文字ときどきRuby - tmtms のメモ

これはRubyアドベントカレンダーとSmartHRアドベントカレンダーの17日目の記事です。 qiita.com qiita.com 12/9 に nagano.rb で文字について発表して、同じのを 12/15 に SmartHR 社内で LT しました。 スライドはこちら speakerdeck.com 同じ文字？ この２つの文字は同じものに見えますか？ 実はこれは同じ文字を異なるフォントで表示したものです。 ゴシック体と明朝体で字体が異なって見えるのと同じことなので、同じ文字と言えるでしょう。 コンピュータで扱う文字は文字ごとに番号(コードポイント)が振られていて、プログラムから見たときには同じコードポイントであれば同じ文字として扱われます。 Ruby で文字のコードポイントを得るには String#ord を使用できます。 '直'.ord.to_s(16) #=> "76f4" '

[tmtms]

nagano.rb での発表を社内LTでも使って、さらにアドベントカレンダーのネタにもした

[toyoshi]

とはいえ「へ」以外は単に複雑だったり過去の歴史のせいって気がして、「へ」だけはバグだよな

[katsyoshi]

すごいよかった。これRubyの問題じゃなくてUnicode、OSの問題なので対応が難しいよね

[mohri]

こんなに漢字が面倒なのって日本だけなのかな？ おもに戸籍表記の維持のためだとおもうんだけど、ほかに用途あるんだろうか？

[sho]

はははっ

[yarumato]

“同じに見えますが、同じ文字でしょうか。1. 異なるフォント 2. 異なるコードポイント 3. 異体字セレクタ 4. はしご高 5. たち崎 6. 人に自然な文字の単位、書記素”

[sgo2]

UnicodeだけでなくフォントやOSのフォント管理の仕様もカオス化に拍車をかけてて、例えばWinAPIだとLOGFONT構造体のlfCharsetを適切に指定しないと字形が変わってしまうが割と見落とされてる(開発者の方々は見直して欲しい)

[smicho]

これは発狂する。

[tekimen]

ホントにカオス

[KoshianX]

カオスだ……互換文字と異体字の存在がむちゃくちゃややこしくしてるなあ