Cómo emular la compilación de MySQLs utf8_general_ci en las comparaciones de cadenas PHP

Question

Básicamente, si dos cadenas se evalúan como las mismas en mi base de datos, también me gustaría poder verificarlas a nivel de aplicación. Por ejemplo, si alguien ingresa "bjork" en un campo de búsqueda, quiero que PHP pueda unirlo a la cadena "Björk" tal como lo haría MySQL.

Supongo que PHP no tiene un equivalente directo a las opciones de intercalación de MySQL, y que lo más fácil sería escribir una función simple que convierta las cadenas, usando strtolower() para hacerlas uniformemente minúsculas y strstr() para reemplazar caracteres de varios bytes con sus correspondientes equivalentes ASCII.

¿Es eso una suposición precisa? ¿Alguien tiene una matriz a prueba de tontos útil para usar como el segundo parámetro de Strstr() para conformar cadenas como harían varias intercalaciones de MySQL (específicamente para mis necesidades actuales, utf8_general_ci)? O, sin eso, ¿dónde podría encontrar documentación de cómo exactamente las diferentes colaciones en MySQL tratan a varios personajes? (Vi en alguna parte que en algunas colaciones ß se trata como S y en otras como Ss, por ejemplo, pero no describía la evaluación de cada personaje.)

Answer 1

¿Has mirado la clase de intercalación de PHP? http://www.php.net/manual/en/class.collator.php

Answer 2

Esto es lo que he estado usando, pero todavía no lo he probado para una coherencia total con MySQL.

function collation_conform($string,$collation='utf8_general_ci') 
{ 

    if($collation === 'utf8_general_ci') 
    { 
     if(!is_string($string)) 
      return $string; 

     $string = strtr($string, array(
      'Š'=>'S', 'š'=>'s', 'Ð'=>'D', 'Ž'=>'Z', 'ž'=>'z', 'À'=>'A', 'Á'=>'A', 'Â'=>'A', 'Ã'=>'A', 'Ä'=>'A', 
      'Å'=>'A', 'Æ'=>'A', 'Ç'=>'C', 'È'=>'E', 'É'=>'E', 'Ê'=>'E', 'Ë'=>'E', 'Ì'=>'I', 'Í'=>'I', 'Î'=>'I', 
      'Ï'=>'I', 'Ñ'=>'N', 'Ò'=>'O', 'Ó'=>'O', 'Ô'=>'O', 'Õ'=>'O', 'Ö'=>'O', 'Ø'=>'O', 'Ù'=>'U', 'Ú'=>'U', 
      'Û'=>'U', 'Ü'=>'U', 'Ý'=>'Y', 'Þ'=>'B', 'ß'=>'Ss','à'=>'a', 'á'=>'a', 'â'=>'a', 'ã'=>'a', 'ä'=>'a', 
      'å'=>'a', 'æ'=>'a', 'ç'=>'c', 'è'=>'e', 'é'=>'e', 'ê'=>'e', 'ë'=>'e', 'ì'=>'i', 'í'=>'i', 'î'=>'i', 
      'ï'=>'i', 'ð'=>'o', 'ñ'=>'n', 'ò'=>'o', 'ó'=>'o', 'ô'=>'o', 'õ'=>'o', 'ö'=>'o', 'ø'=>'o', 'ù'=>'u', 
      'ú'=>'u', 'û'=>'u', 'ý'=>'y', 'ý'=>'y', 'þ'=>'b', 'ÿ'=>'y', 'ƒ'=>'f')); 

     return strtolower($string); 
    } 
    else die('Unsupported Collation (collation_conform() collation_helper.php)'); 
} 

Answer 3

Pruebe el siguiente código.

$s1 = 'Björk'; 
$s2 = 'bjork'; 

var_dump(
    is_same_string($s1, $s2) 
); 

function is_same_string($str, $str2, $locale = 'en_US') 
{ 
    $coll = collator_create($locale); 
    collator_set_strength($coll, Collator::PRIMARY); 
    return 0 === collator_compare($coll, $str, $str2); 
}