Feature #2102
closed
String#inspect as default_internal encoding
Description
=begin
String#inspect の結果は特定のエンコーディングに揃えるようにしませんか。
現在の inspect は異なるエンコーディングを持つ文字列でも何も考えず結合を試み、
結果 EncodingCompatibilityError が上がったとしても気にしない、
というものになっています。
しかし、inspect は irb や p など、とりあえずオブジェクトの中身を概観したい、
という時に使われるものなのに、異なるエンコーディングがあるくらいで、
例外になってしまうは正直不便です。
添付のパッチでは、
- default_internal が設定されていればそれを、設定されていなければ default_external を用いる。
ただし、そのエンコーディングが ASCII compatible でない場合は US-ASCII を用いる。
(以下 inspect のエンコーディングと呼ぶ) - String#inspect の結果は、その String のエンコーディングが、
inspect のエンコーディングと同じ場合はこれまでと同様。 - 異なる場合、String 内の非 US-ASCII 文字は \xXX 形式でエスケープする。
- String 以外の inspect はこれまでと同様。
としています。
これにより、inspect 結果のエンコーディングが一定になるので例外が上がることがなくなります。
動作の例を示すと、inspect のエンコーディングが UTF-8 の場合、
"あ".encode("UTF-16BE").inspect
before => "0B"¶
after => "\x30\x42"¶
"い".encode("UTF-8").inspect
before => "い"¶
after => "い"¶
"う".encode("EUC-JP").inspect
before => "��" (注: EUC-JP で生の「う」)¶
after => "\xA4\xA6"¶
["あ".encode("UTF-16BE"), "い".encode("UTF-8"), "う".encode("EUC-JP")].inspect
before=> EncodingCompatibilityError¶
after => ["\x30\x42", "い", "\xA4\xA6"]¶
どうでしょうか？
diff --git a/string.c b/string.c
index aa36c37..b8d862c 100644
--- a/string.c
+++ b/string.c
@@ -1739,6 +1739,12 @@ str_buf_cat(VALUE str, const char *ptr, long len)
return str;
}
+static VALUE
+str_buf_cat2(VALUE str, const char *ptr)
+{
- return str_buf_cat(str, ptr, strlen(ptr));
+}
VALUE
rb_str_buf_cat(VALUE str, const char *ptr, long len)
{
@@ -4237,13 +4243,6 @@ str_cat_char(VALUE str, unsigned int c, rb_encoding *enc)
rb_enc_str_buf_cat(str, s, n, enc);
}
-static void
-prefix_escape(VALUE str, unsigned int c, rb_encoding *enc)
-{
- str_cat_char(str, '\', enc);
- str_cat_char(str, c, enc);
-}
/*
- call-seq:
- str.inspect => string
@@ -4262,10 +4261,13 @@ rb_str_inspect(VALUE str)
rb_encoding *enc = STR_ENC_GET(str);
char *p, *pend;
VALUE result = rb_str_buf_new(0);
- rb_encoding *resenc = rb_default_internal_encoding();
- if (resenc == NULL) resenc = rb_default_external_encoding();
- if (!rb_enc_asciicompat(resenc)) resenc = rb_usascii_encoding();
- rb_enc_associate(result, resenc);
- str_buf_cat2(result, """);
- if (!rb_enc_asciicompat(enc)) enc = rb_usascii_encoding();
- rb_enc_associate(result, enc);
- str_cat_char(result, '"', enc);
p = RSTRING_PTR(str); pend = RSTRING_END(str);
while (p < pend) {
unsigned int c, cc;
@@ -4278,8 +4280,7 @@ rb_str_inspect(VALUE str)
goto escape_codepoint;
}
n = MBCLEN_CHARFOUND_LEN(n); - c = rb_enc_codepoint_len(p, pend, &n, enc);
- c = rb_enc_mbc_to_codepoint(p, pend, enc);
p += n;
if (c == '"'|| c == '\' ||
(c == '#' &&
@@ -4287,51 +4288,49 @@ rb_str_inspect(VALUE str)
MBCLEN_CHARFOUND_P(rb_enc_precise_mbclen(p,pend,enc)) &&
(cc = rb_enc_codepoint(p,pend,enc),
(cc == '$' || cc == '@' || cc == '{')))) {
-
prefix_escape(result, c, enc);
-
str_buf_cat2(result, "\\"); -
}str_buf_cat(result, p - n, n);
else if (c == '\n') {
-
prefix_escape(result, 'n', enc);
-
}str_buf_cat2(result, "\\n");
else if (c == '\r') {
-
prefix_escape(result, 'r', enc);
-
}str_buf_cat2(result, "\\r");
else if (c == '\t') {
-
prefix_escape(result, 't', enc);
-
}str_buf_cat2(result, "\\t");
else if (c == '\f') {
-
prefix_escape(result, 'f', enc);
-
}str_buf_cat2(result, "\\f");
else if (c == '\013') {
-
prefix_escape(result, 'v', enc);
-
}str_buf_cat2(result, "\\v");
else if (c == '\010') {
-
prefix_escape(result, 'b', enc);
-
}str_buf_cat2(result, "\\b");
else if (c == '\007') {
-
prefix_escape(result, 'a', enc);
-
}str_buf_cat2(result, "\\a");
else if (c == 033) {
-
prefix_escape(result, 'e', enc);
-
}str_buf_cat2(result, "\\e");
- else if (rb_enc_isprint(c, enc)) {
-
rb_enc_str_buf_cat(result, p-n, n, enc);
- else if ((enc == resenc && rb_enc_isprint(c, enc)) || rb_enc_isascii(c, enc)) {
-
}str_buf_cat(result, p-n, n);
else {
-
char buf[5]; -
char *s; char *q; - escape_codepoint:
for (q = p-n; q < p; q++) { -
s = buf; -
sprintf(buf, "\\x%02X", *q & 0377); -
while (*s) { -
str_cat_char(result, *s++, enc); -
} -
}
+#define BACKESC_BUFSIZE 5
-
char buf[BACKESC_BUFSIZE]; -
sprintf(buf, "\\x%02X", *q & 0377); -
str_buf_cat(result, buf, BACKESC_BUFSIZE - 1);
+#undef BACKESC_BUFSIZE
-
}}
}
- str_cat_char(result, '"', enc);
-
str_buf_cat2(result, """);
OBJ_INFECT(result, str);
return result;
=end
Updated by matz (Yukihiro Matsumoto) over 14 years ago
=begin
まつもと ゆきひろです
In message "Re: [ruby-dev:39343] [Feature #2102] String#inspect as default_internal encoding"
on Wed, 16 Sep 2009 01:11:39 +0900, Yui NARUSE redmine@ruby-lang.org writes:
|String#inspect の結果は特定のエンコーディングに揃えるようにしませんか。
<略>
その方が便利そうですね。コミットしてください。
=end
Updated by naruse (Yui NARUSE) over 14 years ago
- Status changed from Open to Closed
=begin
r25113で反映しました。
=end