| 1 |
wakaba |
1.2 |
|
| 2 |
wakaba |
1.3 |
* Unicoder によるところの XML における文字の好ましい扱い
|
| 3 |
|
|
|
| 4 |
wakaba |
1.2 |
[1] 『Unicode in XML and other Markup Languages』
|
| 5 |
|
|
という [[W3C]] [[Note]]
|
| 6 |
|
|
<http://www.w3.org/TR/unicode-xml/>
|
| 7 |
|
|
/ [[UTR]] #20
|
| 8 |
|
|
<http://www.unicode.org/reports/tr20/>
|
| 9 |
|
|
は、[[マーク付け言語]]で使うべきではない[[文字]]などを解説しています。
|
| 10 |
|
|
マーク付け言語としては主として [[XML]]、
|
| 11 |
|
|
ある程度は [[HTML]] を対象としています。
|
| 12 |
|
|
|
| 13 |
wakaba |
1.3 |
** マーク付け言語で不適切な文字
|
| 14 |
wakaba |
1.2 |
|
| 15 |
|
|
[2] 次の文字はマーク付け言語と一緒に使用するのは不適当です。
|
| 16 |
|
|
行分離子 [CODE(char)[[[LS]]]], 段落分離子 [CODE(char)[[[PS]]]], バイト順印 [CODE(char)[[[BOM]]]]
|
| 17 |
|
|
を除いては、 [[UA]] は無視するのもよし。
|
| 18 |
|
|
適当なマークに変換するのは[[著述工具]]の責任だそうです。
|
| 19 |
|
|
|
| 20 |
|
|
,[[符号位置]] ,[[名前]] ,HTML での代替 ,メモ
|
| 21 |
|
|
,[CODE(char)[[[U+2028]]]] ,[CODE(char)[[[LINE SEPARATOR]]]] ,[CODE(HTMLe)[[[br]]]] ,>>4
|
| 22 |
|
|
,[CODE(char)[[[U+2029]]]] ,[CODE(char)[[[PARAGRAPH SEPARATOR]]]] ,[CODE(HTMLe)[[[p]]]] ,>.4
|
| 23 |
|
|
,[CODE(char)[[[U+202A]]]] ,[CODE(char)[[[LEFT-TO-RIGHT EMBEDDING]]]] ,[CODE(HTML)[[CODE(HTMLa)[[[dir]]]]=[[ltr]]]] ,>>3
|
| 24 |
|
|
,[CODE(char)[[[U+202B]]]] ,[CODE(char)[[[RIGHT-TO-LEFT EMBEDDING]]]] ,[CODE(HTML)[[CODE(HTMLa)[dir]]=[[rtl]]]] ,>>3
|
| 25 |
|
|
,[CODE(char)[[[U+202C]]]] ,[CODE(char)[[[POP DIRECTIONAL FORMATTING]]]] ,[CODE(HTML)[</[CODE(HTMLe)[[[bdo]]]]>]] ,>>3
|
| 26 |
|
|
,[CODE(char)[[[U+202D]]]] ,[CODE(char)[[[LEFT-TO-RIGHT OVERRIDE]]]] ,[CODE(HTML)[<[CODE(HTMLe)[bdo]] [CODE(HTMLa)[dir]]=ltr>]] ,>>3
|
| 27 |
|
|
,[CODE(char)[[[U+202E]]]] ,[CODE(char)[[[RIGHT-TO-LEFT-OVERRIDE]]]] ,[CODE(HTML)[<[CODE(HTMLe)[[[bdo]]]] [CODE(HTMLa)[dir]]=rtl>]] ,>>3
|
| 28 |
|
|
,[CODE(char)[[[U+206A]]]] ,[CODE(char)[[[INHIBIT SYMMETRIC SWAPPING]]]] , ,Unicode で非推奨 >>5
|
| 29 |
|
|
,[CODE(char)[[[U+206B]]]] ,[CODE(char)[[[ACTIVATE SYMMETRIC SWAPPING]]]] , ,Unicode で非推奨 >>5
|
| 30 |
|
|
,[CODE(char)[[[U+206C]]]] ,[CODE(char)[[[INHIBIT ARABIC FORM SHAPING]]]] , ,Unicode で非推奨 >>5
