Bug #515: String#rindexが期待通りに動かない

• Status: Closed
• Assignee: naruse (Yui NARUSE)
• Target version: -

[xibbar (Takeyuki FUJIOKA)]

=begin

-- coding: utf-8 --

str="原稿システム原稿原稿

"
p str.size
p str.rindex(/<DT/,str.size)

% ruby -Ku /tmp/jikken2.rb
35
30
% ruby19 /tmp/jikken2.rb
14
nil

となり、nilになります。ただ、

-- coding: utf-8 --

str="原稿

"
p str.size
p str.rindex(/<DT/,str.size)

% ruby19 /tmp/jikken2.rb
6
2

これだと動きます。
=end

[usa (Usaku NAKAMURA)]

=begin
こんにちは、なかむら(う)です。

In message "[ruby-dev:36033] [Bug #515] String#rindexが期待通りに動かない"
on Aug.28,2008 23:08:08, [e-mail] wrote:

Bug #515: String#rindexが期待通りに動かない
http://redmine.ruby-lang.org/issues/show/515

String#indexおよびString#rindexで第二引数が文字単位での位置で
なくバイト単位の位置になっています。

それは末尾のパッチで直る気がするんですが、元のテストコードは
まだ通らなくて、

in `rindex': incompatible character encodings: UTF-8 and US-ASCII (EncodingCompatibilityError)

になります。
rb_enc_check()が文字列同士じゃないときに中身まで踏み込んだ互
換性確認をしてくれないせいなんですが、どうするのが正しいんで
しょう...

Index: string.c

--- string.c (revision 18896)
+++ string.c (working copy)
@@ -2168,6 +2168,9 @@ rb_str_index_m(int argc, VALUE *argv, VA
}
}

• pos = str_offset(RSTRING_PTR(str), RSTRING_END(str), pos,

•       rb_enc_check(str, sub), single_byte_optimizable(str));
  

• switch (TYPE(sub)) {
  case T_REGEXP:
  pos = rb_reg_adjust_startpos(sub, str, pos, 0);
  @@ -2278,6 +2281,9 @@ rb_str_rindex_m(int argc, VALUE *argv, V
  pos = len;
  }

• pos = str_offset(RSTRING_PTR(str), RSTRING_END(str), pos,

•       rb_enc_check(str, sub), single_byte_optimizable(str));
  

• switch (TYPE(sub)) {
  case T_REGEXP:
  /* enc = rb_get_check(str, sub); */
  
  それでは。
  --
  U.Nakamura [e-mail]

=end

[naruse (Yui NARUSE)]

=begin
成瀬です

U.Nakamura wrote:

String#indexおよびString#rindexで第二引数が文字単位での位置で
なくバイト単位の位置になっています。

それは末尾のパッチで直る気がするんですが、元のテストコードは
まだ通らなくて、

in `rindex': incompatible character encodings: UTF-8 and US-ASCII (EncodingCompatibilityError)

になります。
rb_enc_check()が文字列同士じゃないときに中身まで踏み込んだ互
換性確認をしてくれないせいなんですが、どうするのが正しいんで
しょう...

regexp は中身にまで踏み込む必要はないんじゃないですかね。
regexp の場合、もとから encoding に中身が反映されているので。
そのため、regexp.encoding == US-ASCII の場合の例外処理を入れるだけかと思います。

あとは、file と encoding ですか。

--- encoding.c (revision 18915)
+++ encoding.c (working copy)
@@ -631,6 +631,10 @@ rb_enc_compatible(VALUE str1, VALUE str2
if (!rb_enc_asciicompat(enc1) || !rb_enc_asciicompat(enc2)) {
return 0;
}

• if (BUILTIN_TYPE(str2) == T_REGEXP && enc2 == rb_usascii_encoding())

•   return enc1;
  

• if (BUILTIN_TYPE(str1) == T_REGEXP && enc1 == rb_usascii_encoding())

•   return enc2;
  

  if (BUILTIN_TYPE(str1) != T_STRING) {
  VALUE tmp = str1;

--
NARUSE, Yui [e-mail]

=end

[naruse (Yui NARUSE)]

• Category set to M17N
• Assignee set to naruse (Yui NARUSE)

=begin

=end

[xibbar (Takeyuki FUJIOKA)]

=begin
藤岡です。

usaさんとnaruseさんのパッチを取り込んだら
期待通りの結果になりました。

regexp は中身にまで踏み込む必要はないんじゃないですかね。
regexp の場合、もとから encoding に中身が反映されているので。
そのため、regexp.encoding == US-ASCII の場合の例外処理を入れるだけかと思います。

あとは、file と encoding ですか。

--- encoding.c (revision 18915)
+++ encoding.c (working copy)
@@ -631,6 +631,10 @@ rb_enc_compatible(VALUE str1, VALUE str2
if (!rb_enc_asciicompat(enc1) || !rb_enc_asciicompat(enc2)) {
return 0;
}

• if (BUILTIN_TYPE(str2) == T_REGEXP && enc2 == rb_usascii_encoding())

•   return enc1;
  

• if (BUILTIN_TYPE(str1) == T_REGEXP && enc1 == rb_usascii_encoding())

•   return enc2;
  

  if (BUILTIN_TYPE(str1) != T_STRING) {
  VALUE tmp = str1;

=end

[naruse (Yui NARUSE)]

• Status changed from Open to Closed
• % Done changed from 0 to 100

=begin
Applied in changeset r18916.
=end