Issue #10382 has been updated by Akira T…
えぇと、ここでの string 自体は US-ASCII で valid なのです。
‘\x80’ というのは US-ASCII な 4文字の文字列なので。
CODERANGE_BROKEN な文字列ではありません。
それを regexp として解釈した時に US-ASCII としては invalid なことに気がついて現在は例外になりますが、
US-ASCII な文字列の中にエスケープされた 8bit なバイトを示す記述があったら、
ASCII-8BIT な regexp にしたほうが一貫しているんじゃないか、という話です。
Bug #10382: s = ‘\x80’; /#{s}/ raises an exception in US-ASCII script
- Author: Akira T.
- Status: Open
- Priority: Normal
- Assignee:
- Category:
- Target version:
- ruby -v: ruby 2.2.0dev (2014-10-14 trunk 47915) [x86_64-linux]
- Backport: 2.0.0: UNKNOWN, 2.1: UNKNOWN
以下のふたつのスクリプトの動作は一致するべきだと思うのですが、
前者と異なり後者は例外となります。
% cat z1.rb
# -*- encoding: US-ASCII -*-
r = /#{'\x80'}/
p [r, r.encoding]
% ./miniruby -v z1.rb
ruby 2.2.0dev (2014-10-14 trunk 47915) [x86_64-linux]
[/\x80/, #<Encoding:ASCII-8BIT>]
% cat z2.rb
# -*- encoding: US-ASCII -*-
s = '\x80'
r = /#{s}/
p [r, r.encoding]
% ./miniruby -v z2.rb
ruby 2.2.0dev (2014-10-14 trunk 47915) [x86_64-linux]
z2.rb:3:in `<main>': invalid multibyte escape (ArgumentError)
後者のスクリプトは前者のスクリプトの文字列 ‘\x80’ を変数に代入してから
使っているだけの違いなので動作が変わる理由はないと思います。
ここでどちらが正しいかというのが問題ですが、前者が正しいのだと思います。
正規表現リテラルはスクリプトエンコーディングというのが原則で、
それだけなら US-ASCII なので \x80 は invalid で例外という後者が正しいのですが、
US-ASCII のスクリプト内で \x80 などを使うと自動的に ASCII-8BIT になるという仕様 ruby-dev:33348
があって、
動的な正規表現に対してこれが実装されていないように思います。
(静的な正規表現に関しての実装は reg_fragment_setenc_gen だと思います。)