|
| 31 |
|
|
,[CODE(char)[[[U+206D]]]] ,[CODE(char)[[[ACTIVATE ARABIC FORM SHAPING]]]] , ,Unicode で非推奨 >>5
|
| 32 |
|
|
,[CODE(char)[[[U+206E]]]] ,[CODE(char)[[[NATIONAL DIGIT SHAPES]]]] ,[CODE(char)[[[U+0660]]]]〜[CODE(char)[[[U+0669]]]] ,Unicode で非推奨 >>5
|
| 33 |
|
|
,[CODE(char)[[[U+206F]]]] ,[CODE(char)[[[NOMINAL DIGIT SHAPES]]]] ,[CODE(char)[[[U+0030]]]]〜[CODE(char)[[[U+0039]]]] ,Unicode で非推奨 >>5
|
| 34 |
|
|
,[CODE(char)[[[U+FEFF]]]] ,[CODE(char)[[[ZERO WIDTH NO-BREAK SPACE]]]] ,[CODE(char)[[[U+2060]]]] ,Unicode で非推奨 >>6
|
| 35 |
|
|
,[CODE(char)[[[U+FFF9]]]] ,[CODE(char)[[[INTERLINEAR ANNOTATION ANCHOR]]]] ,[CODE(HTML)[<[CODE(HTMLe)[[[ruby]]]]><[CODE(HTMLe)[[[rb]]]]>]] ,>>7
|
| 36 |
|
|
,[CODE(char)[[[U+FFFA]]]] ,[CODE(char)[[[INTERLINEAR ANNOTATION SEPARATOR]]]] ,[CODE(HTML)[</[CODE(HTMLe)[rb]]><[CODE(HTMLe)[[[rt]]]]>]] ,>>7
|
| 37 |
|
|
,[CODE(char)[[[U+FFFB]]]] ,[CODE(char)[[[INTERLINEAR ANNOTATION TERMINATOR]]]] ,[CODE(HTML)[</[CODE(HTMLe)[rt]]></[CODE(HTMLe)[ruby]]>]] ,>7
|
| 38 |
|
|
,[CODE(char)[[[U+FFFC]]]] ,[CODE(char)[[[OBJECT REPLACEMENT CHARACTER]]]] ,[CODE(HTMLe)[[[object]]]] など ,>>8
|
| 39 |
|
|
,[CODE(char)[[[U+1D173]]]]〜[CODE(char)[[[U+1D17A]]]] ,"[[タイ]], [[スラー]]など" , ,>>9
|
| 40 |
|
|
,[CODE(char)[[[U+E0000]]]]〜[CODE(char)[[[U+E007F]]]] ,[CODE(char)[Tags]] ,"[CODE(XML)[[[xml]]:[[lang]]]], [CODE(HTMLa)[lang]]" ,>>9
|
| 41 |
|
|
|
| 42 |
|
|
参考: <http://www.w3.org/TR/unicode-xml/#Suitable>
|
| 43 |
|
|
|
| 44 |
|
|
[4] [CODE(char)[[[LS]]]] と [CODE(char)[[[PS]]]] は、
|
| 45 |
|
|
ブラウザは[[空白]]とし、編集時は適当なマークに置き換えるのが適切です。
|
| 46 |
|
|
|
| 47 |
|
|
[3] [[BIDI]] 系は [Q[Strongly discouraged in [HTML 4.0] ]]
|
| 48 |
|
|
などと書かれていますが、 HTML 4 が激しく非推奨しているように読めて紛らわしい。
|
| 49 |
|
|
(<IW:HTML4:"struct/dirlang.html#h-8.2.4"> にはそんなことは書かれていません。)
|
| 50 |
|
|
|
| 51 |
|
|
<http://www.w3.org/TR/unicode-xml/#Bidi> で、
|
| 52 |
|
|
HTML 4 は文字コードによる[[書字方向]]指定と
|
| 53 |
|
|
HTML のマークによる指定のいずれかだけを使うように求めているが、
|
| 54 |
|
|
