Encoding::CompatibilityError と ISO-2022-JP

ruby

charset

programming

Ruby 1.9 でハマると厄介と聞いていた Encoding::CompatibilityError にとうとうやられてしまいました。
どうも文字列を ISO-2022-JP にしてしまうと、文字列の結合等々が全くできなくなってしまうようです。

$ irb
irb(main):001:0> str = "てすと"
=> "てすと"
irb(main):002:0> str_iso2022jp = str.encode('iso-2022-jp')
=> "\e\x24\x42\x24\x46\x24\x39\x24\x48\e\x28\x42"
irb(main):003:0> str_iso2022jp + "a"
Encoding::CompatibilityError: incompatible character encodings: ISO-2022-JP and UTF-8
        from (irb):3
        from /usr/local/bin/irb:12:in `<main>'
irb(main):004:0> str_iso2022jp.gsub(/a/,'b')
Encoding::CompatibilityError: incompatible encoding regexp match (US-ASCII regexp with ISO-2022-JP string)
        from (irb):5:in `gsub'
        from (irb):5
        from /usr/local/bin/irb:12:in `<main>'

ちょっとこの動作が良くわからなかったので調べてみたところ、Rubyで ISO-2022-JP は Dummy Encoding として扱われていて結合や比較ができないんですね。

Rubyist Magazine - Ruby M17N の設計と実装

Dummy Encoding

ダミーエンコーディングは Ruby が名前を知っているだけのエンコーディングです。Ruby はただバイト列としてのみこれらを扱い、文字列としてのサポートは一切提供されません。もちろん ASCII のみの文字列との結合・比較等も行うことができません。もっぱらステートフルなエンコーディングがこれにあたり、Ruby 1.9.1 では ISO-2022-JP や UTF-7 がこれに該当します。これらのエンコーディングを Ruby で扱う場合は、stateless-ISO-2022-JP や UTF-8 に変換してから扱うことが推奨されます。

ちょっとこれはメールを扱うときなんかには注意が必要ですね。