PHPで文字コード表を作る

「文字コードの話」では、さまざまな文字符号化方式を紹介している。
そこで今回は、入力したテキストを、JISコード、シフトJISコード、EUC-JPコード、UCS-4、UTF-16、UTF-8、ISO-2022-JP で表したときの文字コードを一覧表示するPHPプログラムをつくってみることにする。

（2021年7月11日）PHP8対応，リファラ・チェック改良

プログラムを実行する

サンプル・プログラムの実行例

サンプル・プログラム

ダウンロード（PHP8対応）

圧縮ファイルの内容
CES.php	サンプル・プログラム

準備

  39: //JIS X 0123:2004 コード表
  40: // ラトルズ刊『文字コード【超】研究改訂第２版』のサンプルデータ
  41: // http://query1000.com/chrc/data.html を参照
  42: define('FILE_JISX0213', 'jisx0213-2004-std2.txt');
  43:

PHPで文字コードを求めるには、組み込み関数 mb_convert_encoding を利用する方針だ。ところが、この関数だけでは、いわゆる JISコード（面区点コード）を求めることができない。
EUC-JP やシフトJISコードから逆算はできるのだが、それでは、JIS第3・第4水準漢字のコードが計算できない。

そこで、深沢千尋さんが著した『文字コード【超】研究改訂第２版』（ラトルズ＝刊）のサンプルデータとして公開されている JIS X 0213:2004 のコード表 "jisx0213-2004-std2.txt" を流用することにした。このファイルをダウンロードして、適当なフォルダに配置していただきたい。

解説：JISコードを求める

185: /**
186:  * JIS面区点コードを返す
187:  * @param   string $ch 文字（INTERNAL_ENCODING）
188:  * @return  string JIS面区点コード
189: */
190: function ch2kuten($ch) {
191:     $infp = fopen(FILE_JISX0213, 'r');
192:     while (! feof($infp)) {
193:         $s = fgets($infp);
194:         $arr = mb_split("\t", $s);
195:         if (isset($arr[3]) && ($arr[3] == $ch)) {
196:             preg_match('/[0-9]+\-[0-9]+\-[0-9]+/ui', $arr[0], $arr2);
197:             return $arr2[0];
198:         }
199:     }
200:     return '?';
201: }

ユーザー関数 ch2kuten は、入力された文字に対する JISコード（面区点コード）を返す。

前述の通り、文字を JIS X 0213 コード表と照合し、合致した JISコード（面区点コード）を返す。

解説：文字コードを求める

228: /**
229:  * エンコードで指定された文字コードを返す（ch2codeの下請け）
230:  * @param   string $ch 文字（INTERNAL_ENCODING）
231:  * @param   string $encode エンコード
232:  * @return  string 文字コード（16進数文字列）
233: */
234: function ch2code_sub($ch, $encode) {
235:     $ch2 = mb_convert_encoding($ch, $encode, INTERNAL_ENCODING);
236:     //変換エラー
237:     if ($ch != '?' && $ch2 == '?')      return '?';
238:
239:     //文字コード
240:     $hex = bin2hex($ch2);
241:     $hex = strtoupper($hex);
242:
243:     $l = strlen($hex);
244:     $outstr = '';
245:     for ($i = 0; $i < $l; $i += 2) {
246:         $outstr .= substr($hex, $i, 2);
247:         $outstr .= ' ';
248:     }
249:
250:     return $outstr;
251: }

それ以外の文字符号化方式については、組み込み関数 mb_convert_encoding を利用して文字コードを求める。

コード変換した結果を、組み込み関数 bin2hex に入れると、その文字の16進コードを取得できる。表示の便宜上、1バイトごとに空白文字を入れておく。

解説：ISO-2022-JPコードを求める

203: /**
204:  * ISO-2022-JPコードを返す（エスケープは省く）
205:  * @param   string $ch 文字（INTERNAL_ENCODING）
206:  * @return  string ISO-2022-JPコード
207: */
208: function ch2iso2022jp($ch) {
209:     $ch2 = mb_convert_encoding($ch, 'ISO-2022-JP', INTERNAL_ENCODING);
210:     //変換エラー
211:     if ($ch != '?' && $ch2 == '?')      return '?';
212:
213:     //文字コード
214:     $hex = bin2hex($ch2);
215:     $hex = strtoupper($hex);
216:
217:     $l = strlen($hex);
218:     $start = ($l <= 4) ? 0 : 6;
219:     $outstr = '';
220:     for ($i = $start; $i < $start + 4; $i += 2) {
221:         $outstr .= substr($hex, $i, 2);
222:         $outstr .= ' ';
223:     }
224:
225:     return $outstr;
226: }

ISO-2022-JP コードについては、組み込み関数 mb_convert_encoding の結果にエスケープシーケンスが含まれるため、これを除くためのユーザー関数 ch2iso2022jp を用意した。

参考書籍

	文字コード「超」研究　改訂第2版
	著者	深沢千尋
	出版社	ラトルズ
	サイズ	単行本
	発売日	2011年07月
	価格	3,828円（税込）
	ISBN	9784899772934
	定番のロングセラーが、Ｕｎｉｃｏｄｅ６．０にも対応して完全リニューアル。ケータイ絵文字にも対応。