[PHP]basename() はマルチバイトに対応できない？

Posted on 2012/10/23,
by  in PHP

ファイルパスから末尾のファイル名だけを取り出してくれる basename() は便利ですが、
ファイル名が日本語の場合などは、文字の一部が文字化けてしまったり、消えてしまったりすることがあります。

その際 setlocale() により適切なロケールを設定すれば正しく動作するようになります。

setlocale(LC_CTYPE, 'ja_JP.UTF-8');
$path = 'テスト.txt';
echo basename($path);

ただし PHP のバージョンによっては正常に動作しないケースも有るようなので、代替として次のような関数を作ってみました。

<?php
$path = 'http://localhost/test/日本語.txt';
header("Content-type: text/html; charset=UTF-8");
echo mb_basename($path, ".txt");

function mb_basename($str, $suffix=null){
	$tmp = preg_split('/[\/\\\\]/', $str);
	$res = end($tmp);
	if(strlen($suffix)){
		$suffix = preg_quote($suffix);
		$res = preg_replace("/({$suffix})$/u", "", $res);
	}
	return $res;
}

区切り文字にはスラッシュ・バックスラッシュ（円マーク）が混在して使えます。
suffix にも対応させてあります。

[PHP]json_decode した stdClass Object を扱う

Posted on 2012/10/18,
by  in PHP 
stdClass Object
(
    ["sample"] => stdClass Object
        (
            ["color"] => red
        )

    ["0"] => stdClass Object
        (
            ["color"] => green
        )

)

json_decode をすると第2引数を指定しない限り上のようになることがあります。
sample の color を取り出すなら、「$foo->sample->color」で良いのですが、
[0] のほうを取り出そうとして「$foo->0->color」とやってもエラーになります。
かといって $foo->item(0) みたいなものがあるわけでもないようなので、
素直に Array にキャストするのが普通ですが、もし強引にそのまま扱いたいのであれば

$foo->{'0'}->color

のようにすればとりあえず取れます。

とは言え扱いにくいので json_decode($foo, true) として連想配列にしておいたほうがいいと思います。

2012/11/24 追記：
この方法はキーがString型の場合のみ使用できます。

[PHP]複合名詞に対応させて分かち書きをする

by  in PHP

今回も igo-php を用いた形態素解析のサンプルなので、導入については こちら を御覧ください。

通常分かち書きをする場合、名詞は細かく分割され、次のように解釈されます。

「これは形態素解析の実験結果です。」 → 「これ | は | 形態素 | 解析 | の | 実験 | 結果 | です | 。」

もちろん間違ってはいないのですが、感覚的には「形態素解析」「実験結果」はそれぞれひとつの単語でまとめられていたほうが自然です。
「東京特許許可局」などの場合も同様に一つの単語として扱うことがほとんどです。

法則を見てみると、名詞が連続している場合は複合名詞になるというシンプルなものなので、
それを踏まえて次のようにしてみました。 

<?php
require_once 'lib/Igo.php';

$igo = new Igo(dirname(__FILE__) . "/ipadic", "UTF-8");
$str = "これは形態素解析の実験結果です。";
$result = $igo->parse($str);

$noun = "";
$words = array();
foreach($result as $value){
  $feature = explode(",", $value->feature);
  if($feature[0] === "名詞"){
    $noun .= $value->surface;
  } else {
    if(mb_strlen($noun)) $words[] = $noun;
    $noun = "";
    $words[] = $value->surface;
  }
}
if(mb_strlen($noun)) $words[] = $noun;
print_r($words);

結果: 「これ | は | 形態素解析 | の | 実験結果 | です | 。」

名詞が現れた場合は一旦 $noun に保管しておき、その他の場合は単語として $words に追加します。
連続して名詞が現れた場合は $noun に追加します。