文字コード総合スレ part8 [sc] | レス744-795

■ このスレッドは過去ログ倉庫に格納されています

1 2012/11/30(金) 13:16:02.46

プログラマーなら一度は煩わされたことのある文字コードについてのスレ。
UTF-8、ShiftJIS、JIS、EUC、Uincode、 UCS、サロゲートペア、コードポイント、文字コード判定、
合成文字、ソート、TRON、外字コード、その他について語り合いましょう。
各言語での文字列の扱いについての質問もOKです。
基本マッターリ、ささ、茶でもどうぞ。

■過去スレ
文字コード総合スレ part1 http://pc11.2ch.net/test/read.cgi/tech/1031028205/
文字コード総合スレ part2 http://pc11.2ch.net/test/read.cgi/tech/1143375639/
文字コード総合スレ part3 http://pc11.2ch.net/test/read.cgi/tech/1180250376/
文字コード総合スレ part4 http://pc11.2ch.net/test/read.cgi/tech/1228052369/
（スレ再利用）UnicodeとUTF-8の違いは？ http://pc12.2ch.net/test/read.cgi/tech/1177930957/
（隔離スレ）UnicodeとUTF-8の違いは？　その2 http://pc12.2ch.net/test/read.cgi/tech/1274937437/
文字コード総合スレ part5 http://pc12.2ch.net/test/read.cgi/tech/1236529563/
文字コード総合スレ part6 http://hibari.2ch.net/test/read.cgi/tech/1278923059/
文字コード総合スレ part7 http://toro.2ch.net/test/read.cgi/tech/1306595564/

ここまで見た

744 2014/02/09(日) 12:11:18.01: CP9ってなんだっけ？

ここまで見た

745 2014/02/09(日) 12:18:27.99: 9は存在しない(あるいはすでに廃止されている)ようだ。
http://www-01.ibm.com/software/globalization/ccsid/ccsid_registered.html

ここまで見た

746 2014/02/11(火) 06:33:45.22: シフトJISだがShift_JISではないということ。

ここまで見た

747 2014/02/12(水) 15:59:51.17: \xe3って何ですか?
調べてみても、あまりよく分からなかったのですが
Unicodeだと思うのですが

ここまで見た

748 2014/02/12(水) 16:20:39.29: それはどこに出てきたの？

ここまで見た

749 2014/02/12(水) 17:39:05.51: Shift-JISのサイトってどっかない？
有名どころがいいんだけど
ニュースサイトとか

ここまで見た

750 2014/02/12(水) 18:32:39.71: 2ちゃんねるっていうサイトがShift-JISで有名だよ

ここまで見た

751 2014/02/12(水) 18:37:46.88: なんてこった、文字通り灯台下暗しだな......
でも教えてくれてありがと、助かった

ここまで見た

752 2014/02/12(水) 18:52:22.74: 和んだ

ここまで見た

753 2014/02/13(木) 06:10:27.65: >>747
それが出てきた文脈が大事なんだけど…
何かの処理系で非ASCIIをエスケープシーケンスを用いたUnicodeで表記したものじゃないの?
U+00E3ならãを表してる。

ここまで見た

754 2014/02/13(木) 15:53:43.39: 正規表現じゃない？

ここまで見た

755 2014/02/13(木) 19:42:23.41: これが入札した変体仮名グリフなのかな
mojikiban.ipa.go.jp/3467.html

ここまで見た

756 2014/02/13(木) 19:54:45.85: http://togech.jp/2014/02/10/5969

ここまで見た

757 2014/02/15(土) 23:52:34.39: 可の符号位置は上の横棒があるのとないのとで2つ必要な気がする

ここまで見た

758 2014/02/24(月) 23:25:58.95: EUC-JPがASCIIの「拡張」であって「上位互換」でないのはなぜ？
8ビットコードで0X7F以下はASCIIそのものなんだから上位互換でないの？

