ソースコードのEUC-JP、全部抜く大作戦 / BuriKaigi2026

Transcript

1. 1 ソースコードのEUC-JP、 全部抜く⼤作戦 ⼤浦 優太郎 EC事業部 事業開発チーム BuriKaigi 2026 2026.01.10
2. 2 ⾃⼰紹介 EC事業部 事業開発チーム 2022年 新卒⼊社 ⼤浦 優太郎 Oura Yutaro EC事業部でECサイト構築サービス「カラーミー ショップ byGMOペパボ」の開発‧運⽤に携わる。 1⽉から事業開発チームに参画。うなぎの浜松出 ⾝。 • X : @yukyan_p • Instagram: @yukyan_p
3. 3 アジェンダ 1. はじめに 2. EUC-JP を倒すことの難しさ 3. 解決策 4. 実際の成果 5. まとめ
4. 1. はじめに 4
5. はじめに 5 あけましておめでとうございます！
6. はじめに 6 2026年ですが プロダクト開発で EUC-JP と戦っている⼈いますか？
7. はじめに 7 私は戦っています！
8. はじめに 8
9. はじめに 9 Claude Code で編集していると
10. はじめに 10
11. はじめに 11 ⽂字化けしてしまう！
12. はじめに 12 • Claude Code で編集した際に⽂字化け • エディタの設定による⽂字化け • GitHub でレビューする際に⽂字化け ところどころで、UTF-8 でないことによる開発体験の痛みがある UTF-8 前提のツールによる⽂字化け
13. 2. EUC-JP を倒すことの難しさ 13
14. EUC-JP を倒すことの難しさ 14 Q. nkf -w で終わりなのでは？
15. EUC-JP を倒すことの難しさ 15 • マルチバイト⽂字がコメントアウトだけであれば問題ないが... • ソースコードの中にマルチバイトの⽂字列リテラルがあり、ロ ジックが、それがEUC-JPであることに依存している場合、最 終的な結果が変わってしまうことがある nkf -w で困ること
16. EUC-JP を倒すことの難しさ 16
17. EUC-JP を倒すことの難しさ 17
18. EUC-JP を倒すことの難しさ 18 Q. それならまずUTF-8で書いて mb_convert_encodingで UTF-8 から EUC-JP に 変換するようにしたら?
19. EUC-JP を倒すことの難しさ 19 • UTF-8 は Unicode を使えるので111万⽂字ぐらい • PHPがサポートしている EUC-JP は下記の⽂字集合の合成 US-ASCII + JIS X0201:1997(半⾓カナ) + JIS X0208:1990 + JIS X0212:1990 ⼤体 1万2千⽂字 UTF-8 -> EUC-JP で失われる情報がある https://www.php.net/manual/ja/mbstring.encodings.php
20. EUC-JP を倒すことの難しさ 20 • UTF-8 でプログラム上で扱う⽂字列を記述すると、それを EUC-JP として扱おうとしたときに、失われる情報が出てくる （今後、⽂字を追加する場合などに） • つまり、EUC-JP は EUC-JP のまま表現して取り扱いたい （EUC-JP に⼤きく依存した今回のケースにおいては） UTF-8 -> EUC-JP で失われる情報がある
21. 3. 解決策 21
22. 解決策 22 1. マルチバイト⽂字列リテラルを⼀つのファイルに追い出し、元々 直接⽂字列リテラルが書かれていた箇所はそれを参照するように する 2. 追い出し切ったら、コメントアウト以外は ASCII⽂字 ということ になる。 3. ASCII⽂字は EUC-JP と UTF-8 でバイト値が変わらないので⼀気に UTF-8 に変換できる i18n を参考にした解決策
23. 解決策 23 1. マルチバイト⽂字列リテラルを⼀つのファイルに追い出し、元々 直接⽂字列リテラルが書かれていた箇所はそれを参照するように する 2. 追い出し切ったら、コメントアウト以外は ASCII⽂字 ということ になる。 3. ASCII⽂字は EUC-JP と UTF-8 でバイト値が変わらないので⼀気に UTF-8 に変換できる i18n を参考にした解決策
24. 解決策 24
25. 解決策 25 どうやって追い出すのか？
26. 解決策 26 AIでスクリプトを書きます！ Vibe Coding！
27. 解決策 27 PHPトークナイザーを活用し、PHPソースコード内のコメ ントアウト以外のマルチバイト文字列をすべて EucjpStringLiterals.php に定数として定義し直すス クリプトを書いてください。 元々マルチバイト文字列箇所は、 EucjpStringLiterals.php に定義した定数を参照する 形に書き直してください。 プロンプト例
28. 解決策 28 1. マルチバイト⽂字列リテラルを⼀つのファイルに追い出し、元々 直接⽂字列リテラルが書かれていた箇所はそれを参照するように する 2. 追い出し切ったら、コメントアウト以外は ASCII⽂字 ということ になる。 3. ASCII⽂字は EUC-JP と UTF-8 でバイト値が変わらないので⼀気に UTF-8 に変換できる i18n を参考にした解決策
29. 解決策 29 どうやって「追い出し切ったか」を 判定するのか
30. 解決策 30 PHPCodeSnifferを活⽤!
