JRuby 1.0里的Unicode状态和Ruby兼容性

过去，JRuby的字符串问题是一直是个难题。对于字符串，Ruby使用字节数组表现；而Java则全面支持Unicode字符串，在内部表现为UTF-16。由于这种差别，运行在Ruby上的代码如果要运行在JRuby上就可能会出现问题，正如 Charles O. Nutter解释的那样：

但是API不符合Ruby应用程序的预期，经常将个别字符返回为16bit的值，并报告不正确的字符串字节长度，且无法将该字符串编码为全部由8bit的字符组成的字符串。只要Ruby代码涉及到这样的字符，就会出问题。

他继续描述了JRuby1.0中的解决方案：

Ruby字符串是byte[]类型且符合Ruby字符串语义。

传入Ruby代码的Java字符串将被编码为UTF-8，这暗示了你应该在接收参数的代码中用UTF-8 byte[]来工作。

Ruby 字符串传出到Java时也被假定为UTF-8，Java端调用的返回结果应该符合该假定。

调整字符串编码只是众多工作中的一个，为了达到与Ruby的完美兼容，还需要做许多单调乏味的工作。 一个相关的话题是在JRuby上支持Ruby正则表达式。简单的解决方案是直接用java.util.regex——Java中自带的正则表达式类库，来处理Ruby正则表达式。这个方案已经用了很长一段时间。可是，不断有不同的Bug报告进来，同时出于其他一些方面的考虑，我们觉得需要一个更好的解决方案。java.util.regex的性能问题是众所周知的，而且在JRuby内部使用字节数组表示Ruby字符串会使性能问题更甚（java.util.regex工作时不直接使用字节数组，因此需要先将Ruby字符串进行转换）。 因此，JRuby的核心组成员Ola Bini决定直面困难， 重新选择一个解决方案。他先选择了 JRegex作为临时的替代解决方案，目前他正在致力于REJ方面的工作，这是他的描述：

REJ是一个我已经启动的项目，它将成为MRI 1.8.6正则表达式引擎的直接端口。这一点很重要，因为这样JRuby的语义将与MRI紧密匹配。我们将能够匹配UTF-8、SJIS和EUC正则表达式等，并且我们将具有像MRI一样的特别功能，即使人们并不一定依赖于这样的特别功能。