From: "NARUSE, Yui" <naruse@...>
Date: 2008-01-22T04:59:27+09:00
Subject: [ruby-dev:33268] Re: default encoding for Marshal.load

成瀬です。

Tietew wrote:
>> アプリケーションがloadしたデータ中の文字列をたどってforce_encoding
>> するくらいが妥当ですかねえ。
> 
> ある程度複雑なオブジェクトの中に文字列が保存されている場合、それをくまな
> く辿って force_encoding するのは骨が折れるし間違いも起こりやすいのではな
> いでしょうか。
> 
> そうでなくても、「文字列と nil が混じっている配列」のような単純な構造で
> も、似て非なるコードを書き散らさなくてはならなくなりそうです。

Marlshal.recursive_force_encoding とかいう「データ中の文字列をたどって
force_encoding する」メソッドがあったら楽だろうと思ったんですが、すごい
面倒そうだったので [ruby-dev:33205] の「dumpの入力データのエンコーディン
グにする」を書いてみました。

Index: marshal.c
===================================================================
--- marshal.c   (revision 15163)
+++ marshal.c   (working copy)
@@ -882,6 +882,7 @@ struct load_arg {
     int taint;
     st_table *compat_tbl;
     VALUE compat_tbl_wrapper;
+    rb_encoding *enc;
 };

 static VALUE r_entry(VALUE v, struct load_arg *arg);
@@ -968,7 +969,7 @@ r_bytes0(long len, struct load_arg *arg)
     if (len == 0) return rb_str_new(0, 0);
     if (TYPE(arg->src) == T_STRING) {
        if (RSTRING_LEN(arg->src) - arg->offset >= len) {
-           str = rb_str_new(RSTRING_PTR(arg->src)+arg->offset, len);
+           str = rb_enc_str_new(RSTRING_PTR(arg->src)+arg->offset, len,
arg->enc);
            arg->offset += len;
        }
        else {
@@ -1569,6 +1570,7 @@ marshal_load(int argc, VALUE *argv)
     arg.offset = 0;
     arg.compat_tbl = st_init_numtable();
     arg.compat_tbl_wrapper = Data_Wrap_Struct(rb_cData, rb_mark_tbl, 0,
arg.compat_tbl);
+    arg.enc = rb_enc_get(arg.src);

     major = r_byte(&arg);
     minor = r_byte(&arg);

この arg.enc に encoding をつっこむ方法が何かあれば明示的に指定できるの
ですが、まぁ、これで事実上問題ないのではないでしょうか。

-- 
NARUSE, Yui  <naruse@airemix.com>
DBDB A476 FDBD 9450 02CD 0EFC BCE3 C388 472E C1EA