unichr() があるなら uniord() も欲しいよね、ってことで書いてみました。
unichr.xml の extension 要素に追加する関数定義：
<function name="uniord">
<proto>int uniord(string str)</proto>
<description><![CDATA[
Get the code point which corresponds to the given UTF-8 encoded string.
]]></description>
<code><![CDATA[
if (str_len == 0) {
RETURN_FALSE;
}
long cp = 0;
if ((str[0] & 0xE0) == 0xE0) {
if (str_len < 3) {
RETURN_FALSE;
}
cp = ((long)(str[0] & 0x1F)) << 12;
cp |= ((long)(str[1] & 0x7F)) << 6;
cp |= (long)(str[2] & 0x7F);
} else if ((str[0] & 0xC0) == 0xC0) {
if (str_len < 2) {
RETURN_FALSE;
}
cp = ((long)(str[0] & 0x3F)) << 6;
cp |= (long)(str[1] & 0x7F);
} else {
if (str[0] & 0x80) {
RETURN_FALSE;
}
cp = (long)str[0];
}
RETURN_LONG(cp);
]]></code>
</function>unichr() と同じく UCS-2 のみ対応で、また最低限の長さと第 1 バイトのチェックさえ通れば UTF-8 として不正なシーケンスでもエラーとならない問題があります。
テスト用コード：
<?php
dl('unichr.so');
for ($i = 0; $i < 65536; $i++) {
if ($i != uniord(unichr($i))) {
$str = unichr($i);
$fmt = '0x%02X';
for ($j = 1; $j < strlen($str); $j++) {
$fmt .= ' 0x%02X';
}
$dump = vsprintf($fmt, unpack('C*', $str));
fprintf(STDERR, "failed at U+%04X (%s).?n", $i, $dump);
exit(1);
}
}
fwrite(STDERR, "success.?n");
exit(0);
?>
余談になりますが unicode 機能を有効にした PHP6 の chr() / ord() では内部で ICU の関数を呼び出して Unicode 文字とコードポイントの変換ができるようです。(ext/standard/string.c)
