■

いろいろと事情があって、IRCサーバを作ることになり、そのサーバ上でロギングするボットを書いてみたので公開。
勝手にすべてのチャネルに接続して、全発言をロギングしていきます。
言語はPHPで、pearのNet::SmartIRCと古いながらもDBを使ってサックリ実装。
ログの保存先は後々いろんな抽出条件で引き出したいのでRDBMSを使用してみた。まぁ、ファイルにロギングする仕様に替えてもそう手間ではないはず。

とりあえず使うためにはPEARモジュールのインストールと、あとはデータベースサーバの用意が必要。
テーブル定義はこんな感じ。

実装する上で困ったのは、IRC上での発言は大体が短すぎてmb_convert_encodingの自動変換がほとんど当てにならなかったこと。仕方ないのでググってもっと良い文字コード判定ルーチンをパクってきた。まぁ、サーバ上でやりとりするエンコーディングをあらかじめ固定しておけば不必要なんだけど。
ちなみに文字コード判定ルーチンの元ネタは
¸Ä¿ÍŪ¤Ê¥á¥â¤ÈÈ÷˺Ͽ 2004ǯ11·î
である。感謝感謝。

CREATE TABLE `chat_logs` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `channel` varchar(128) NOT NULL,
  `user` varchar(128) NOT NULL,
  `comment` text NOT NULL,
  `sent_date` datetime NOT NULL,
  PRIMARY KEY (`id`)
)

以下コード。

<?php
  include_once "Net/SmartIRC.php";
  include_once "DB.php";

  define("IRC_ENCODING", "utf-8");
  mb_internal_encoding(IRC_ENCODING);
  
  
  $default_channels = array("#oreore");

  class MyIRCBot {
    var $db;
    
    function __construct() {
      $dsn = array(
        'phptype'  => 'mysql',
        'username' => 'user_name',
        'password' => 'pass_word',
        'database' => 'irc_logs'
      );
      $this->db = DB::connect($dsn);
      $res = $this->db->query('SET NAMES utf8;');
    }
    
    function __destruct() {
      $this->db->disconnect();
    }
  
    function onMessage(&$irc, &$data) {
      $res = $this->db->query('INSERT INTO `chat_logs` (`channel`,`user`,`comment`,`sent_date`) VALUES(?,?,?,NOW())',array($this->encode($data->channel),$this->encode($data->nick),$this->encode($data->message)));
    }
        
    function getList(&$irc) {
      $irc->getList();
    }
    
    function onGetList(&$irc, &$data) {
      if ($data->message != 'End of channel list.'){
        $irc->join($data->rawmessageex[3]);
      }
    }

    // PHPシステム環境文字列→IRC日本語文字列の変換
    function encode($str) {
      return mb_convert_encoding($str, IRC_ENCODING, detect_encoding_ja($str));
    }

    // IRC日本語文字列→PHPシステム環境文字列の変換
    function decode($str) {
      return mb_convert_encoding($str, mb_internal_encoding(), IRC_ENCODING);
    }
  }
  
  /**
   * 日本語文字列の文字コード判定(ASCII/JIS/eucJP-win/SJIS-win/UTF-8 のみ)
   */
  function detect_encoding_ja( $str )
  {
      $enc = @mb_detect_encoding( $str, 'ASCII,JIS,eucJP-win,SJIS-win,UTF-8' );

      switch ( $enc ) {
      case FALSE   :
      case 'ASCII' : 
      case 'JIS'   : 
      case 'UTF-8' : break;
      case 'eucJP-win' :
          // ここで eucJP-win を検出した場合、eucJP-win として判定
          if ( @mb_detect_encoding( $str, 'SJIS-win,UTF-8,eucJP-win' ) === 'eucJP-win' ) {
              break;
          }
          $_hint = "\xbf\xfd" . $str; // "\xbf\xfd" : EUC-JP "雀"

          // EUC-JP -> UTF-8 変換時にマッピングが変更される文字を削除( ≒ ≡ ∫ など)
          mb_regex_encoding( 'EUC-JP' );
          $_hint = mb_ereg_replace( "\xad(?:\xe2|\xf5|\xf6|\xf7|\xfa|\xfb|\xfc|\xf0|\xf1|\xf2)", '', $_hint );

          $_tmp  = mb_convert_encoding( $_hint, 'UTF-8', 'eucJP-win' );
          $_tmp2 = mb_convert_encoding( $_tmp,  'eucJP-win', 'UTF-8' );
          if ( $_tmp2 === $_hint ) {

