| 1 |
wakaba |
1.1 |
UCS Transformation Format One
|
| 2 |
|
|
|
| 3 |
|
|
[[ISO/IEC10646]] の[[符号化方式]]の一つ。
|
| 4 |
|
|
[[ISO/IEC2022]] の CL, SP, DEL, CR の符号位置の意味を変えない
|
| 5 |
|
|
ってのが売りだったらしい。
|
| 6 |
|
|
|
| 7 |
|
|
ISO/IEC 10646-1:1993 の附属書 G に載ってた。
|
| 8 |
|
|
だけどすぐに、 ISO/IEC 10646 からは削除されちまった。
|
| 9 |
|
|
|
| 10 |
|
|
もう誰にも相手してもらえない。かわいそうに。
|
| 11 |
|
|
|
| 12 |
|
|
[[UCS-4]] の文字を1〜5オクテットの可変長で表現。
|
| 13 |
|
|
[[UTF-8]] が1〜6オクテットなのに比べると、少し短くなるんだ。
|
| 14 |
|
|
|
| 15 |
|
|
割算を使うのが嫌われたらしい。
|
| 16 |
|
|
それから、 ASCII 非互換 (下記参照) なのとか、
|
| 17 |
|
|
[[UTF-8]] とは違って途中から文字区切りを探せないとか。
|
| 18 |
|
|
|
| 19 |
|
|
[[IANA]] 登録簿の名前: ISO-10646-UTF-1, csISO10646UTF1
|
| 20 |
|
|
|
| 21 |
|
|
[[ISO-IR]] の登録番号は 178。登録簿には UTF-1 の仕様が載ってます。
|
| 22 |
|
|
<http://www.itscj.ipsj.or.jp/ISO-IR/178.pdf>
|
| 23 |
|
|
ESC 2/5 4/2 (%B)
|
| 24 |
|
|
|
| 25 |
|
|
|
| 26 |
|
|
* ASCII の上位互換なの?
|
| 27 |
|
|
|
| 28 |
|
|
[[ASCII]] の文書はそのまま UTF-1 に持ってこれるけど、
|
| 29 |
|
|
[[シフトJIS]] みたいに2オクテット目以降に
|
| 30 |
|
|
0x00-7F のどれかが来るって意味では、 ASCII 互換じゃない。
|
| 31 |
|
|
(これはイタいね。)
|
| 32 |
|
|
|
| 33 |
|
|
|
| 34 |
|
|
* UCS-4 → UTF-1
|
| 35 |
|
|
|
| 36 |
|
|
[PRE[
|
| 37 |
|
|
sub u4code2u1code ($) {
|
| 38 |
|
|
my $U = shift;
|
| 39 |
|
|
return ($U) if $U <= 0x9F;
|
| 40 |
|
|
return (0xA0, $U) if $U <= 0xFF;
|
| 41 |
|
|
return (0xA1 + ( $U - 0x100 ) / 0xBE,
|
| 42 |
|
|
T( ( $U - 0x100 ) % 0xBE)) if $U <= 0x4015;
|
| 43 |
|
|
return (0xF6 + ( $U - 0x4016 ) / ( 0xBE**2 ),
|
| 44 |
|
|
T( ( $U - 0x4016 ) / 0xBE % 0xBE),
|
| 45 |
|
|
T( ( $U - 0x4016 ) % 0xBE )) if $U <= 0x38E2D;
|
| 46 |
|
|
return (0xFC + ( $U - 0x38E2E ) / ( 0xBE**4 ),
|
| 47 |
|
|
T( ( $U - 0x38E2E ) / ( 0xBE**3 ) % 0xBE),
|
| 48 |
|
|
T( ( $U - 0x38E2E ) / ( 0xBE**2 ) % 0xBE),
|
| 49 |
|
|
T( ( $U - 0x38E2E ) / 0xBE % 0xBE),
|
| 50 |
|
|
T( ( $U - 0x38E2E ) % 0xBE ));
|
| 51 |
|
|
}
|
| 52 |
|
|
]PRE]
|
| 53 |
|
|
|
| 54 |
|
|
[PRE[
|
| 55 |
|
|
sub utf1code2ucs4code (@) {
|
| 56 |
|
|
