あんまりカテゴリが多いのも頭悪そうなんだが、実際頭の悪い問題なので。あと、全角と言う表現も頭悪いし。
現象
詳細
Linux(UTF-8環境)の 1.8系Ruby の irb で確かめてみる
- Linuxに Windows機の PuTTY端末から、全角マイナスを入力
- 1.8系Ruby的には "\357\274\215"
- それを NKF.nkf '-W -s', で変換する、シフトJISの全角マイナス
- 1.8系Ruby的には "\201|"
- この縦棒はなんだよ、\174 です
- 1.8系Ruby的には "\201|"
- それを NKF.nkf '-S -w', で変換する、UTF-8
- 1.8系Ruby的には "\342\210\222"
- それは 1.9Ruby的な "\u2212" と同じ
- それを NKF.nkf '-W -s', で変換する、1.8系Ruby的には "\201|"
- それを NKF.nkf '-S -w', で変換する、1.8系Ruby的には "\342\210\222"
- 安定的になった
Windows環境の方には 1.9コンソールを入れてるのでそのirbでちょっと
"\u2212" は所要のものだ
irb(main):039:0> "\u2212".force_encoding('UTF-8').each_byte{|b| puts '%o'%b } 342 210 222 => "竏・
"\357\274\215"だって間違ってるわけじゃない
irb(main):040:0> "\357\274\215".force_encoding('UTF-8').valid_encoding? => true
変換は出来ないけど
irb(main):041:0> "\357\274\215".force_encoding('UTF-8').encode('Shift_JIS') Encoding::UndefinedConversionError: "\xEF\xBC\x8D" from UTF-8 to Shift_JIS from (irb):41:in `encode' from (irb):41 from C:/Program Files/Ruby-1.9.1/bin/irb.bat:20:in `<main>'
NKFなら変換できる
irb(main):044:0> NKF.nkf('-W -s', "\357\274\215".force_encoding('UTF-8')).each_byte{|b| puts '%o'%b } 201 174 => "−"
事情
普通に Debian GNU/Linux 上で Railsアプリケーションを作っていた。一部出力として Shift_JIS が欲しい(何かの結果のテキストのファイルダウンロードサービス)ということだったので、NKF で変換して出すようにした。
スペック(rspec-raile)を取ろうとした、まあ住所っぽいもので全角文字使用(半角文字は使わない)なので番地の区切りに全角マイナスを使ってみた。(実際そういう入力がある)
スペック自体は Linux上で実行するので、比較する文字列なんかは UTF-8 でスペックファイルに書いてある方が見易い。だから全部 UTF-8 に再変換してからマッチャ呼ぶことにした。
すると合わない、マッチャが通らない。どうしよう。
と言う事で調べた。