文字コードによる指定は処理が複雑になってよくないのでマークを使えと言っています。
|
| 55 |
|
|
|
| 56 |
|
|
ブラウザは無視し、編集時はマークに変換するのがいいそうです。
|
| 57 |
|
|
|
| 58 |
|
|
[5] [[DIS10646]] の遺産。ブラウザは無視したらよく、
|
| 59 |
|
|
編集時は警告でもして削除するのがよいですが、
|
| 60 |
|
|
適当に変換してもいいでしょう。ということです。
|
| 61 |
|
|
|
| 62 |
|
|
[6] [CODE(char)[U+FEFF]] は、 [CODE(char)[ZERO WIDTH NO-BREAK SPACE]] と [CODE(char)[[[BYTE ORDER MARK]]]]
|
| 63 |
|
|
の二つの機能を一つの符号位置に押し込んで、
|
| 64 |
|
|
あとから都合が悪くなったので [CODE(char)[[[ZWNBSP]]]]
|
| 65 |
|
|
の機能を [CODE(char)[U+2026]] [CODE(char)[WORD JOINER]]
|
| 66 |
|
|
として分離したという恥ずかしい前歴があります。
|
| 67 |
|
|
|
| 68 |
|
|
従って今では [CODE(char)[U+FEFF]] を
|
| 69 |
|
|
[CODE(char)[ZWNBSP]] として使用することは Unicode
|
| 70 |
|
|
が非推奨としています。
|
| 71 |
|
|
|
| 72 |
|
|
ブラウザは文中の [CODE(char)[U+FEFF]] は
|
| 73 |
|
|
[CODE(char)[ZWNBSP]] として扱い、編集時は
|
| 74 |
|
|
[CODE(char)[[[ZWJ]]]] に置き換えてしまう[[及び/又は]]警告を発してよいとされています。
|
| 75 |
|
|
|
| 76 |
|
|
[7] Unicode に通称 ruby tag が入った経緯は
|
| 77 |
|
|
<http://www.kobysh.com/tlk/digitalculture/1998-ruby.html>
|
| 78 |
|
|
でも見てください。阿呆らしい。
|
| 79 |
|
|
|
| 80 |
|
|
ブラウザは無視してかまいません。
|
| 81 |
|
|
編集時は次のひとつ以上の動作を取ってかまいません。
|
| 82 |
|
|
- [CODE(char)[U+FFF9]] および [CODE(char)[U+FFFA]]〜[CODE(char)[U+FFFB]] の部分を削除
|
| 83 |
|
|
- [CODE(char)[U+FFF9]] を削除、
|
| 84 |
|
|
[CODE(char)[U+FFFA]] と [CODE(char)[U+FFFB]] をそれぞれ
|
| 85 |
|
|
[CODE(char)[ [ ]] と [CODE(char)[ ] ]] に置換
|
| 86 |
|
|
- 適当なマークに置換
|
| 87 |
|
|
|
| 88 |
|
|
(ブラウザも完全に無視したら駄目だと思うのだけどなあ。
|
| 89 |
|
|
[CODE(HTMLe)[rt]] 部分を削除しないと。)
|
| 90 |
|
|
|
| 91 |
|
|
[8] ブラウザは無視してかまいません。
|
| 92 |
|
|
編集時は適当なマークに置換可能ならそうしてもいいし、
|
| 93 |
|
|
警告を出せるなら出して、削除してしまってかまいません。
|
| 94 |
|
|
|
| 95 |
|
|
[9] ブラウザは無視してかまいません。
|
| 96 |
|
|
編集時には削除しても適当なマークに置換してもかまいません。
|
| 97 |
|
|
|
| 98 |
wakaba |
1.3 |
** マーク付け言語で適当な書式文字
|
| 99 |
wakaba |
1.2 |
|
| 100 |
|
|
[10] <http://www.w3.org/TR/unicode-xml/#Format>
|
| 101 |
|
|
がマーク付け言語で使うのは適切だと言っている文字と、
|
| 102 |
|
|
その説明をどうぞ:
|
| 103 |
|
|
|
| 104 |
|
|
,符号位置 ,名前 ,メモ
|
| 105 |
|
|
,[CODE(char)[[[U+00A0]]]] ,[CODE(char)[[[NO-BREAK SPACE]]]]
