Подарок от гугла (нулевой байт)

Из mail.google.com можно выгружать контакты как в формате CSV outlook'a, так и и в собственном формате CSV гугла. Первый вариант выгружается нормально, его легко можно распарсить. А вот с собственным CSV-форматом гугла вышла неувязочка. Мне нужно было выдрать определенные поля (их порядковые номера) - я решил распарсить первую строку и по наименованиям получить номера интересующих полей. Т.е. к примеру мне нужно поле Name, я делаю так

Код (Text):

1.  
2. $data = fgetcsv($handle, 0, $delimiter);
3. for ($i = 0; $i < count ($data); $i++) {
4.   if ($data[$i] == 'Name') {
5.   // some code ...
6.   }
7. }

Вроде бы все легко и просто, а ни при каком $i равенство не выходит. Я и так и сяк крутил, а равенства нет. Тогда я прогнал $data[$i] через ord() - оказалось, что все видимые символы разделены символом с нулевым кодом, т.е. примерно так
[код символа][0][код символа][0][код символа][0]
Подскажите, пожалуйста, как решить данную проблему - избавиться от этого нулевого байта или привести искомую строку (в примере Name) к такому же виду. Есть и еще одна трудность: не везде у меня идет сравнение на строгое равенство, а кое-где используется поиск по регулярке...

 

ну вот нужно и тот и другой вариант учитывать...

 

Не все так просто оказалось. Это Unicode - для латиницы второй байт пустой, а для кириллицы уже не пустой. Я попробовал перевести обычную строку в юникод - последовательность кодов совпала, но, если я делаю вот так

Код (Text):

1.  
2. $line = 'Кириллица';
3. echo 'line = ' . $line . '(';
4. for($z=0;$z<strlen($line);$z++)
5.   echo '[' . ord($line[$z]) . '] ';
6. echo ')';

то получаю такой результат
line = ��8@8;;8F0([255], [254], [26], [4], [56], [4], [64], [4], [56], [4], [59], [4], [59], [4], [56], [4], [70], [4], [48], [4], )
строку предваряют символ из двух байтов 255 и 254, который не является пробельным - trim его не удаляет

 

если бы все так было просто, я бы не задавал вопрос))))))
При попытке перекодировать гугловские данные получается вообще фигня... А, перекодируя искомые данные, я сталкиваюсь с тем, что:
1) в начало втыкается непонятный символ [255][254]
2) пока не удалось грамотно перекодировать регулярное выражение, чтобы оно оставалось рабочим - постоянно вылезало сообщение no ending delimiter found, хотя вроде все спецсимволы я и пытался перекодировать и оставлял их в неизменном виде
и вообще, как оказалось, нет ничего общего у выгрузки из гугла контактов методом Outlook с реальной выгрузкой контактов из Outlook'a. Контакты из outlook'a выгрузились в cp1251 и никаких проблем не вызвали при обработке.

Тут возник еще прелюбопытный вопрос - якобы в php крайне не рекомендуется извлекать из строкового значения отдельные символы как элементы массива, т.е. не рекомендуется делать вот так:

Код (Text):

1.  
2. $string = 'some string';
3. $index = 0; //some number value
4. echo $string[$index];

Для этих целей рекомендуется либо использовать substr со смещением, либо обращаться не через квадратные, а через фигурные скобки:

Код (Text):

1.  
2. $string = 'some string';
3. $index = 0; //some number value
4. echo $string{$index};

Почему так?

