ところが図4の例にあるように、この機能は「約88文字以下で入力してください」などと木で鼻をくくったようなエラーを出してくる。じつは、「削除の要請を2回行った」というのは、「約88文字」では説明しきれなかったために2回に分割して送信したという意味だった。
高木浩光＠自宅の日記 - 横浜市墓地条例に違反したグーグル社、市の削除要請にも真っ当に応じず, 追記（24日）
「約88文字」とは，何ともおかしな字数です．はてブでも，そこへの突っ込みが目立ちます．
３．削除依頼に詳細を書く欄がありますが、長めに書いたら、「約88文字以内にせよ」とエラー表示され、減らすとまた「約87文字以内にせよ」と言われ、次にまた「約86文字以内にせよ」と言われました。いったいどういうシステムなんですか。「約」が付いていますが、これが免罪符ですか。
ストリートビューについて - 改善、新しい機能の要望 | Google グループ
これを読んで，「UTF-8で日本語88文字は，88×3=264バイトだけど，ASCII文字が入ったりすると，256バイトに収まるってことで，『約88文字』と書いたのかな」と仮説を立てて，実際どんなもんか数えてみることにしました．
#!/usr/bin/env ruby # char88.rb $KCODE = 'u' MAX_CHAR = 88 MAX_BYTE = 256 class String # 文字列クラスにメソッドを追加 def length_byte # バイト数（Ruby 1.8/1.9 両対応（のはず）） unpack('H*').first.length / 2 end def length_char # 文字数（Ruby 1.8/1.9 両対応（のはず）） split(//u).length end def exceed_byte(len = MAX_BYTE) # バイト数超過判定 length_byte > len end def exceed_char(len = MAX_CHAR) # 文字数超過判定 length_char > len end end # 入力ファイル名 xmlfile = ARGV.shift || 'takehikom.xml' # 試行回数 trial = (ARGV.shift || 10).to_i # 入力 contents = open(xmlfile).read.split(/\n/).map {|content| content.gsub(/\[.*?\]/, '').gsub(/^\*(\d*\*)\s*/, ''). gsub(/&[lg]t;/, '').gsub(/^-+\s*/, '') # 削除すべき文字はまだまだあるけど } contents.delete_if {|content| content.empty?} # バイト数合計 sum_byte = 0 # 文字数合計 sum_char = 0 # バイト数超過の文字列数 count_exceed_byte = 0 # 文字数超過の文字列数（このプログラムでは必ず0） count_exceed_char = 0 # 1回の試行で，文字数が MAX_CHAR になるよう文字列を取り出し，バイト数を数える． # これを試行回数分，繰り返す． trial.times do |i| puts "Trial #{i}:" pos = rand(contents.length) s = '' until s.exceed_char # 文字数超過になるよう，行単位で追加する s += contents[pos] pos += 1 pos = 0 if pos >= contents.length end while s.exceed_char # 文字数超過にならなくなるまで，末尾から1文字ずつ削除する s_a = s.split(//u) s_a.pop s = s_a.join('') end # 計数，判定 sum_byte += s.length_byte sum_char += s.length_char count_exceed_byte += 1 if s.exceed_byte count_exceed_char += 1 if s.exceed_char # （1回の試行の）出力 puts "#{s}" if $DEBUG puts "#{s.length_byte} bytes#{s.exceed_byte ? '!' : ''}, #{s.length_char} characters#{s.exceed_char ? '!' : ''}" end # 結果出力 puts "Result" puts "trial: #{trial}" puts "byte: #{sum_byte} / #{trial} = #{sum_byte.to_f / trial}" puts "char: #{sum_char} / #{trial} = #{sum_char.to_f / trial}" puts "excess byte: #{count_exceed_byte} / #{trial} = #{count_exceed_byte.to_f / trial}" puts "excess char: #{count_exceed_char} / #{trial} = #{count_exceed_char.to_f / trial}"
いい文書データがないので，当日記をエクスポートしたXMLファイルを使いました．
プログラムは，もともと，
- 88文字取り出して，256バイトを超える文字列の件数と割合
- 256バイト取り出して，88文字未満の文字列の件数と割合
を求めようとしたのですが，後者は不要なことに気づいて実装していません．
Ruby 1.8/1.9両対応の，文字数・バイト数のカウントメソッドを定義しましたが，$KCODEを使っていることから分かるとおり，このプログラム自体はRuby 1.8のもので，実際，1.9では動作確認していません．
それと，辞書を引くと，「超過する」はexceed，その名詞形はexcessだそうです．
ともあれ実行結果は以下の通り．
$ wc takehikom.xml 23447 38415 2228334 takehikom.xml $ ruby -d char88.rb takehikom.xml 1000 (略) Trial 999: なぜ「cc」なのに「/usr/bin/cc」なのかというと，これは，コマンドサーチパスというものによります．環境変数PATHの情報です．詳細はとりあえず省略．Linux環境では 220 bytes, 88 characters Result trial: 1000 byte: 188349 / 1000 = 188.349 char: 88000 / 1000 = 88.0 excess byte: 179 / 1000 = 0.179 excess char: 0 / 1000 = 0.0
自分の日記で，「88文字で256バイトを超える割合」が約18パーセントと出ました．プログラムコード（ASCII文字）がけっこうある日記で，この数値です．言い換えると，文字（日本語）主体の日記から抜き出せば，割合はもっと高くなるでしょう．
