[ruby-dev:40536] Re: [Feature #2833] 絵文字エンコーディングの提案

むらたです。

On 2010/03/03, at 4:15, Yukihiro Matsumoto wrote:

> |fallback ありの場合は、例えば DoCoMo だけで定義されている "\u{E6AD}" (ふくろの絵文字)
> |を KDDI や SoftBank 用のエンコーディングへ変換するときに、
> |代わりの絵文字で代替させたり "[ふくろ]" のようなテキストで置き換えたりします。
> 
> fallbackあり/なしの変換で行うことの違いは理解しました。具体
> 的な変換を行うコードは、それぞれどのようになりますでしょうか。

fallback しない変換は String#encode を使う方法が最も簡単で、
通常通り次のようなコードになります。

  kddi = str.encode("UTF8-KDDI")

この方法では、ソース文字列が valid であれば次の変換が例外なしで実行可能です。

  UTF8-DoCoMo -> UTF8-Google
  UTF8-KDDI -> UTF8-Google
  UTF8-SoftBank -> UTF8-Google
  UTF8-DoCoMo <-> SJIS-DoCoMo
  UTF8-KDDI <-> SJIS-KDDI
  UTF8-KDDI <-> ISO-2022-JP-KDDI
  SJIS-KDDI <-> ISO-2022-JP-KDDI
  UTF8-SoftBank <-> SJIS-SoftBank

つまり、Google 以外の企業から Google への変換、および、同一企業内の相互変換が
例外なしで実行できます。

上記以外の方向の変換では、前回のメールに書いた通り Encoding::UndefinedConversionError
を rescue することで未定義絵文字の混入を発見することが可能です。



fallback を行う変換は、Encoding::Converter#primitive_convert を使って
例外が起きるケースを詳細に扱う方法が最も適切です。
そのコードは前回のメールで示した FallbackingConverter#fallbacking_convert
を参照してください。

これらに加えて、String#gsub を使って未定義絵文字を fallback してから
String#encode を使う方法も考えられます。例えば DoCoMo のふくろの絵文字を
"[ふくろ]" に置き換えてから UTF8-KDDI へ変換するなら

  str.gsub(/\u{E6AD}/, "[ふくろ]").encode("UTF8-KDDI")

こういうコードで実現できます。

--
Kenta Murata
OpenPGP FP = FA26 35D7 4F98 3498 0810 E0D5 F213 966F E9EB 0BCC

本を書きました!!
『Ruby 逆引きレシピ』 http://www.amazon.co.jp/dp/4798119881/mrkn-22

E-mail: [e-mail]
twitter: http://twitter.com/mrkn/
blog: http://d.hatena.ne.jp/mrkn/