ここまで見た

759 2014/02/24(月) 23:29:14.48: 上位互換でいいんじゃないの。
両方ISO 2022に適合してるわけだし。

ここまで見た

760

758

2014/02/25(火) 00:11:50.69: PHP使ってる人だとわかると思うんだけど
PHPのhtmlspecialchars()の第3引数にエンコードを指定するんだ
本家のドキュメントにこの関数に与える引数において事実上同等のエンコードが列挙されてるんだが
そこになぜEUC-JPが入ってないのがわからない

ここまで見た

761 2014/02/25(火) 00:31:50.61: PHPとか知らんが、http://jp1.php.net/htmlspecialcharsを見る限り、
ASCII, ISO-8859-1, UTF-8しか順序関係はないんじゃないの?

ここまで見た

762 2014/02/25(火) 00:48:04.45: いくつか資料を見てもASCIIをそのままま持ってくるようなこと書いてあるけど
ASCIIの0x5cはバックスラッシュだしEUC-JPの0x5cは円記号だよね

ここまで見た

763 2014/02/25(火) 01:45:14.76: >>762
いいえ、バックスラッシュです。

ここまで見た

764

758

2014/02/25(火) 01:50:52.80: >>761
うーん　そうなんですかね
マニュアルにこう書いてあるんだから、意味は深く考えなくていいじゃん　
で解決といえば解決なんですけども

>>762
バックスラッシュです
ＧＬ領域はまんまASCIIだったはず

ここまで見た

765 2014/02/25(火) 01:55:49.74: 資料疑うなら根拠を書けよw

ここまで見た

766

758

2014/02/25(火) 01:59:52.01: & ' " < >　これらを変換するためのhtmlspecialchars()は関数なんですね
http://jp1.php.net/htmlspecialcharsに挙げられてる同等に扱われるエンコーディングは
↑の文字をASCIIと同じ符号位置で扱ってるエンコーディングなんです　
符号表的に同じ位置にあるから引数にどれをいれても動作は同等ですよー　とドキュメントに書いてる
でもEUC-JPが入ってないのはどうしてなの？これも同じ符号位置に& ' " < >があるはずなのに！ってのが疑問です

ここまで見た

767 2014/02/25(火) 02:08:59.64: マイナーエンコーディングだからじゃないの?
必要ならpatch書いて送ろう。

ここまで見た

768 2014/02/25(火) 22:58:26.60: むかしむかし、ある男がSafariの中の人に
「どうしてSafariはEUC-JPの0x5cを円記号で表示するんだよ! バグじゃね?」
と聞いてみたそうな。
中の人いわく、「インターネットでメジャーなブラウザに挙動を合わせている」
とのことじゃった。

そうしてそのメジャーなブラウザとSafariでは0x5cが円記号で表示されるのじゃった。
めでたしめでたし

ここまで見た

769 2014/03/01(土) 06:36:12.48: もう一回言って？

ここまで見た

770 2014/03/01(土) 16:36:12.72: むかしむかし、ある男がSafariの中の人に
「どうしてSafariはEUC-JPの0x5cを円記号で表示するんだよ! バグじゃね?」
と聞いてみたそうな。

中の人思った「日本ではバックスラッシュは円記号で表示されるだけで同じ文字なんだよ。
これは国とフォントの問題だ。でもこいつバカっぽいから話もてわからないだろうな。
よし馬鹿向けの回答で」

中の人いわく、「インターネットでメジャーなブラウザに挙動を合わせている」
とのことじゃった。

>>768は納得した。

ここまで見た

771 2014/03/01(土) 17:01:38.49: 結局「当人も馬鹿なのでそうなった」というパターンに見えるがw

ここまで見た

772 2014/03/01(土) 17:13:11.00: Safariの場合はEUC-JPの0x5CをU+00A5にわざわざ変換する処理によるもの
なのでフォント以前の問題

