From: TAKAHASHI Masayoshi <maki@...>
Date: 2001-12-05T19:59:09+09:00
Subject: [ruby-dev:15365] Re: Regexp in UTF-8 (Re: Regexp literal and Regexp.new())

高橋征義です。

nobu.nakada@nifty.ne.jpさん：
> At Wed, 5 Dec 2001 15:52:55 +0900,
> matz@ruby-lang.org (Yukihiro Matsumoto) wrote:
> > |UTF-8の正規表現で、[]がうまく動かないようです。
> > 
> > つーか指定が間違ってると思います。
> > 
> > |reg = Regexp.new("[\303\251-\303\254]", nil, "u")
> > 
> > の[\303\251-\303\254]は「\303と\251から\303と\254」と解釈し
> > てるんではないかと。ここは直接UTF-8を(octal表現でなく)記述す
> > るか、ocatl表現文字列からRegexp.compileを使うかのいずれかが
> > 正しいのではないかと思います。
> 
> いや、""の中にあるんで、すでにUTF-8が直接埋め込まれた形になって
> るはずです。

[ruby-talk:27499] の Martin v. Loewis さんのメールでは
リテラルを使っていたものを、上の例では文字列から生成する
ように変えてしまったので混乱させてしまったかも。だとしたら
すみません(_o_)

なお、ちゃんと(？)シングルバイト扱いされているなら、[\251-\303]に
あたる全ての文字が置換されるはずなので、

    str = "soci\303\251t\303\251"
    reg = Regexp.new("[\303\251-\303\254]", nil, "u")
    p str.gsub(reg, "?")

が、

    "soci??t??"

みたいになりそうな気がします(まさに[ruby-talk:27499]のように)。

高橋征義 (TAKAHASHI Masayoshi)       Email:maki@inac.co.jp