人事労務freeeのエンジニアのスポーンです。
RubyでShift_JISに変換するときにハマったので、同じことをしようと思った人の参考になれば幸いです。
Rubyのエンコード
要件として、入力文字列の文字コードをShift_JISにエンコードする必要がある機能がありました。
RubyではString.encode()メソッドでエンコードを変更できるので、以下のようなコードを書きました。
'髙'.encode('SHIFT_JIS')
その後、リファクタリングをしている時についでに
'髙'.encode('sjis')
と変更してみたところエラーで落ちてしまいました。
SJISとShif_JISの違い
上記がRubyの String.encode() の引数部分のエイリアス実装箇所です。
実装によると
ENC_ALIAS("SJIS", "Windows-31J")
このように実装されており、SJIS は SHIFT_JISのエイリアスではなく、 Windows-31J のエイリアスと分かります。
p Encoding.aliases でエイリアス一覧が取得できるので、そちらでも確認できます。
Windows-31Jとは
Windows-31JはShift_JISをマイクロソフト以外の企業が独自拡張した文字コードを統合し、標準化した文字コードのようです。
Microsoft コードページ 932（CP932）は、マイクロソフト及び、MS-DOSのOEMベンダがShift_JISを独自に拡張した文字コードである。また同時に、CP932はShift_JISのWindowsアプリケーションにおける「実装」を指す用語であるとも言える。
(中略）
マイクロソフトは1993年、Windows 3.1の日本語版を出すにあたり、「CP932の誕生と発展」節で述べたように多様化した「CP932」の仕様をOEMメーカーの自由に任せるという方針を撤回した。日本のパーソナルコンピュータ市場で、特に大きなシェアを持つ上記2社の統合コードをWindowsにおける日本語標準コードとし、また、これをIANAに「Windows-31J」という名で登録した。IANA登録名の「Windows-31J」とは、読んで字のごとく、「Windows3.1 Japanese」を意味している。
代表的なShift_JISとの差分としては、人名で言うと
- 「髙橋」さんの髙(はしごだか)
- 「齋藤」さんの齋(斎の旧字体)
などがあります。
特に人名で使われる漢字の旧字体はShift_JISにはなく、Windows-31Jにしか無い文字コードの可能性があるので注意が必要です。
まとめ
人事労務freeeでは電子政府窓口e-Govなど、行政サービスと連携をした機能の開発をしています。
普段サービス内で扱っているデータはUTF-8なので、文字コードを意識することはありませんが、行政サービスなどのShift_JISが指定されている連携先は、 こういった問題が発生するため、文字コードについてしっかりとした理解が必要だと、学びがありました。
