PHP OO Pasar de ANSI a UTF-8 para multilanguage (y no morír en el intento!)

[dezagus]

Hola a todos,

El otro día estaba experimentando de manera local para implementar una futura traducción. Noté varias cosas sobre las codificaciones y es que por ejemplo, por defecto mi codificación siempre fué ANSI, en cambio, para poner más de 40 idiomas, tendré que recurrir a UTF-8.

Cambié el formato del .php a UTF-8 y fué un desastre, casi todos los comentario se trucaron, particularmente los carácteres especiales y todo dejó de funcionar como normalmente lo hacía.

Quería pedir sugerencias y consideraciones sobre el tema. Esto de la codificación siempre me fué un dolor de cabeza.

PD: Para plasmar los 40 idiomas voy a usar constantes en array ya que el texto es muy chico, pero luego lo paso a un include por separado.

Gracias,
Denis.

[oMega_2093]

Hola,

Hay muchos puntos en los que debes especificar codificación UTF-8, no sólo en los ficheros PHP. Para convertir un fichero a otra codificación yo utilizo Notepad++, que convierte de ANSI a UTF-8 (sin BOM) sin perder los caracacteres especiales.

Pero eso por sí sólo no es suficiente. Tienes que especificar UTF-8 también en el HTML con la metaetiqueta correspondiente. También en el servidor de base de datos, si lo hubiera: cada campo tiene su opción de juego de caracteres, cada tabla, y cada conexión... Desde PHP mírate http://www.php.net/manual/es/function.mysql-set-charset.php . Por último se me ocurre también enviar un cabecero (http://es1.php.net/manual/es/function.header.php) indicando que es UTF-8.

El servidor web también tiene que servir UTF-8. Por defecto Apache (al menos en Debian) no sobreescribe la codificación, pero si se ha cambiado ese ajuste puede estar haciéndolo, indiques lo que indiques en tus ficheros o cabeceros.

Recuerda utilizar la opción de Notepad++ de CONVERTIR EN... en lugar de la CODIFICAR EN..., porque la primera convierte los caracteres especiales de una codificación a otra y los mantiene, y la otra no lo hace y al cambiar la codificación los destruye.

Saludos.

[hhs]

Iniciado por dezagus

Hola a todos,

El otro día estaba experimentando de manera local para implementar una futura traducción. Noté varias cosas sobre las codificaciones y es que por ejemplo, por defecto mi codificación siempre fué ANSI, en cambio, para poner más de 40 idiomas, tendré que recurrir a UTF-8.

Cambié el formato del .php a UTF-8 y fué un desastre, casi todos los comentario se trucaron, particularmente los carácteres especiales y todo dejó de funcionar como normalmente lo hacía.

Quería pedir sugerencias y consideraciones sobre el tema. Esto de la codificación siempre me fué un dolor de cabeza.

PD: Para plasmar los 40 idiomas voy a usar constantes en array ya que el texto es muy chico, pero luego lo paso a un include por separado.

Gracias,
Denis.

Te aconsejo que revises estos articulos para conocer que debes de tener en cuenta: http://www.phptherightway.com/#php_and_utf8
https://phpbestpractices.org/#utf-8

[dezagus]

Iniciado por oMega_2093

Hola,

Hay muchos puntos en los que debes especificar codificación UTF-8, no sólo en los ficheros PHP. Para convertir un fichero a otra codificación yo utilizo Notepad++, que convierte de ANSI a UTF-8 (sin BOM) sin perder los caracacteres especiales.

Pero eso por sí sólo no es suficiente. Tienes que especificar UTF-8 también en el HTML con la metaetiqueta correspondiente. También en el servidor de base de datos, si lo hubiera: cada campo tiene su opción de juego de caracteres, cada tabla, y cada conexión... Desde PHP mírate http://www.php.net/manual/es/functio...et-charset.php . Por último se me ocurre también enviar un cabecero (http://es1.php.net/manual/es/function.header.php) indicando que es UTF-8.

El servidor web también tiene que servir UTF-8. Por defecto Apache (al menos en Debian) no sobreescribe la codificación, pero si se ha cambiado ese ajuste puede estar haciéndolo, indiques lo que indiques en tus ficheros o cabeceros.

