ruby - Ruby 中的字符串编码

Question

我最近开始使用 Ruby 进行编码，对某些行为感到困惑。

我正在使用 2.2.3p173 并显示以下内容:

__ENCODING__             #=> #<Encoding:UTF-8>  Default encoding in 2.2.3

"my_string".encoding     #=> #<Encoding:UTF-8>
Object.to_s.encoding     #=> #<Encoding:US-ASCII>
Object.new.to_s.encoding #=> #<Encoding:ASCII-8BIT>

这种编码差异的原因是什么？

Answer 1

不错的发现!

简短的回答是它完全是任意的，它取决于 Ruby 如何在内部构建返回的字符串。

有一大堆内部 C 函数可以使用 US-ASCII 编码构造空字符串或文字字符串:rb_usascii_str_new和类似的。它们经常用于通过附加较小的字符串片段来构造字符串。几乎每个 to_s 方法都这样做:

[].to_s.encoding
#<Encoding:US-ASCII>
{}.to_s.encoding
#<Encoding:US-ASCII>
$/.to_s.encoding
#<Encoding:US-ASCII>
1.to_s.encoding
#<Encoding:US-ASCII>
true.to_s.encoding
#<Encoding:US-ASCII>
Object.to_s.encoding
#<Encoding:US-ASCII>

那么为什么不Object.new.to_s呢？这里的关键是 Object#to_s 是 every 类的回退 to_s 方法，所以为了使其通用但信息丰富，他们对其进行编码以输出对象内部指针的值。最简单的方法是使用 sprintf 和 %p 说明符。 但是 编码 Ruby 的 sprintf 包装器 rb_sprintf 的人变得懒惰，只是将编码设置为 NULL回落到 ASCII-8BIT。所以通常任何返回格式化字符串的东西都会有这样的编码:

Object.new.to_s
#<Encoding:ASCII-8BIT>
nil.sort rescue $!.to_s.encoding
#<Encoding:ASCII-8BIT>
[].each.to_s.encoding
#<Encoding:ASCII-8BIT>

对于脚本定义的字符串，它们会像您期望的那样获得默认编码 UTF-8。