31. 解決策 31 • PHPコードの品質を管理するための静的解析ツール • コードが PSR-12 などの標準ルールやに沿っているかを できる • ルールは⾃分で作ることもできる。このルールを「ス ニフ」と呼ぶ PHPCodeSniffer とは
32. 解決策 32 • 「コメント以外にマルチバイト⽂字列がない」状態を 保証する仕組みが欲しい • リポジトリに導⼊されていた PHPCodeSniffer を⽤い て、コメントアウト以外のマルチバイト⽂字列を検知 するスニフを作成 PHPCodeSniffer の活⽤⽅法
33. 解決策 33 use PHP_CodeSniffer\Sniffs\Sniff; use PHP_CodeSniffer\Files\File; use PHP_CodeSniffer\Util\Tokens; /** * NonAsciiInCodeSniff * * コード内の非ASCII文字をチェックします（コメントは除外）。 */ class NonAsciiInCodeSniff implements Sniff {
34. 解決策 34 … // PHPCSのTokens::$commentTokensを使用して、 // すべてのコメント関連トークンをスキップ if (isset($token['code']) && isset(Tokens::$commentTokens[$token['code']])) { continue; } … // 非ASCII文字が含まれていたら警告を出す if ($this->containsNonAscii($token['content'])) { $phpcsFile->addWarning( …
35. 解決策 35 /** * 文字列に非ASCII文字が含まれているかをチェックします。 * * @param string $content チェック対象のコンテンツ * * @return bool */ private function containsNonAscii($content) { // 値がASCII文字の最大値である127 (0x7F) より大きいバイトをチェック return preg_match('/[^\x00-\x7F]/', $content) === 1; }
36. 解決策 36 1. マルチバイト⽂字列リテラルを⼀つのファイルに追い出し、元々 直接⽂字列リテラルが書かれていた箇所はそれを参照するように する 2. 追い出し切ったら、コメントアウト以外は ASCII⽂字 ということ になる。 3. ASCII⽂字は EUC-JP と UTF-8 でバイト値が変わらないので⼀気 に UTF-8 に変換できる i18n を参考にした解決策
37. 解決策 37 • 追い出し先のファイルのみ EUC-JP を許容することになってしまう • 追い出し先のファイルにすべてのマルチバイト⽂字列を置くので、メ ンテナンスコストが⾼そう • ⼀旦追い出して開発体験を改善したあと、今後の運⽤⽅法を検討する ことになるだろう この⼿法の課題
38. 4. 実際やってみたところ 38
39. 実際やってみたところ 39 マルチバイト⽂字列の存在チェック
40. 実際やってみたところ 40 変換スクリプトを実⾏
41. 実際やってみたところ 41
42. はじめに 42 ソースコードからマルチバイト⽂字列を 追い出し切れた!! 🎉 あとは⼀気に変換するだけ！
43. 6. まとめ 43
44. はじめに 44 • EUC-JP を安全にソースコードから抜く⼿法を提⽰した ◦ ⼀⽅で課題もある • この⼿法は「EUC-JPをEUC-JPのまま取り扱いたい」場合の解決策 の⼀つとなる • PHPCodeSniffer を使うことで、マルチバイト⽂字列リテラルが ソースコードにないことを保証する仕組みを作れる • よりいい⽅法を模索していきたいので、情報お待ちしています！ まとめ
45. 45 Thank you!