続・ruby 1.9 における文字列のエンコーディング
エンコーディング情報を表す Encoding クラスを定義する encoding.c を読んでみた。
対応している符号化方式のリストは、クラスメソッド Encoding#name_list で配列として得ることが出来る。Encoding クラスインスタンスの配列が欲しいときは、Encoding.list を使う。
ruby 1.9.1-p0 における対応は以下のようになっていた。
| 646 | ANSI_X3.4-1968 | ASCII | ASCII-8BIT |
| BINARY | Big5 | CP437 | CP737 |
| CP775 | CP850 | CP852 | CP855 |
| CP857 | CP860 | CP861 | CP862 |
| CP863 | CP864 | CP865 | CP866 |
| CP869 | CP874 | CP878 | CP932 |
| CP936 | CP949 | CP950 | CP1250 |
| CP1251 | CP1252 | CP1253 | CP1254 |
| CP1255 | CP1256 | CP1257 | CP1258 |
| CP51932 | CP65000 | CP65001 | EUC-CN |
| EUC-JP | EUC-KR | EUC-TW | Emacs-Mule |
| GB12345 | GB18030 | GB1988 | GB2312 |
| GBK | IBM437 | IBM737 | IBM775 |
| IBM850 | IBM852 | IBM855 | IBM857 |
| IBM860 | IBM861 | IBM862 | IBM863 |
| IBM864 | IBM865 | IBM866 | IBM869 |
| ISO-2022-JP | ISO-2022-JP-2 | stateless-ISO-2022-JP | ISO2022-JP |
| ISO2022-JP2 | ISO-8859-1 | ISO-8859-2 | ISO-8859-3 |
| ISO-8859-4 | ISO-8859-5 | ISO-8859-6 | ISO-8859-7 |
| ISO-8859-8 | ISO-8859-9 | ISO-8859-10 | ISO-8859-11 |
| ISO-8859-13 | ISO-8859-14 | ISO-8859-15 | ISO-8859-16 |
| ISO8859-1 | ISO8859-2 | ISO8859-3 | ISO8859-4 |
| ISO8859-5 | ISO8859-6 | ISO8859-7 | ISO8859-8 |
| ISO8859-9 | ISO8859-10 | ISO8859-11 | ISO8859-13 |
| ISO8859-14 | ISO8859-15 | ISO8859-16 | KOI8-R |
| KOI8-U | MacJapan | MacJapanese | SJIS |
| Shift_JIS | TIS-620 | UCS-2BE | UCS-4BE |
| UCS-4LE | US-ASCII | UTF-16BE | UTF-16LE |
| UTF-32BE | UTF-32LE | UTF-7 | UTF-8 |
| UTF-8-MAC | UTF8-MAC | Windows-31J | Windows-874 |
| Windows-1250 | Windows-1251 | Windows-1252 | Windows-1253 |
| Windows-1254 | Windows-1255 | Windows-1256 | Windows-1257 |
| Windows-1258 | csWindows31J | euc-jp-ms | eucCN |
| eucJP | eucJP-ms | eucKR | eucTW |
| external | internal | locale | macCentEuro |
| macCroatian | macCyrillic | macGreek | macIceland |
| macRoman | macRomania | macThai | macTurkish |
| macUkraine |
対応する符号化方式には別名が割り当てられている物があり、上のリストにはそれらも含まれているようだ。別名のリストはクラスメソッド Encoding.aliases でハッシュリストとして得ることが出来る。
| 別名 | 符号化方式 |
|---|---|
| BINARY | ASCII-8BIT |
| CP437 | IBM437 |
| CP737 | IBM737 |
| CP775 | IBM775 |
| IBM850 | CP850 |
| CP857 | IBM857 |
| CP860 | IBM860 |
| CP861 | IBM861 |
| CP862 | IBM862 |
| CP863 | IBM863 |
| CP864 | IBM864 |
| CP865 | IBM865 |
| CP866 | IBM866 |
| CP869 | IBM869 |
| CP1258 | Windows-1258 |
| CP950 | Big5 |
| eucJP | EUC-JP |
| euc-jp-ms | eucJP-ms |
| eucKR | EUC-KR |
| eucTW | EUC-TW |
| EUC-CN | GB2312 |
| eucCN | GB2312 |
| CP936 | GBK |
| ISO2022-JP | ISO-2022-JP |
| ISO2022-JP2 | ISO-2022-JP-2 |
| ISO8859-1 | ISO-8859-1 |
| CP1252 | Windows-1252 |
| ISO8859-2 | ISO-8859-2 |
| CP1250 | Windows-1250 |
| ISO8859-3 | ISO-8859-3 |
| ISO8859-4 | ISO-8859-4 |
| ISO8859-5 | ISO-8859-5 |
| ISO8859-6 | ISO-8859-6 |
| CP1256 | Windows-1256 |
| ISO8859-7 | ISO-8859-7 |
| CP1253 | Windows-1253 |
| ISO8859-8 | ISO-8859-8 |
| CP1255 | Windows-1255 |
| ISO8859-9 | ISO-8859-9 |
| CP1254 | Windows-1254 |
| ISO8859-10 | ISO-8859-10 |
| ISO8859-11 | ISO-8859-11 |
| CP874 | Windows-874 |
| ISO8859-13 | ISO-8859-13 |
| CP1257 | Windows-1257 |
| ISO8859-14 | ISO-8859-14 |
| ISO8859-15 | ISO-8859-15 |
| ISO8859-16 | ISO-8859-16 |
| CP878 | KOI8-R |
| SJIS | Shift_JIS |
| CP932 | Windows-31J |
| csWindows31J | Windows-31J |
| MacJapan | MacJapanese |
| ASCII | US-ASCII |
| ANSI_X3.4-1968 | US-ASCII |
| 646 | US-ASCII |
| CP65000 | UTF-7 |
| CP65001 | UTF-8 |
| UTF-8-MAC | UTF8-MAC |
| UCS-2BE | UTF-16BE |
| UCS-4BE | UTF-32BE |
| UCS-4LE | UTF-32LE |
| CP1251 | Windows-1251 |
| locale | Windows-31J |
| external | Windows-31J |
locale/external については、多分環境にあった符号化方式が選択されるんだろう。
iconv みたいな変換ライブラリと比較したわけではないけど、対応する符号化方式数が意外にも結構あることに驚いた。通常の利用に当たっては不自由しない程度の種類だと思う。
