From: TAKAHASHI Masayoshi <maki@...>
Date: 2000-09-24T16:44:33+09:00
Subject: [ruby-list:25136] Re: file separator for Ruby in Windows

高橋征義です。

matz@zetabits.com (Yukihiro Matsumoto)さん：
> そうですねえ。現時点では「Unicodeへの変換問題」や「Unicodeで
> 現に表現できないスクリプト問題」があるので、内部コードの文字
> 集合にUnicodeを用いることにはちょっと抵抗があります。
> 
> 考えているのは

いまいち意味が取れなかったのですが(汗;、

>   * 現状の延長線。文字集合とエンコーディングを追加定義可能に
>     する。
>
>   * エンコーディングはUTF-8に統一。入出力は適宜変換する。た
>     だし、文字コードはUnicodeではなくオリジナル文字コードの
>     ものをそのまま使う。つまりEUCの場合「あ」は0xa2a4としま
>     す。
> 
>   * 各文字に31bit使います(UCS-4相当)。ただし文字コードは(以
>     下同文)。
> 
>   * 文字集合はUnicode。エンコーディングはUTF-8(PerlやPython
>     のやり方)。
> 
>   * 文字集合はUnicode。エンコーディングはUCS-4(glibc?)。

それぞれをA案〜E案と呼ぶことにして、これを表にすると、

      内部の文字集合    Unicode文字列の        EUC-JP文字列の
                          内部encoding           内部encoding
A案   不特定            そのまま               そのまま
B案   不特定            UTF-8に統一            そのまま(16bit)
C案   31bit             UCS-4に統一            32bitに変換
D案   ISO10646          UTF-8に統一            UTF-8に変換
E案   ISO10646          UCS-4に統一            UCS-4に変換

というところでしょうか？ なんか誤解しているような気もするの
ですが。

……ああああ、ひょっとしてB案は、「EUC-JPの場合、EUC-JPにUTF-8
変換(と同等の変換)をかけたものにする」ということなのでしょうか？
つまり、0xa2a4が、0xea8aa4になる、というか。
でも、EUC-JPって、UCS2のサロゲートペア用の領域も使ってしまう
ので、素朴にUTF-8風変換をすることはできないはずです。

D案やE案になるとしても(個人的にはこれでも仕方ないかなあ、という
気分)、「Unicodeから/に変換するメソッド(クラス)はユーザが好きに
いじれる」というのはほしいですね。

# それともcoerceを使う(by 五十嵐さん)?

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