From: TAKAHASHI Masayoshi <maki@...>
Date: 2001-12-07T09:57:48+09:00
Subject: [ruby-dev:15386] Re: Regexp in UTF-8 (Re: Regexp literal and Regexp.new())

高橋征義です。

matz@ruby-lang.org (Yukihiro Matsumoto)さん：
> |b. Perl互換。つまり、\x{XXXX} でU+XXXXにあたるUnicode文字を
> |   指定する。Unicodeな正規表現(現状UTF-8のみ)以外では使え
> |   ない(エラー)？
> 
> 個人的にはこれに近いもの、つまり \x{XXXX} でコードポイント
> XXXXの文字を表現するマルチバイト文字を表現しようと考えていま
> した。全然実装してませんが。
> 
> ですから、「abcあ」はUnicodeでは /abc\x{3042}/、SJISなら 
> /abc\x{82a0}/、EUC-JPなら /abc\x{a4a2}/ という具合です。

あああああ、なるほど。
これがあればこれだけでいいかもしれません。

# そっか、EUC-JPとShift_JISは、それぞれISO-646(のvariant)と
# JIS X 0208を合成した一つの大きな文字コードセットで、
# それぞれのコードポイントは別々であり、UTF-16とUTF-8と
# UCS-4は同じコードポイントで違う符号化(UCS-4は符号化じゃない
# けど)を施したもの、と考えればいいんですね。

> で、バイト列を指定することは考えてませんでした。欲しいですか？

Unicode系で、UTF-8<->UTF-16とUTF-8<->UCS-4の相互変換をする
メソッドがあれば、UTF-8については要らなさそうです。

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