[ruby-dev:11374] Re: Ruby I18N

高橋征義です。

[e-mail] (Yukihiro Matsumoto)さん：
> UTR#17はまだちゃんと読んでないんですが、なんとなくうまく説明
> できないような気がします。文字集合から独立したエンコーディン
> グと言う概念がないようなので。

確かにそうですね。
用語も気にはなるのですが、まだあまり重要ではないと思うので置いておいて。

> んでもって、以下のことを考えてるわけです。
> 
>   * スクリプト言語における文字列処理に必要な情報のほとんどは
>     エンコーディングに関する情報のみである。わずかな例外は文
>     字種の判定である。
(略)
> ような気がしてるんですが、気のせいかなあ。

気になる点としては、以下のようなことがあります。

a) 「似たグリフを持つ字」の問題(Unicodeには「〜」に似た文字や「−」に
   似た字が死ぬほどある。これをJIS X 0208などの文字集合と合わせて扱お
   うとすると、文字集合のレベルで異なっていると考えられるので、エン
   コーディングの問題には帰着できない)。それともちろん包摂の問題。
b) 整列の問題(整列をまじめにやろうとすると、Localeに関する情報が
   必要になる)
c) 結合文字の問題(Unicodeではアクサンつき文字を1code pointで表す
   場合と2code pointsで表す場合がある。この場合の「長さ」は
   どうする？)

まあ、この辺りは、

a') エンコーディング変換についてはプラットフォーム依存
b') 整列はあきらめる or エンコーディング依存
c') compose/decomposeは別ライブラリに任せて、文字列クラスとしては
   単純に「length = code point数」とする

と、あっさり逃げるのが無難なのでしょうね。

高橋征義 (TAKAHASHI Masayoshi)       Email:[e-mail]