突然ですがクイズです！－その1

Delphi、C++、Java、C#、PHP、Rubyの6言語の動作の違いをクイズで考察

文字の長さ

問題

　続いて文字の長さについて。6つの言語で「あ」の長さを取得してみました。しかし、やはり1つだけ出力結果が違うものがありました。それはどれでしょうか?

　それぞれ、ソースファイルの文字コードやコンパイルオプションなどは正しく設定されているハズなのですが…。

Delphi for Win32 － ソースコードはSJISで保存

program Project1;
{$APPTYPE CONSOLE}
var
  str: WideString;
begin 
  str := 'あ';
  Write(Length(str));
end.

C++Builder － ソースコードはSJISで保存

#include <iostream>
using namespace std;
int main(int argc, char* argv[])
{
  wstring str = L"あ";
  cout << str.length();
  return 0;
}

Java － ソースコードはUTF-8で保存

package project1;
public class Project1 {
  public static void main(String[] args) {
     String str = "あ";
     System.out.print(str.length());
  }
}

C#.NET － ソースコードはSJISで保存

namespace project1 {
public class Project1 {
  public static void Main() {
    string str = "あ";
    System.Console.Write(str.Length);
  }
}
}

PHP5 － ソースコードはUTF-8で保存

<?php
ini_set('mbstring.internal_encoding', 'UTF-8');
$str = 'あ';
echo mb_strlen($str);
?>

Ruby1.8.6 - ソースコードはUTF-8で保存

$KCODE='u'
str = 'あ'
print str.length

解説

　正解は「Ruby」。

　Rubyでは、期待した「1」ではなく「3」が出力されます。それ以外の言語では正しく「1」が出力されます。Delphi／C++／Java／C#では基本的に1文字を16bitのUnicodeで管理することが可能です。特にうっかりミスを起こすことはないでしょう。

　PHPでは、文字を処理する際のエンコード（UTF-8やSJISなど）を設定することができます。問題のコードでは、UTF-8でエンコードされた「あ」をmb_strlen関数を利用して正しく1文字として認識しています。しかし、Rubyでは文字列の長さを取得するlengthメソッドはUTF-8に対応しておらず、バイト単位のサイズが返されます。そのため「3」が出力されました。

　そこでRubyでは、以下に示すコードのようにUTF-8に対応したライブラリ「jcode」または「RailsのActiveSupport」を利用することで正しく「1」が出力されます。

jocdeのjlengthを使用した例

require 'jcode'
$KCODE='u'
str = 'あ'
print str.jlength

RailsのActiveSupportを使用した例

require 'rubygems' 
require 'active_support'
$KCODE='u'
str = 'あ'
print str.chars.length