Recuerda utilizar la opción de Notepad++ de CONVERTIR EN... en lugar de la CODIFICAR EN..., porque la primera convierte los caracteres especiales de una codificación a otra y los mantiene, y la otra no lo hace y al cambiar la codificación los destruye.

Saludos.

Suena bastante complicado en relación a riezgo / beneficio. ¿Existe alguna manera de plasmar carácteres especiales en constantes usando ANSI tanto en PHP como en el meta?

Es muy poco el texto que tengo que traducir, PERO, el problema es que es un servicio de alta disponibilidad, y por lo que cuentas, SUENA a que realmente saldrá desastroso a menos que lo haga en fases y en un entorno sumamente controlado (localhost) y luego pasar a trabajo.

Gracias por tu data! Casi me diste un "step by step" (Y)

[dezagus]

Iniciado por hhs

Te aconsejo que revises estos articulos para conocer que debes de tener en cuenta: http://www.phptherightway.com/#php_and_utf8
https://phpbestpractices.org/#utf-8

Estoy leyendo, mil gracias :)

[dezagus]

Iniciado por dezagus

Suena bastante complicado en relación a riezgo / beneficio. ¿Existe alguna manera de plasmar carácteres especiales en constantes usando ANSI tanto en PHP como en el meta?

Alguna idea respecto a esto?

Mil Gracias!

[oMega_2093]

Aquí tienes un listado, mediante HTML Entities: http://en.wikipedia.org/wiki/List_of_XML_and_HTML_character_entity_references

Pero sabes que eso es pan para hoy, y hambre para mañana ;) entiendo lo que comentas del riesgo. ¿Por qué no intentas crear un entorno paralelo (duplica el website) dentro del servidor y vas haciendo pruebas? Son una serie de cosas que hay que comprobar, pero la más destructiva es cambiar la codificación de los ficheros ya que puedes destruir información, cosa que cambiando el default charset de Apache no sucede, por ejemplo.

Al final creo que lo ideal es tener todo en UTF-8. En la empresa donde estoy ahora recurrían a HTML Entities y ahora ya no puede ser (un CMS que usamos reemplaza las & de las entities)... Imagina: migrar bases de datos a UTF-8, ficheros de traducciones que ya no sirven y que en algunos casos han quedado rotos al convertir mal... Un desastre.

Siempre habrá riesgo, pero minimiza las pérdidas: haz un resguardo de los ficheros que es lo más sensible y luego ve paso a paso. Solucionarlo con fixes como las HTML Entities creo que es otro riesgo en si mismo ;)

[dezagus]

Iniciado por oMega_2093

Aquí tienes un listado, mediante HTML Entities: http://en.wikipedia.org/wiki/List_of...ity_references

Pero sabes que eso es pan para hoy, y hambre para mañana ;) entiendo lo que comentas del riesgo. ¿Por qué no intentas crear un entorno paralelo (duplica el website) dentro del servidor y vas haciendo pruebas? Son una serie de cosas que hay que comprobar, pero la más destructiva es cambiar la codificación de los ficheros ya que puedes destruir información, cosa que cambiando el default charset de Apache no sucede, por ejemplo.

Al final creo que lo ideal es tener todo en UTF-8. En la empresa donde estoy ahora recurrían a HTML Entities y ahora ya no puede ser (un CMS que usamos reemplaza las & de las entities)... Imagina: migrar bases de datos a UTF-8, ficheros de traducciones que ya no sirven y que en algunos casos han quedado rotos al convertir mal... Un desastre.

Siempre habrá riesgo, pero minimiza las pérdidas: haz un resguardo de los ficheros que es lo más sensible y luego ve paso a paso. Solucionarlo con fixes como las HTML Entities creo que es otro riesgo en si mismo ;)

Tienes razón, la relación beneficio largoplacista y la inversión de tiempo lo vale. Lástima que creí que sería más rápido. Y es así como dices, cuando cambié de coficación corrompí el archivo, por suerte tenía un backup a mano (buena costumbre).

Mil gracias por aclarar y particularmente hacer que no me sienta un tonto con esto hahahah! Es más complicado de lo que parece.