[bug] Signature too long -> niet waar

[_Thanatos_]

Ik wilde zojuist mijn signature wijzigen en ik kreeg deze melding:

code:

Er is iets fout gegaan. Probeer het later nog eens, of ga terug.

De ongeparsede signature is langer dan het maximum van 255 tekens.
(interne identificatie: user::edit_user::signature_raw_too_long)

Terwijl wat ik ingevoerd had, maar 94 tekens lang is

[D4NG3R]

Wat probeerde je in te voeren dan? Want spaties, komma's etc zijn ook tekens .

(Teminste ik neem aan dat dat ook geld in de signature box op t.net)

[crisp]

Het lijkt me handig als je hier dan even aangeeft wat je precies ingevuld had

[_Thanatos_]

Ah ja, ik was er al bang voor... Japanofiel dat ik ben, probeerde ik dit:

わたしは にせんじゅうにねんに にほんに いきましょう ♡
watashi wa nisenjuuninen yongatsu ni nihon ni ikimashou! yay!

Dat is inclusief de BR-tag 94 tekens in mijn wereld

[ Voor 7% gewijzigd door _Thanatos_ op 28-11-2011 15:09 ]

[Hahn]

わたしは にせんじゅうにねんに にほんに いきましょう ♡[br]watashi wa nisenjuuninen yongatsu ni nihon ni ikimashou! yay!

Dat zijn een stuk meer dan 94 tekens

[_Thanatos_]

Hoe wordt er dan precies geteld? Ieder teken keer 5 ofzo

Oh zo... Maar, waarom doet-ie het dan zo

[ Voor 28% gewijzigd door _Thanatos_ op 28-11-2011 15:10 ]

[Snake]

Unicode
Of UTF-8?

* Snake gaat Joel's blog nog eens nalezen

[ Voor 75% gewijzigd door Snake op 28-11-2011 15:10 ]

[Notna]

_Thanatos_ schreef op maandag 28 november 2011 @ 15:09:
Hoe wordt er dan precies geteld? Ieder teken keer 5 ofzo

Oh zo... Maar, waarom doet-ie het dan zo

Heb je die break erin gezet als spaties of met [ br ] ?

Ow never mind

_Thanatos_ schreef op maandag 28 november 2011 @ 15:09:
Hoe wordt er dan precies geteld? Ieder teken keer 5 ofzo

Oh zo... Maar, waarom doet-ie het dan zo

Omdat het gaat om invoer, niet om display?

[ Voor 34% gewijzigd door Notna op 28-11-2011 15:13 ]

[_Thanatos_]

Ja heel fijn, maar een teken is een teken. Hoe moet ik nou ruiken of het gewoon tekens zijn die geteld worden,of dat het eerst wordt omgezet naar eoa gekke encoding? "Ongeparst" staat er toch? Dan is ieder teken nog gewoon 1 teken, iyam.

Die break is gewoon een [br]

[crisp]

unicode en PHP is nog steeds

Wij draaien dus nog op latin-9, en daardoor stuurt je browser unicode characters die niet in latin-9 zitten dus als entiteiten op. Dergelijke karakters nemen dus zo 8 bytes per stuk in beslag (en feitelijk kunnen wij serverside niet zien of dit letterlijk zo bedoelt was of dat het gaat om unicode omgezet naar entities).

Er wordt gesproken over 'tekens' omdat dat doorgaans begrijpelijker is dan 'bytes met inachtname van de door ons gebruikte characterset voor opslag'

[ Voor 17% gewijzigd door crisp op 28-11-2011 15:14 ]

[_Thanatos_]

Maar je wilt neem ik aan controleren of het in jullie database-veld past... dan gaat het er om wat dáárin past, niet hoe PHP de boel interpreteert. Als je het dus eerst omzet naar UTF-8 (wat neem ik aan toch wel de encoding is voor jullie database??) en d/an pas gaan tellen hoeveel karakters het zijn...?

Ik heb niet zoveel verstand van PHP, maar ik mag toch hopen dat ie wel kan tellen in een utf-8 string?