              // 例外処理( EUC-JP 以外と認識する範囲 )
              if (
                  // SJIS と重なる範囲(2バイト|3バイト|iモード絵文字|1バイト文字)
                  ! preg_match( '/^(?:'
                      . '[\x8E\xE0-\xE9][\x80-\xFC]|\xEA[\x80-\xA4]|'
                      . '\x8F[\xB0-\xEF][\xE0-\xEF][\x40-\x7F]|'
                      . '\xF8[\x9F-\xFC]|\xF9[\x40-\x49\x50-\x52\x55-\x57\x5B-\x5E\x72-\x7E\x80-\xB0\xB1-\xFC]|'
                      . '[\x00-\x7E]'
                      . ')+$/', $str ) && 

                  // UTF-8 と重なる範囲(全角英数字|漢字|1バイト文字)
                  ! preg_match( '/^(?:'
                      . '\xEF\xBC[\xA1-\xBA]|[\x00-\x7E]|'
                      . '[\xE4-\xE9][\x8E-\x8F\xA1-\xBF][\x8F\xA0-\xEF]|'
                      . '[\x00-\x7E]'
                      . ')+$/', $str )
              ) {
                  // 条件式の範囲に入らなかった場合は、eucJP-win として検出
                  break;
              }
              // 例外処理2(一部の頻度の多そうな熟語は eucJP-win として判定)
              // (珈琲|琥珀|瑪瑙|癇癪|碼碯|耄碌|膀胱|蒟蒻|薔薇|蜻蛉)
              if ( mb_ereg( '^(?:'
                  . '\xE0\xDD\xE0\xEA|\xE0\xE8\xE0\xE1|\xE0\xF5\xE0\xEF|\xE1\xF2\xE1\xFB|'
                  . '\xE2\xFB\xE2\xF5|\xE6\xCE\xE2\xF1|\xE7\xAF\xE6\xF9|\xE8\xE7\xE8\xEA|'
                  . '\xE9\xAC\xE9\xAF|\xE9\xF1\xE9\xD9|[\x00-\x7E]'
                  . ')+$', $str )
              ) {
                  break;
              }
          }

      default :
          // ここで SJIS-win と判断された場合は、文字コードは SJIS-win として判定
          $enc = @mb_detect_encoding( $str, 'UTF-8,SJIS-win' );
          if ( $enc === 'SJIS-win' ) {
              break;
          }
          // デフォルトとして SJIS-win を設定
          $enc   = 'SJIS-win';

          $_hint = "\xe9\x9b\x80" . $str; // "\xe9\x9b\x80" : UTF-8 "雀"

          // 変換時にマッピングが変更される文字を調整
          mb_regex_encoding( 'UTF-8' );
          $_hint = mb_ereg_replace( "\xe3\x80\x9c", "\xef\xbd\x9e", $_hint );
          $_hint = mb_ereg_replace( "\xe2\x88\x92", "\xe3\x83\xbc", $_hint );
          $_hint = mb_ereg_replace( "\xe2\x80\x96", "\xe2\x88\xa5", $_hint );

          $_tmp  = mb_convert_encoding( $_hint, 'SJIS-win', 'UTF-8' );
          $_tmp2 = mb_convert_encoding( $_tmp,  'UTF-8', 'SJIS-win' );

          if ( $_tmp2 === $_hint ) {
              $enc = 'UTF-8';
          }
          // UTF-8 と SJIS 2文字が重なる範囲への対処(SJIS を優先)
          if ( preg_match( '/^(?:[\xE4-\xE9][\x80-\xBF][\x80-\x9F][\x00-\x7F])+/', $str ) ) {
              $enc = 'SJIS-win';
          }
      }
      return $enc;
  }

  
  $bot = new MyIRCBot();
  $irc = new Net_SmartIRC();

  $irc->connect("localhost", 6667);
  $irc->login("test_bot", "test");
    
  $irc->join($default_channels);
  
  
  $irc->registerActionhandler(SMARTIRC_TYPE_LIST, '.+', $bot, 'onGetList');
  $irc->registerActionhandler(SMARTIRC_TYPE_CHANNEL, '.+', $bot, 'onMessage');
  $irc->registerTimehandler(5000, $bot, 'getList');

  $irc->listen(); 
?>