Rubyを理解する：文字列エンコーディング、ASCII、Unicode

コンピューターが1と0しか理解できない世界で、文字列はどのように存在するのでしょうか？

まあ…

ドメイン名をIPアドレスにマッピングできるのと同じように。

または特定の製品のバーコード。

できる…

数字を文字にマッピングしてください！

97のように "a"へ 。

または122 "z"へ 。

まさにそれが、数字の世界でキャラクターを持つことができる方法です。

しかし、どの数字がどの文字に合うのでしょうか？

その質問に答えるために、さまざまな文字マッピングシステムを発明しました。

ASCIIから始めます。

ASCIIは、「情報交換のための米国標準コード」の略です。

ASCIIテーブルを見つけるか、Rubyに文字をASCII値に変換するように依頼できます。

このように ：

"a".ord
# 97

複数のキャラクターの場合 ：

"abc".bytes
# [97, 98, 99]

整数を使用している場合は、関連する文字を取得できます。

このように ：

97.chr
# "a"

ASCIIエンコーディングにはが含まれます ：

• 制御文字（改行、タブ、nullなど）
• 記号（括弧、等号、疑問符など）
• 数字（0〜9）
• 文字（a-z、A-Z）

この記事の後半で説明するように、この文字の範囲は制限されています。

なぜですか？

中国語や日本語などの他の言語の文字や記号が含まれていないためです。

実世界のASCII

この数字から文字列へのマッピング全体は、舞台裏で行われます。

しかし、いくつかの実用的な用途があります！

例 ：

HTTP仕様では、URL内の特定の文字は許可されていません。

ただし、これらの無効な文字をASCII形式でエンコードすると、最新のWebサーバーのほとんどが正しく解釈します。

example.com/a+++ => example.com/a%2B%2B%2B

%2Bとは ？

+の文字です 、ASCIIエンコード形式。

この知識を使用して、文字を変換することもできます。

例 ：

ASCIIテーブルを見ると、小文字から32を引くことで、小文字を大文字に変換できることがわかります。

("a".ord - 32).chr
# "A"

それは逆にも機能します。

("A".ord + 32).chr
# "a"

はい。

Rubyには、upcaseがあります。 ＆downcase メソッド。

しかし、これは、ある種の面接の質問、コーディングの課題、または同様の状況で役立つ可能性があります。

Unicodeとは何ですか？

ASCIIは、最大127の異なる文字（拡張ASCIIでは256）しかエンコードできません。これにより、表現できる文字が制限されます。

解決策は？

Unicode。

Unicodeは文字列エンコーディングシステムです 最大100万の異なる文字を表すことができます 。

これはASCIIよりもはるかに広いスペースです！

これで、あらゆる種類の言語の文字、新しい記号、さらには絵文字を含めることができます。

ここにいくつかのUnicodeがあります ：

ɑΩϕβΣπ

これらは、ASCIIを使用して表示できないギリシャ文字の文字です。

RubyでUnicodeを使用する方法

RubyはUnicodeをサポートしており、Ruby1.9以降はデフォルトで有効になっています。

これができるように ：

π = 3.141592

またはこれ ：

def ★★★
  puts "You get 3 stars, great job!"
end

★★★
# "You get 3 stars, great job!"

とても楽しいです！

ただし、これらの記号はキーボードにないため、これらの記号を使用してメソッドと変数を定義するのはおそらくそれほど実用的ではありません。

実際、有効で目に見えないUnicode文字があります。

例 ：

def ​
  puts "Invisible method"
end
​

これは名前のないメソッドのように見えますが、通常は許可されていません。

しかし、それはその目に見えないUnicode文字のために機能します！

文字列エンコーディングメソッド

Rubyには、さまざまなエンコーディングシステムを操作するためのメソッドがあります。

例 ：

"abc".encoding.name
# "UTF-8"

現在のエンコーディングが発生する特別なシナリオがいくつかあります （encoding.name ）実際のエンコーディングと一致しません 文字列の。

これは、Webサイト、ファイル、データベース、または別の外部ソースからデータを読み取るときに見つけることができます。

これにより、InvalidByteSequenceErrorが発生します 。

その場合は、エンコーディングを変更する必要があります 。

どうやって？

encodeを使用する 方法：

"abcΣΣΣ".encode("ASCII", "UTF-8", undef: :replace)

# "abc???"

UTF-8（Unicode）から変換しています ASCII 、およびΣ 文字はASCIIで使用できないため、Rubyに置き換えるように指示します。

デフォルトでは、これにより未定義の文字が疑問符に置き換えられます。

しかし、それは変更できます。

このように ：

"abcΣΣΣ".encode("ASCII", "UTF-8", invalid: :replace, undef: :replace, replace: "")

# "abc"

または「フォールバック」オプションを使用する ：

"abcΣΣΣ".encode("ASCII", "UTF-8", fallback: {"Σ" => "E"})

# "abcEEE"

これは言っています ：

「すべての文字をUTF-8（Unicode）からASCIIに置き換え、フォールバックハッシュを使用して、ASCIIに存在しない文字を変換します。」

別のメソッド、force_encoding 、この変換ステップなしでエンコーディングを変更します。

例 ：

"abc½½½".force_encoding("iso-8859-1")

Encoding.aliasesを使用して、使用可能なエンコーディングのリストを取得できます。 メソッド。

概要

コンピューターがエンコードテーブルを使用して数字から文字を作成する方法を学びました。 RubyでのASCIIとUnicodeについても学びました。

エディターを開いて、練習を楽しんでください😃

読んでくれてありがとう。