/edit
En anders kun je altijd nog een enctype aan het formulier geven...
Maar sowieso is latin-9 niet echt meer van deze tijd. Als je alles utf-8 maakt, zijn er geen problemen meer, maar dan moet je dat wel in je php, uhm, dingesen

[ Voor 22% gewijzigd door _Thanatos_ op 28-11-2011 15:17 ]

[Sir_Hendro]

Misschien moet je maar Kanji gebruiken ipv Kana. Dan past het vast wel (alleen zal vast niemand het kunnen lezen haha)

[crisp]

_Thanatos_ schreef op maandag 28 november 2011 @ 15:15:
Maar je wilt neem ik aan controleren of het in jullie database-veld past... dan gaat het er om wat dáárin past, niet hoe PHP de boel interpreteert. Als je het dus eerst omzet naar UTF-8 (wat neem ik aan toch wel de encoding is voor jullie database??) en d/an pas gaan tellen hoeveel karakters het zijn...?

Ik heb niet zoveel verstand van PHP, maar ik mag toch hopen dat ie wel kan tellen in een utf-8 string?

/edit
En anders kun je altijd nog een enctype aan het formulier geven...
Maar sowieso is latin-9 niet echt meer van deze tijd. Als je alles utf-8 maakt, zijn er geen problemen meer, maar dan moet je dat wel in je php, uhm, dingesen

Onze database is dus ook latin, en betreffende veld kan maar 255 bytes bevatten.

PHP6 zou naar verluidt volledig unicode-compliant moeten worden; het wachten is dus daarop want ook wij willen niets liever dan volledig overstappen op unicode (UTF8).

[_Thanatos_]

Ah. Zonde.
Nouja, vooruit dan maar

Misschien wel een idee om de melding aan te passen, want Japanse tekens zijn niet de enige die een entity veroorzaken. In mijn wereld is een unicode-teken nml gewoon 1 teken, hooguit 2 bytes, en slechts in extreme gevallen 3 bytes. Dus zoveel bytes per karakter verdient wel een waarschuwing van 't een of ander, denk ik

/edit
Of het maximum ophogen naar 2000 ofzo

[ Voor 6% gewijzigd door _Thanatos_ op 28-11-2011 17:27 ]

[crisp]

Ik zie op zich geen goede reden om die limiet zomaar op te rekken eerlijk gezegd. Bijna iedereen kan er prima mee uit de voeten. Natuurlijk heb je altijd mensen die liever 'ietsje meer' zouden willen, maar die houd je waarschijnlijk ook wel met een ruimere limiet terwijl je aan de andere kant het risico op te intrusieve signatures wel weer verhoogt.

[Borromini]

_Thanatos_ schreef op maandag 28 november 2011 @ 15:08:
わたしは にせんじゅうにねんに にほんに いきましょう ♡
watashi wa nisenjuuninen yongatsu ni nihon ni ikimashou! yay!

FYI, ik zie yongatsu er niet tussenstaan, je schrijft にせんじゅうにねん en daarna direct ににほんに.

Als je 't trouwens helemaal in 't にほんご wildan kanje やった schrijven in plaats van yay . En april is しがつ eerder dan よんがつ als mijn woordenboek me niet in de steek laat .

Leuk dat je naar japan gaat trouwens, ben jaloers. Hoe vlot is je Japans?

[ Voor 25% gewijzigd door Borromini op 28-11-2011 21:57 ]

[crisp]

Hier thuis op mijn pc zie ik alleen maar blokjes trouwens - nog een reden waarom bijvoorbeeld Japanse tekens niet handig zijn - niet iedereen heeft de fonts met de benodigde unicode glyphs geinstalleerd staan.

[Borromini]

crisp schreef op maandag 28 november 2011 @ 21:52:
Hier thuis op mijn pc zie ik alleen maar blokjes trouwens - nog een reden waarom bijvoorbeeld Japanse tekens niet handig zijn - niet iedereen heeft de fonts met de benodigde unicode glyphs geinstalleerd staan.

Probeer je browser es in UTF-8 te zetten .

Ik kon Japanse tekens lezen hier vóór ik een Japans lettertype geïnstalleerd had.

[fsfikke]

Ik ben er voor de ondertitel ook al eens tegenaan gelopen. Hier zijn ook al vaker topics over geweest met de conclusie dat er mogelijk ooit eens naar gekeken zou worden Zo belangrijk is het natuurlijk ook niet.

[--MeAngry--]

crisp schreef op maandag 28 november 2011 @ 21:28:
Ik zie op zich geen goede reden om die limiet zomaar op te rekken eerlijk gezegd. Bijna iedereen kan er prima mee uit de voeten. Natuurlijk heb je altijd mensen die liever 'ietsje meer' zouden willen, maar die houd je waarschijnlijk ook wel met een ruimere limiet terwijl je aan de andere kant het risico op te intrusieve signatures wel weer verhoogt.

