[ruby-dev:33271] Re: default encoding for Marshal.load

なかだです。

At Tue, 22 Jan 2008 04:59:27 +0900,
NARUSE, Yui wrote in [ruby-dev:33268]:
> 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。

> @@ -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);

String限定なら、ここでrb_str_subseq()を使うだけでもできます。

それ以外のときが問題で、IO#read(length)は常にASCII-8BITを返すの
で入力から調べることもできません。IOにもrb_enc_get()で取れるよう
にエンコーディングをセットしておけば簡単なんですけど。

> 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。

引数なしのMarshal.loadがMarshal::Loaderオブジェクトを返す、とか
でしょうか。


Index: marshal.c
===================================================================
--- marshal.c	(revision 15163)
+++ marshal.c	(working copy)
@@ -81,5 +81,5 @@ shortlen(long len, BDIGIT *ds)
 static ID s_dump, s_load, s_mdump, s_mload;
 static ID s_dump_data, s_load_data, s_alloc;
-static ID s_getc, s_read, s_write, s_binmode;
+static ID s_getc, s_read, s_write, s_binmode, s_external_encoding;
 
 ID rb_id_encoding(void);
@@ -883,4 +883,5 @@ struct load_arg {
     st_table *compat_tbl;
     VALUE compat_tbl_wrapper;
+    rb_encoding *enc;
 };
 
@@ -966,5 +967,5 @@ r_bytes0(long len, struct load_arg *arg)
     VALUE str;
 
-    if (len == 0) return rb_str_new(0, 0);
+    if (len == 0) return rb_enc_str_new(0, 0, arg->enc);
     if (TYPE(arg->src) == T_STRING) {
 	if (RSTRING_LEN(arg->src) - arg->offset >= len) {
@@ -986,4 +987,5 @@ r_bytes0(long len, struct load_arg *arg)
 	if (OBJ_TAINTED(str)) arg->taint = Qtrue;
     }
+    rb_enc_associate(str, arg->enc);
     return str;
 }
@@ -1553,7 +1555,9 @@ marshal_load(int argc, VALUE *argv)
 
     rb_scan_args(argc, argv, "11", &port, &proc);
+    arg.enc = 0;
     if (rb_respond_to(port, rb_intern("to_str"))) {
 	arg.taint = OBJ_TAINTED(port); /* original taintedness */
 	StringValue(port);	       /* possible conversion */
+	arg.enc = rb_enc_get(port);
     }
     else if (rb_respond_to(port, s_getc) && rb_respond_to(port, s_read)) {
@@ -1561,4 +1565,9 @@ marshal_load(int argc, VALUE *argv)
 	    rb_funcall2(port, s_binmode, 0, 0);
 	}
+	if (rb_respond_to(port, s_external_encoding)) {
+	    VALUE enc = rb_funcall2(port, s_external_encoding, 0, 0);
+	    rb_p(enc);
+	    arg.enc = rb_to_encoding(enc);
+	}
 	arg.taint = Qtrue;
     }
@@ -1642,4 +1651,5 @@ Init_marshal(void)
     s_write = rb_intern("write");
     s_binmode = rb_intern("binmode");
+    s_external_encoding = rb_intern("external_encoding");
 
     rb_define_module_function(rb_mMarshal, "dump", marshal_dump, -1);


-- 
--- 僕の前にBugはない。
--- 僕の後ろにBugはできる。
    中田 伸悦