4

我正在阅读“Ruby 编程语言”。在第 3.2.6.1 节“Ruby 1.9 中的多字节字符”中，本书介绍了 Ruby 字符串中的优化

如果字符串文字仅包含 7 位 ASCII 字符，则其编码方法将返回 ASCII，即使源编码为 UTF-8

我在 ruby​​ 1.9.1-p431、1.9.2 和 1.9.3-p125 上都尝试了以下简单脚本，它们都对 7 位 ASCII 字符使用 UTF-8 编码。

# coding: utf-8
s = 'hello'
p s.encoding
# result is #<Encoding:UTF-8>

我想也许这种行为在 Ruby 1.9 的开发过程中发生了变化。我尝试搜索 Ruby 1.9 的变更日志，1.9.1 的变更日志证实了这种行为。我还克隆了 Ruby 的 git 存储库，但我找不到提到更改此行为的提交。

更新：

查看 Ruby 的源代码存储库，我猜这是 2008 年 1 月发布的 Ruby 1.9.0 中的行为。（它无法在 Debian 6 上编译，所以我无法完全确认。）虽然“The Ruby Programming 《语言》是一本优秀的书，最初出版于2008年。很可能书中的一些描述已经过时了。

另一个过时的描述是关于Encoding.list方法行为的。因此，如果您也在阅读这本书，请注意过时的描述。

4

2 回答 2

4

我没有那本书，但是当前 Pdf 版本的 Programming Ruby 书（镐）状态

无论字符串的内容如何，​​字符串文字总是使用包含它们的源文件的编码进行编码

然后给出一个"dog"获得 utf-8 编码的例子。看起来你的书的版本是错误的。这是你的书印刷版中的勘误表，还是只是印刷后 ruby​​ 发生了变化，我不知道

于 2012-04-25T12:12:01.627 回答
2

需要注意的是，Ruby 中的“编码”通常指的是“解释”，而不是实际存储的字节。当它说编码是 UTF-8 时，这意味着该字符串中的字节将被解释为 UTF-8 多字节字符，尽管考虑到 UTF-8 在设计上向后兼容 7 位 ASCII，有在二进制级别上没有明显的区别。

Ruby 不会自动检测字符串的编码，因为没有标准甚至可靠的方法来确定这一点。这就是为什么默认编码方法应用于所有字符串的原因，除非在创建或转换时明确指定。

您可以切换字符串的编码，而无需使用实际修改存储的字节force_encoding。您还可以转换为不同的格式，可能会重新映射存储的字节，使用encode.

如果您想了解更多关于字符串内部的信息，您有几种方法可以探索：

'dog'.encoding
# => #<Encoding:UTF-8> 
'dog'.bytes.to_a
# => [100, 111, 103] 
'dog'.chars.to_a
# => ["d", "o", "g"]

与非 7 位 ASCII 字符串比较：

'døg'.encoding
# => #<Encoding:UTF-8> 
'døg'.bytes.to_a
# => [100, 195, 184, 103]
'døg'.chars.to_a
# => ["d", "ø", "g"]
于 2012-04-25T14:32:34.887 回答