Je zou natuurlijk ook alleen de veldlengte kunnen verhogen, en vervolgens met mb_strlen de juiste stringlengte kunnen bepalen om hem vervolgens alsnog op 255 tekens af te kappen.

[crisp]

Borromini schreef op maandag 28 november 2011 @ 21:55:
[...]

Probeer je browser es in UTF-8 te zetten .

Ik kon Japanse tekens lezen hier vóór ik een Japans lettertype geïnstalleerd had.

Dat maakt niet uit hoor, ik heb hier simpelweg geen 'supplemental language support' geinstalleerd staan (winXP), dus mijn fonts missen gewoon die glyphs.

--MeAngry-- schreef op maandag 28 november 2011 @ 22:00:
[...]

Je zou natuurlijk ook alleen de veldlengte kunnen verhogen, en vervolgens met mb_strlen de juiste stringlengte kunnen bepalen om hem vervolgens alsnog op 255 tekens af te kappen.

Waarom mb_strlen? Omdat onze pagina's latin-9 zijn ontvangen we ook alleen maar latin-9 geëncodeerde data (waarbij double- en triplebyte character references zijn omgezet naar numerieke entities). We zouden dan entities als 1 karakter moeten laten tellen.

[Borromini]

crisp schreef op maandag 28 november 2011 @ 22:06:
[...]

Dat maakt niet uit hoor, ik heb hier simpelweg geen 'supplemental language support' geinstalleerd staan (winXP), dus mijn fonts missen gewoon die glyphs.

Ok. Linux hier .

[--MeAngry--]

crisp schreef op maandag 28 november 2011 @ 22:06:
[...]

Dat maakt niet uit hoor, ik heb hier simpelweg geen 'supplemental language support' geinstalleerd staan (winXP), dus mijn fonts missen gewoon die glyphs.


[...]

Waarom mb_strlen? Omdat onze pagina's latin-9 zijn ontvangen we ook alleen maar latin-9 geëncodeerde data (waarbij double- en triplebyte character references zijn omgezet naar numerieke entities). We zouden dan entities als 1 karakter moeten laten tellen.

Je zult de tekst inderdaad ook nog eerst door iconv oid moeten halen om het rechtstreeks te kunnen gebruiken idd. Maar in principe is er multibyte support in PHP aanwezig is eigenlijk wat ik wil zeggen.
Het gaat alleen wel wat moeite kosten om alles om te zetten, dat is waar. Is het de moeite waard? Hangt er vanaf, ik vraag me best af hoe lang PHP 6 nog op zich laat wachten. Maar goed, dit gaat offtopic denk ik.

[crisp]

--MeAngry-- schreef op dinsdag 29 november 2011 @ 01:38:
[...]

Je zult de tekst inderdaad ook nog eerst door iconv oid moeten halen om het rechtstreeks te kunnen gebruiken idd. Maar in principe is er multibyte support in PHP aanwezig is eigenlijk wat ik wil zeggen.
Het gaat alleen wel wat moeite kosten om alles om te zetten, dat is waar. Is het de moeite waard? Hangt er vanaf, ik vraag me best af hoe lang PHP 6 nog op zich laat wachten. Maar goed, dit gaat offtopic denk ik.

Op dit moment vinden wij het de moeite niet waard. Het is waar dat de huidige situatie ook aardig wat workarounds nodig heeft (veel externe input is UTF-8 en moet dus expliciet omgezet worden), maar de huidige situatie inwisselen voor een die ook nog niet ideaal is heeft niet onze voorkeur, we doen het dan liever in één keer goed. Het is in ieder geval niet bepaald triviaal en op dit moment is er simpelweg de tijd niet voor.

[Maasluip]

crisp schreef op maandag 28 november 2011 @ 21:52:
Hier thuis op mijn pc zie ik alleen maar blokjes trouwens - nog een reden waarom bijvoorbeeld Japanse tekens niet handig zijn - niet iedereen heeft de fonts met de benodigde unicode glyphs geinstalleerd staan.

Mijn lynx tekstbrowser geeft dat weer als

watasiha nisen5ziyUu5ninen5ni nihon5ni i5kimasiyOu5 cH
watashi wa nisenjuuninen yongatsu ni nihon ni ikimashou! yay!

Ongekende vooruitstrevendheid van zo'n low-tech browsertje.
Maar mijn firefox laat de eerste regel wel netjes in het Japans zien.

[Borromini]

Net even geprobeerd met links, dat transcribeert inderdaad netjes .

Elinks geeft dan weer goed de Japanse karakters weer .