[問題] 關於 Big5 與 regexp

[ducksteven (啞子七号)]

環境：
        Ruby 1.8.7

狀況：
        輸入：一個 Big5 的純文字檔 input.txt
                裏面的內容只有四個字：

                東吳大學

        操作：開檔，讀內容，判斷它是否 match /^[\d\w]{8}$/

        預期結果： nil

        實際結果：因 $KCODE 而異 (!?)

        在 $KCODE='u' 的時候會 match 到

        \d\w 不是只會 match 到英文字母和數字嗎？

        想請問大家為甚麼會這樣 :( 感謝

附錄：

        程式：

#!/usr/bin/ruby -w

$KCODE='u'              # 這一行註解與否會影響到正規表示法的 match

File.open("input.txt", "r").each_line do |l|
  if l.chomp.match(/^[\d\w]{8}$/)
    puts "matched"
  end
end

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.122.166.137
※ 編輯: ducksteven      來自: 140.122.166.137      (04/15 03:35)
→ iamweep:你的程式把東吳大學的binary當成UTF-8來解讀而match \w
→ godfat:你 $KCODE 設 u 然後讀 big5 不是在欺騙 ruby 嗎 @@
→ ducksteven:這是節錄 原本的程式要同時處理 big5 和 utf8
→ godfat:用 ruby 1.8 的話，這樣只能用 byte sequence 來做
→ ducksteven::o 意思是我應該把 big5 和 utf8 分開處理囉？
→ godfat:當然，而且\w是會match中文字的，你要[A-Za-z]才是英文字母
→ godfat:要統一處理就轉個編碼，或是用 1.9.1 吧
→ ducksteven:嗯嗯 謝謝 :)
→ iamweep:統統轉成UTF-8來做，用iconv
→ ducksteven:這個有技術上的困難 因為它有些字是 ...造字... XDD
→ godfat:如果是 big5-hkscs, iconv 支援，如 UAO, 海字集，要另找
→ godfat:如果是完全自己的造字... 只能自己寫了 XD
→ ducksteven:是啊 就是完全造字...XD
→ Schelfaniel:完全自己造字有時連 iconv 都會轉失敗，超慘的