PHPで日本語が文字化けした原因を調べる

COLUMNSの記事本文で日本語が崩れた原因を、処理の流れを一つずつ確認しながら追いかけます。

🎯 目的

MarkdownをHTMLへ変換する仕組みを作ったところ、 日本語を含む記事本文の表示が崩れる問題が起きました。

今回は、いきなりコードを書き換えるのではなく、 「どこまでは正常なのか」を順番に確認して原因を絞り込みます。

最終的に原因となった処理を特定し、 正規表現でUTF-8を扱うための /uを追加して修正します。

今回やること

  1. 日本語がどこで壊れているのか確認する
  2. MariaDBから取得した時点を確認する
  3. htmlspecialchars()の処理を確認する
  4. preg_split()の処理を確認する
  5. 正規表現に/uを追加する
  6. 原因の切り分け方を整理する
MariaDB
↓
PDOで取得
↓
htmlspecialchars()
↓
preg_split()
↓
Markdown変換
↓
ブラウザ

STEP 1|「文字化けした」で終わらせない

ブラウザでCOLUMNSの記事を確認すると、 日本語の本文が正常に表示されませんでした。

こういうときは、 最初から「データベースがおかしい」と決めつけるのではなく、 データが通る順番に確認していきます。

MariaDB
↓
PDO
↓
htmlspecialchars()
↓
preg_split()
↓
Markdown変換
↓
ブラウザ
📘 デバッグの考え方

デバッグ(debug)は、 プログラムの不具合の原因を調べて修正する作業です。

今回のポイントは、 「文字化けしている」という結果だけを見るのではなく、 処理の途中を一つずつ確認することです。

→ 正常な場所と壊れている場所の境目を探します。

STEP 2|MariaDBとPDOを疑う

記事本文はMariaDBの articlesテーブルに保存されています。

まず考えられるのは、 保存した時点ですでに日本語が壊れている可能性です。

次に、PHPがPDOを使ってデータを取得したときに 壊れている可能性も考えます。

$article['body']
📘 ここで確認したいこと

MariaDBに保存されている本文は正常か。
↓
PDOで取得した本文は正常か。

ここまで正常なら、 原因はデータベースより後ろにある可能性が高くなります。
📘 PDOとは

PDO = PHP Data Objects。

PHPからデータベースへ接続して、 SQLを実行したり結果を受け取ったりするための仕組みです。

→ 今回はMariaDBから記事本文を受け取る場所です。

STEP 3|htmlspecialchars()を確認する

Markdown変換では、 最初に本文を htmlspecialchars()へ通しています。

$safe = htmlspecialchars(
    $markdown,
    ENT_QUOTES,
    'UTF-8'
);

そこで、 「ここで日本語が壊れているのでは?」 という可能性も確認しました。

📘 htmlspecialchars()の役割

HTMLとして特別な意味を持つ文字を、 安全に表示できる形へ変換します。

しかも今回のコードでは、 文字コードとして 'UTF-8'を明示しています。

確認した結果、 ここまでは日本語を正常に扱えていました。

→ つまり、さらに後ろの処理を調べます。

STEP 4|preg_split()まで追いかける

次に確認したのが、 Markdown本文を行ごとに分割する処理です。

当初は次のような形で処理していました。

$lines = preg_split('/\R/', $safe);
📘 preg_split()を読む

preg_split() = 正規表現を使って文字列を分割するPHPの関数です。

\R = 改行を表す正規表現です。

→ 本文を改行の位置で分けて、 1行ずつMarkdownとして処理するために使っています。

処理をここまで追いかけたところ、 preg_split()を通したあとで 日本語の扱いに問題が起きていることが分かりました。

📘 犯人候補を絞れた

MariaDB → 正常
PDO → 正常
htmlspecialchars() → 正常
preg_split() → 問題が起きる

→ 「文字化け」という大きな問題が、 1行の処理まで絞り込めました。

STEP 5|正規表現に/uを追加する

修正したコードがこちらです。

$lines = preg_split('/\R/u', $safe);
📘 /uを読む

/\R/
→ 改行を探す正規表現です。

u
→ 正規表現の入力文字列をUTF-8として扱うための指定です。

→ 日本語を含む文字列を扱う今回の処理では、 UTF-8として正しく扱う指定が必要でした。

修正前:

preg_split('/\R/', $safe);

修正後:

preg_split('/\R/u', $safe);
📘 変更したのは1文字

コード上の変更は、 正規表現の最後に uを追加しただけです。

しかし重要なのは、 最初からこの1文字を知っていたことではありません。

→ 処理を順番に調べたことで、 「どこを直せばよいのか」を見つけられたことが重要です。

STEP 6|修正後の処理をもう一度読む

修正後のMarkdown処理では、 次の順番で本文を扱います。

$safe = htmlspecialchars(
    $markdown,
    ENT_QUOTES,
    'UTF-8'
);

$lines = preg_split('/\R/u', $safe);

foreach ($lines as $line) {
    // Markdownを1行ずつ判定
}
📘 コード全体の意味

1. Markdown本文を受け取る

2. htmlspecialchars()で安全な文字列にする

3. preg_split()で改行ごとに分ける

4. /uによってUTF-8として扱う

5. foreachで1行ずつMarkdownを判定する

→ 1行だけを見るのではなく、 データがどの順番で処理されるのかを見ると コードが読みやすくなります。

📘 022と023のつながり

022
Markdownで書いた記事を PHPでHTMLへ変換する仕組みを作りました。

023
そのMarkdown変換を実際に動かしたところ、 日本語の表示に問題が発生しました。

DB、PDO、htmlspecialchars()、 preg_split()と順番に確認し、 問題が起きる場所を特定しました。

→ 「機能を作る」だけでなく、 「壊れたときに原因を探す」ところまでが開発です。

📘 処理の流れを読む

入力: 日本語を含むMarkdown本文
↓
保存: MariaDBへ記事本文を保存
↓
取得: PDOで記事本文を取得
↓
安全化: htmlspecialchars()でエスケープ
↓
分割: preg_split('/\R/u', $safe)で UTF-8として行ごとに分割
↓
処理: MarkdownをHTMLへ変換
↓
出力: 日本語の記事をブラウザへ表示

→ 入力から出力までの道を順番に追うことで、 不具合が起きた場所を探せます。

📝 今回の忘備録

「日本語が文字化けした」という結果だけでは、 原因がどこにあるのか分からない。

MariaDB → PDO → htmlspecialchars() → preg_split() のように、データが通る順番で確認すると 原因を絞り込みやすい。

今回はpreg_split()を使った正規表現で UTF-8として扱う指定を追加することで解決した。

preg_split('/\R/u', $safe);

/uは、 正規表現の入力文字列をUTF-8として扱うための指定。

直したコードは1文字でも、 そこへたどり着くまでの 「どこまでは正常か」を調べる作業が大切。

分からなかったことや実際に起きたエラーは、 そのまま次の教材になる。

この先やること

タグ: PHP / UTF-8 / preg_split / 正規表現 / デバッグ / Markdown / MariaDB / PDO / COLUMNS