[ruby-dev:40362] Re: trunk \w match

成瀬です。

2010/2/9 Yukihiro Matsumoto <[e-mail]>:
> まつもと ゆきひろです
>
> In message "Re: [ruby-dev:40359] trunk \w match"
>    on Tue, 9 Feb 2010 15:42:14 +0900, WATANABE Tetsuya <[e-mail]> writes:
>
> |Trunk の \w のマッチが漢字で動作していないようです。
>
> Sun Aug 16 00:30:33 2009の変更で \d, \s および \w がASCIIの
> 範囲で動作するように変更になってます。[ruby-dev:39026]ですね。
> ただ、ここで議論されていたのは \d だけなんですが、その他につ
> いても「Perlに合わせる」という判断がされたようです。
>
> よね ＞ 成瀬さん。
>
> 個人的には \w と \s は悪影響が少ないと思いましたが。

そうですね。
3つセットで決めるものだと思っていて、\d だけ ASCII にというのは考えもしませんでした。
今考え直しても、一部だけ戻すのは混乱のもとに思います。

なお、yugui さんが 1.9.1 の初期のパッチリリースで \d \s \w が Unicode 志向なのは
バグだと判断したため、最新のパッチリリースでは ASCII 志向に差し替わっています。

2010/2/9 WATANABE Tetsuya <[e-mail]>:
> 情報ありがとうございます。
>
> 仕様変更なのですね。了解しました。
>
> \d の数字の場合のマッチの記述量はすくないので
> 書き換えは楽なのですが、\w については、漢字コード
> によって連続しているような書き方が不適当になると
> 思われるので、どう代用していいか悩みます。
>
> なにかいいアイディアがあるかたがいましたら教えて
> ください。
>
> \w を漢字コードのマッチすることを期待する場合の
> 代用コードとして
>
> [漢字コードの最初-漢字コードの終わり]
>
> などがあります。EUC-JP などはこれで書けなくも
> ないのですが、他の漢字コードで利用したい人も、
> この記述がそのまま使えるでしょうか?

この文章からでは真に期待するものが何か判断しかねますが、
\p{Alphabetic} とか \p{Ideographic} あたりが求めるものなんじゃないかと思います。

/\p{Alphabetic}/ =~ "あ" #=> 0
/\p{Alphabetic}/=~"漢" #=> 0
/\p{Ideographic}/ =~ "あ" #=> nil
/\p{Ideographic}/=~"漢" #=> 0

Unicode 以外もだったら[[:word:]]かな
/[[:word:]]/ =~ "あ".encode("euc-jp") #=> 0

-- 
NARUSE, Yui
[e-mail]