|
| 106 |
|
|
,[CODE(char)[[[U+00AD]]]] ,[CODE(char)[[[SOFT HYPHEN]]]]
|
| 107 |
|
|
,[CODE(char)[[[U+034F]]]] ,[CODE(char)[[[COMBINING GRAPHEME JOINER]]]] ,>>11
|
| 108 |
|
|
,[CODE(char)[[[U+0600]]]] ,[CODE(char)[[[ARABIC NUMBER SIGN]]]]
|
| 109 |
|
|
,[CODE(char)[[[U+0601]]]] ,[CODE(char)[[[ARABIC SIGN SANAH]]]]
|
| 110 |
|
|
,[CODE(char)[[[U+0602]]]] ,[CODE(char)[[[ARABIC FOOTNOTE MARKER]]]]
|
| 111 |
|
|
,[CODE(char)[[[U+0603]]]] ,[CODE(char)[[[ARABIC SIGN SAFHA]]]]
|
| 112 |
|
|
,[CODE(char)[[[U+06DD]]]] ,[CODE(char)[[[ARABIC END OF AYAH]]]]
|
| 113 |
|
|
,[CODE(char)[[[U+070C]]]] ,[CODE(char)[[[SYRIAC HARKLEAN METOBELUS]]]]
|
| 114 |
|
|
,[CODE(char)[[[U+0F0C]]]] ,[CODE(char)[[[TIBETAN MARK DELIMITER TSHEG BSTAR]]]]
|
| 115 |
|
|
,[CODE(char)[[[U+180B]]]] ,[CODE(char)[[[MONGOLIAN FREE VARIATION SELECTOR ONE]]]]
|
| 116 |
|
|
,[CODE(char)[[[U+180C]]]] ,[CODE(char)[[[MONGOLIAN FREE VARIATION SELECTOR TWO]]]]
|
| 117 |
|
|
,[CODE(char)[[[U+180D]]]] ,[CODE(char)[[[MONGOLIAN FREE VARIATION SELECTOR THREE]]]]
|
| 118 |
|
|
,[CODE(char)[[[U+180E]]]] ,[CODE(char)[[[MONGOLIAN VOWEL SEPARATOR]]]]
|
| 119 |
|
|
,[CODE(char)[[[U+200C]]]] ,[CODE(char)[[[ZERO WIDTH NON-JOINER]]]]
|
| 120 |
|
|
,[CODE(char)[[[U+200D]]]] ,[CODE(char)[[[ZERO WIDTH JOINER]]]]
|
| 121 |
|
|
,[CODE(char)[[[U+200E]]]] ,[CODE(char)[[[LEFT-TO-RIGHT MARK]]]]
|
| 122 |
|
|
,[CODE(char)[[[U+200F]]]] ,[CODE(char)[[[RIGHT-TO-LEFT MARK]]]]
|
| 123 |
|
|
,[CODE(char)[[[U+2011]]]] ,[CODE(char)[[[NON-BREAKING HYPHEN]]]]
|
| 124 |
|
|
,[CODE(char)[[[U+202F]]]] ,[CODE(char)[[[NARROW NO-BREAK SPACE]]]]
|
| 125 |
|
|
,[CODE(char)[[[U+2044]]]] ,[CODE(char)[[[FRACTION SLASH]]]]
|
| 126 |
|
|
,[CODE(char)[[[U+2060]]]] ,[CODE(char)[[[WORD JOINER]]]]
|
| 127 |
|
|
,[CODE(char)[[[U+2061]]]] ,[CODE(char)[[[FUNCTION APPLICATION]]]]
|
| 128 |
|
|
,[CODE(char)[[[U+2062]]]] ,[CODE(char)[[[INVISIBLE TIMES]]]]
|
| 129 |
|
|
,[CODE(char)[[[U+2063]]]] ,[CODE(char)[[[INVISIBLE SEPARATOR]]]]
|
| 130 |
|
|