 

Мне на то, что не рекомендуется обращаться к строке, как к массиву, давали следующие аргументы:
1) При попытке обратиться по индексу к несуществующему элементу (т.е. строка к примеру состоит из десяти символов, а обращаемся к двадцатому) вылетает ошибка
2) Вопрос о том, насколько больше нагружает обращение по индексу по сравнению с поиском через {} или функцией substr
провел маленький эксперимент:
3) В книжке написано, что рекомендуется использовать имена переменных длиной до 7 символов, т.к. они существенно быстрее обрабатываются

Код (Text):

1.  
2. $str = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
3. echo '<span style="color: red">str[320] = ' . ($str[320]) . '</span><br /><br />';
4. echo '<span style="color: red">str{320} = ' . ($str{320}) . '</span><br /><br />';
5. $i = 0;
6. $start = microtime(true);
7. while ($i < 1000000) {
8.     $s = substr($str, 150, 1);
9.     $i++;
10. }
11. echo 'substr (str) = ' . (microtime(true) - $start) . '<br /><br />';
12. $i = 0;
13. $start = microtime(true);
14. while ($i < 1000000) {
15.     $s = $str[150];
16.     $i++;
17. }
18. echo '[] (str) = ' . (microtime(true) - $start) . '<br /><br />';
19. $i = 0;
20. $start = microtime(true);
21. while ($i < 1000000) {
22.     $s = $str{150};
23.     $i++;
24. }
25. echo '{} (str) = ' . (microtime(true) - $start) . '<br /><br />';
26.  
27.  
28. $string7 = $str;
29. $i = 0;
30. $start = microtime(true);
31. while ($i < 1000000) {
32.     $s = substr($string7, 150, 1);
33.     $i++;
34. }
35. echo 'substr ($string7) = ' . (microtime(true) - $start) . '<br /><br />';
36. $i = 0;
37. $start = microtime(true);
38. while ($i < 1000000) {
39.     $s = $string7[150];
40.     $i++;
41. }
42. echo '[] ($string7) = ' . (microtime(true) - $start) . '<br /><br />';
43. $i = 0;
44. $start = microtime(true);
45. while ($i < 1000000) {
46.     $s = $string7{150};
47.     $i++;
48. }
49. echo '{} ($string7) = ' . (microtime(true) - $start) . '<br /><br />';
50.  
51.  
52. $werylengthstringname = $str;
53. $i = 0;
54. $start = microtime(true);
55. while ($i < 1000000) {
56.     $s = substr($werylengthstringname, 150, 1);
57.     $i++;
58. }
59. echo 'substr ($werylengthstringname) = ' . (microtime(true) - $start) . '<br /><br />';
60. $i = 0;
61. $start = microtime(true);
62. while ($i < 1000000) {
63.     $s = $werylengthstringname[150];
64.     $i++;
65. }
66. echo '[] ($werylengthstringname) = ' . (microtime(true) - $start) . '<br /><br />';
67. $i = 0;
68. $start = microtime(true);
69. while ($i < 1000000) {
70.     $s = $werylengthstringname{150};
71.     $i++;
72. }
73. echo '{} ($werylengthstringname) = ' . (microtime(true) - $start) . '<br /><br />';

Результаты (пока эксперимент проводился под windows 7 максималка):
str[320] =
str{320} =

substr (str) = 0.5581591129303
[] (str) = 0.28874492645264
{} (str) = 0.2863290309906

substr ($string7) = 0.55512809753418
[] ($string7) = 0.29122090339661
{} ($string7) = 0.28695893287659

substr ($werylengthstringname) = 0.55270504951477
[] ($werylengthstringname) = 0.28703498840332
{} ($werylengthstringname) = 0.28970217704773

В первой строке сразу видно, что никакой ошибки при обращении к несуществующему индексу не вылетает ни при [], ни при {}.
Далее идут три блока: блок, в котором имя переменной состоит из трех символов, блок с переменной из 7 символов и блок с переменной из 20 символов. Как видно, разницы никакой нет. Также нет разницы по времени между обращением через [] и через []. Зато substr отрабатывает вдвое медленнее. Так что пока так и осталось непонятным, почему не рекомендуется обращаться со строкой, как с массивом при извлечении символов...

 

Про репортирование обо всех ошибках забыл...
Остается открытым вопрос, насколько это критично и правильно: либо жертвовать скоростью (вряд ли когда-нибудь придется перебирать мегабайты текста посимвольно), либо забить на эти нотисы и писать более читабельно и кратко?