\1083\1099\1090\1076\1099\1073\1088

[swizard]

Поучаствовал вчера в ежемесячном микро-развлекалове, выступив, внезапно, с хаскелем.

Код мой там, конечно, получился лолшто, но мне простительно. Но вернёмся лучше к срачу про юникод :) Как там это было: "В 2014 году говорить об юникоде!" ©.

Prelude> putStrLn "привет, я юникод

Comments

[kurilka]

И что тут удивительного?
http://hackage.haskell.org/package/base-4.7.0.1/docs/src/GHC-Show.html#instance%20Show%20Char

[kurilka]

Или точней https://github.com/ghc/ghc/blob/master/libraries/base/GHC/Show.hs#L317

[swizard]

Да, но почему? "read" не умеет читать неэкранированный utf8?

[kurilka]

В хаддоке речь про Haskell source-language escape conventions судя по всему речь про "Haskell uses the Unicode [11] character set. However, source programs are currently biased toward the ASCII character set used in earlier versions of Haskell." из . Most of the details may be skipped in a first reading of the report. из https://www.haskell.org/onlinereport/lexemes.html
В 2010 обратная совместимость - https://www.haskell.org/onlinereport/haskell2010/haskellch2.html#x7-150002.1

Всё правильно сделали!

[dmytrish]

В этом есть логика: можно посмотреть и структуру String (из чего она реально состоит, code points), и как она будет выглядеть при human interaction (character, который в Unicode вовсе не равнозначен code point):

Prelude> "привет, я юнико́т"
"\1087\1088\1080\1074\1077\1090, \1103 \1102\1085\1080\1082\1086\769\1090"
Prelude> putStrLn "привет, я юнико́т"
привет, я юнико́т

P.S. Ну а с дебагом - есть же repl, в конце-концов, можно и скопировать в putStrLn.

Re: Всё правильно сделали!

[swizard]

То, про что ты говоришь, это уже не "show", это "serialize" :)

Нет никаких объективных причин экранировать все символы, чей codepoint длиннее одного байта. Какие-то -- возможно, но тупо все -- это слишком US-centric, напоминает семибитную кодировку в smtp.

Re: Всё правильно сделали!

[dmytrish]

Ну, я привел пример объективной причины экранировать: о́ ("\1086\769"), ó ("\111\769"), ó ("\243") - это все один и тот же символ, представленный разными code points. И дебажить программу, в которой по какой-то причине две похожие кракозябли оказались представленными по-разному, лучше так, а если code point выводится как символ - значит он железно ASCII.

Re: Всё правильно сделали!

[swizard]

Ну так мне же никто не мешает поставить диакритику над латинской "o", давай тогда и её через \111 печатать, может? :)

Иначе, чем эта латинская "o" лучше нашей "Щ", например?

[dmzlj]

а, точно. но может, это нормально?