[轉]Matz，Koichi訪談（四）：多語言支援

By Yuanyi ZHANG | Published: July 24, 2007 原文連結

問：我們已經討論了多執行緒，下面讓我們來談談字元編碼吧。根據Ruby規劃，這將會是變動較大的一個部分。Matz，你曾經說過你計劃在Ruby中加入m17n（multilingualization，多語言支援，詳情請參見維基百科）支援，你能談談這對於Ruby使用者會有那些影響嗎？

Matz：除了字元操作上會出現一些不相容外，也沒什麼了。比如"abc"[0]將返回'a'而不是97，並且字串索引（string indexing）將基於字元而不是位元組（譯者注：中文及其他一些多位元組語言每個字元可能需要佔據多個位元組）。我想如果要說最大的變化，那就是我們可以宣稱我們現在支援Unicode了。

但是與Perl或者Python不同，Ruby的M17N不會基於Unicode實現，它將會與具體的字元編碼無關，它將能夠處理Unicode，ISO8859，EUC-JP或者是別的隨便什麼編碼，而不用將它們轉換為Unicode。

有些人可能會產生誤解，以為我們仇恨Unicode，其實不是這樣的。如果條件允許的話，我當然也很樂意使用Unicode。但是由於歷史的原因，有很多的編碼規範（比如Shift_JIS就有至少5種變化），它們之間只是在某些字元的對映上存在一些小差異，但不幸的是，我們無法區別它們。因此如果強行將它們轉換為Unicode，將會造成資訊丟失。

Ko1：這個問題超出了我的研究領域，我就不發言了。

問：如果字串需要感知它所採用的編碼規範（encoding aware），是不是說我們建立每個字串時都得為它指定字符集，你能不能詳細談談這方面的設計？是不是存在一種預設編碼，我們可不可以為整個程式指定一種編碼集？

Matz：你可以在檔案的起始處通過code編譯指示（pragma)來指定這個檔案所採用的字符集，就像下面這樣：

# coding: utf-8

這句話指定了此檔案中的所有字串及正則都將按照utf-8來編碼。你也可以通過open來指定IO操作讀取到的字元編碼，比如：

open(path, "r:utf-8") do |f|
 line = f.gets
 end

或者是通過binmode（Perl方式）：

f = open(path, "r")
 f.binmode(":utf-8")

普通IO的預設編碼採用Binary，STDIN則根據本地編碼（locale specified encoding）決定。當然，也可在IO操作時進行轉換，但是目前的介面還不支援這麼做，它可能看起來會是這個樣子：

open(path, "r:utf-8<gb2312")

這會將讀取到的GB2312資料轉換為utf-8。

問：那麼m17n的開發目前進展到什麼程度了，有希望在1.9.1中釋出嗎？

Matz：如果沒有什麼意外的話，支援m17n的1.9.1版本將在聖誕節前後釋出。目前字元處理方面的工作都已經完成了，但是還有一些編碼轉換方面（如String#encode方法以及IO的編碼轉換）的工作沒有完成。