my ($x, $y, $z, $v, $w) = @_;
|
| 57 |
|
|
return $x if @_ == 1 && $x <= 0x9F;
|
| 58 |
|
|
return $y if $x == 0xA0;
|
| 59 |
|
|
return ($x - 0xA1) * 0xBE + U($y) + 0x100
|
| 60 |
|
|
if 0xA1 <= $x && $x <= 0xF5;
|
| 61 |
|
|
return ($x - 0xF6) * ( 0xBE**2 ) + U($y) * 0xBE + U($z) + 0x4016
|
| 62 |
|
|
if 0xF6 <= $x && $x <= 0xFB;
|
| 63 |
|
|
return ($x - 0xFC) * ( 0xBE**4 ) + U($y) * ( 0xBE**3 )
|
| 64 |
|
|
+ U($z) * ( 0xBE**2 ) + U($v) * 0xBE
|
| 65 |
|
|
+ U($w) + 0x38E2E;
|
| 66 |
|
|
}
|
| 67 |
|
|
]PRE]
|
| 68 |
|
|
|
| 69 |
|
|
[PRE[
|
| 70 |
|
|
sub T ($) {
|
| 71 |
|
|
my $z = shift;
|
| 72 |
|
|
return $z + 0x21 if $z <= 0x5D;
|
| 73 |
|
|
return $z + 0x42 if $z <= 0xBD;
|
| 74 |
|
|
return $z - 0xBE if $z <= 0xDE;
|
| 75 |
|
|
return $z - 0x60;
|
| 76 |
|
|
}
|
| 77 |
|
|
]PRE]
|
| 78 |
|
|
|
| 79 |
|
|
[PRE[
|
| 80 |
|
|
## T(z) の逆関数
|
| 81 |
|
|
sub U ($) {
|
| 82 |
|
|
my $z = shift;
|
| 83 |
|
|
return $z + 0xBE if $z <= 0x20;
|
| 84 |
|
|
return $z - 0x21 if $z <= 0x7E;
|
| 85 |
|
|
return $z + 0x60 if $z <= 0x9F;
|
| 86 |
|
|
return $z - 0x42;
|
| 87 |
|
|
}
|
| 88 |
|
|
]PRE]
|
| 89 |
|
|
|
| 90 |
|
|
|
| 91 |
|
|
* UTF-1 の正規表現 (手抜き)
|
| 92 |
|
|
|
| 93 |
|
|
[PRE[
|
| 94 |
|
|
qr/[\x00-\x9F]|[\xA0-\xF5].|[\xF6-\xFB]..|[\xFC-\xFF]..../
|
| 95 |
|
|
]PRE]
|
| 96 |
|
|
|
| 97 |
|
|
|
| 98 |
|
|
* Perl 実装
|
| 99 |
|
|
|
| 100 |
|
|
そもそも UTF-1 の実装なんて見たことないんですが(笑)、
|
| 101 |
|
|
面白そうだし RFC 1808 の追悼(謎)の意をこめて、
|
| 102 |
|
|
作ってみました。
|
| 103 |
|
|
|
| 104 |
|
|
Encode::Unicode::UTF1
|
| 105 |
|
|
<http://suika.fam.cx/gate/cvs/perl/lib/Encode/Unicode/UTF1.pm>
|
| 106 |
|
|
|
| 107 |
|
|
perl 5.8 とかの、 Encode module が動く perl でないと駄目です。
|
| 108 |
|
|
- [1] [[ビット組合せ]]についての ISO/IEC 2022 との親和性もあって、 [[IETF]] はメイル規格とかに採用する案もあったらしいが・・・。丸ごとぽしゃった。
|
| 109 |
|
|
- [2] 昔の資料だと単に ''UTF'' と書かれていることもある。まさか今のように数多の [[UTF]] が登場するとは思ってもいなかったでしょうな。 ([[Unicode]] は既に UTF しか存在しないし。藁)
|
| 110 |
|
|
|
Parent Directory
| 
Revision Log