ここまで見た

773 2014/03/01(土) 17:15:58.03: 中の人思った「でも馬鹿にはその説明は理解できないから」

中の人いわく、「インターネットでメジャーなブラウザに挙動を合わせている」

>>768は納得した。

ここまで見た

774 2014/03/01(土) 17:21:00.98: ﾁｮｲｯ \(..*\)　(/*..)/ ﾎﾟｲｯ

ここまで見た

775 2014/03/01(土) 20:24:39.77: >>770
>日本ではバックスラッシュは円記号で表示されるだけで同じ文字なんだよ。

別に馬鹿による解答はお願いしていませんが

ここまで見た

776 2014/03/01(土) 23:34:03.52: >>770が馬鹿だと納得した。

ここまで見た

777 2014/03/02(日) 11:40:45.99: 急にレベル落ちたな

ここまで見た

778 2014/03/07(金) 20:55:49.73: 文字コード関連の論文ってどこがメジャーですか？
探しても全然でてこない

ここまで見た

779 2014/03/07(金) 21:33:27.70: >>778

>>3
Unicode Home Page
http://www.unicode.org/
ISO-IR - 2.8.1 Coding systems with Standard return
http://www.itscj.ipsj.or.jp/ISO-IR/2-8-1.htm
ISO-IR - 2.8.2 Coding Systems without Standard return
http://www.itscj.ipsj.or.jp/ISO-IR/2-8-2.htm

ここまで見た

780 2014/03/07(金) 22:35:48.09: 論文とはちょっと違うような。
文字コード関連で論文書いてると言ったら
http://kanji.zinbun.kyoto-u.ac.jp/~yasuoka/publications.html
が真っ先に思い浮かんだ

ここまで見た

781 2014/03/07(金) 22:42:10.26: UnicodeやISOのTRその他の方が激しい追求を受けると思いますが。

ここまで見た

782 2014/03/08(土) 09:20:49.63: でも上記のリンクはTRじゃないよ
むしろこっちでしょ
http://std.dkuug.dk/jtc1/sc2/wg2/

ここまで見た

783 2014/03/08(土) 09:23:43.86: っていうか>>3から引用しただけ?

ここまで見た

784 2014/03/08(土) 17:39:51.62: はてさて

ここまで見た

785 2014/03/11(火) 23:28:53.24: >>778
文字研究会
https://sites.google.com/site/mojiken/

ここまで見た

786 2014/03/11(火) 23:42:26.16: Unicode の EastAsianWidth.txt について、

00C1;N # LATIN CAPITAL LETTER A WITH ACUTE
00E1;A # LATIN SMALL LETTER A WITH ACUTE

のように同じ文字で大文字小文字の違いしか無さそうなのに
幅の扱いが異なるものがあるのですが、
このようなことになっている理由は何でしょうか？

ここまで見た

787 2014/03/12(水) 00:19:12.34: 一方しか含まれていないコード体系があるとかじゃね
知らんけど

ここまで見た

788 2014/03/12(水) 02:11:29.05: そんなのあったっけ？
JIS X 0212から追加されてるみたいだけど

ここまで見た

789 2014/03/12(水) 16:49:07.31: なんで文字に番号振るだけなのに
研究とかしてんの？

ここまで見た

790 2014/03/12(水) 16:55:22.46: 「文字とは何か」という哲学的な命題が背後にあるから

ここまで見た

791 2014/03/12(水) 19:11:13.07: >>788
日本の0212はSJIS対象外だから無視w
あれはほぼPC,Macの文字コード範囲くらいしか互換対象になってない。
中国のPCで大文字だけ使えたらしい。

ここまで見た

792

786

2014/03/12(水) 22:16:09.94: >>787
調べてみたら、 GB 2312 だと小文字の方しか含まれていないようでした。
ttp://zh.wikipedia.org/wiki/%C3%81

JIS X 0212 などが反映されていない、というのは、
そもそも East Asian Width が古い文字コードとの互換性のためのものなので、
比較的新しい文字コードには対応しない、ということですかね。

うーん、ややこしい。