Octets et points de code en ruby

Question

Quelle est la différence entre les fonctions ruby string : points de code et octets ?

'abcd'.bytes
=> [97, 98, 99, 100]

'abcd'.codepoints
=> [97, 98, 99, 100]

Answer 1

bytes renvoie des octets individuels, quelle que soit la taille des caractères, alors que codepoints renvoie les points de code unicode.

s = '日本語'
s.bytes # => [230, 151, 165, 230, 156, 172, 232, 170, 158]
s.codepoints # => [26085, 26412, 35486]
s.chars # => ["日", "本", "語"]

Je vois d'où vient votre confusion. Ruby utilise maintenant l'encodage utf-8 par défaut et utf-8 a été spécifiquement conçu pour que ses premiers points de code (0-127) soient exactement comme dans le codage ASCII. L'ASCII est un codage avec des caractères d'un octet, donc dans les exemples des méthodes de votre question bytes y codepoints renvoient les mêmes valeurs, par coïncidence .

Ainsi, si vous devez décomposer une chaîne en caractères, utilisez soit chars o codepoints (selon ce qui convient le mieux à votre cas d'utilisation). Utilisez bytes uniquement lorsque vous traitez la chaîne de caractères comme un blob binaire opaque, et non comme du texte.