPress 2.9及Simple Tags插件问题 (0)
• [ZT]使用jQuery为导出链接增加favicon图标 (0)