,[CODE(char)[[[U+2FF0]]]]〜[CODE(char)[[[U+2FFB]]]] ,Ideographic Description Characters
|
| 131 |
|
|
,[CODE(char)[[[U+303E]]]] ,[CODE(char)[[[IDEOGRAPHIC VARIATION INDICATOR]]]]
|
| 132 |
|
|
,"[CODE(char)[[[U+FE00]]]]〜[CODE(char)[[[U+FE0F]]]], [CODE(char)[[[U+E0100]]]]〜[CODE(char)[[[U+E01DF]]]]" ,Variation Selectors
|
| 133 |
|
|
|
| 134 |
|
|
[11] <http://www.w3.org/TR/2003/NOTE-unicode-xml-20030613/#Format>
|
| 135 |
|
|
では [Q[Combining Grapheme Joiner]]
|
| 136 |
|
|
が [CODE(char)[[[U+0363]]]] になっていますが、
|
| 137 |
|
|
[CODE(char)[U+0363]] は [CODE(char)[[[COMBINING LATIN SMALL LETTER A]]]] だったりします。
|
| 138 |
|
|
|
| 139 |
|
|
[12] ここに挙がっている文字は、大体は、純粋(謎)な文字としての表現と書式 (極端に言えば飾り) との区別が難しい表現を実現するためのものです。
|
| 140 |
|
|
[[ハイフン付け]]関係などは本来マーク + スタイル言語で実現するべきだとは思いますが、
|
| 141 |
|
|
スタイル言語の規格および実装が完成していない現状ではマーク付け言語で使っても仕方がないでしょう。
|
| 142 |
|
|
(といっても文字としても実装されている例はさほどないのだけど。)
|
| 143 |
|
|
|
| 144 |
|
|
ただし、 [CODE(char)[FRACTION SLASH]] などは、
|
| 145 |
|
|
[[MathML]] で実現できると書いているくらいですから、
|
| 146 |
|
|
不適当に分類するべきではないですか。
|
| 147 |
|
|
|
| 148 |
wakaba |
1.3 |
** 互換写像を持つ文字
|
| 149 |
wakaba |
1.2 |
|
| 150 |
|
|
[13] [[互換写像]]を持つ文字を含む文章をマークするときの処遇が
|
| 151 |
|
|
<http://www.w3.org/TR/unicode-xml/#Compatibility>
|
| 152 |
|
|
に書かれています。
|
| 153 |
|
|
|
| 154 |
|
|
互換写像を持つ文字には、丸付き文字、片仮名の組み文字、
|
| 155 |
|
|
全角文字、半角文字などが含まれます。
|
| 156 |
|
|
いずれも、本来は組版の機能により実現されるべきものですが、
|
| 157 |
|
|
文字コードの闇歴史で次々と実用化(wされてきました
|
| 158 |
|
|
(そして Unicode はそれを貪欲に取込んでいます)。
|
| 159 |
|
|
|
| 160 |
|
|
互換写像を持つ文字は、一般には機械的にマークに置き換えることはできません。
|
| 161 |
|
|
([[不思議マーク付け]]を機械的に [[Strict]] 化できないのと同じ理由。)
|
| 162 |
|
|
<http://www.w3.org/TR/unicode-xml/#Compatibility>
|
| 163 |
|
|
はどれは機械的に変換できて、どれはとりあえず残すべきかをまとめています。
|
| 164 |
|
|
|
| 165 |
|
|
互換写像を持つ文字は、マーク付けとスタイル指定で置き換えることができます。
|
| 166 |
|
|
ただし、 [[CSS]] ですべてを表現できるわけではありません。
|
| 167 |
|
|
たとえば丸付きは CSS では実現できません。
|
| 168 |
|
|
組み文字のように CSS 3 で実現しそうなものもあります。
|
| 169 |
|
|
|
| 170 |
wakaba |
1.3 |
*** 表現情報付きの文字
|
| 171 |
wakaba |
1.2 |
|
| 172 |
|
|
[14] <http://www.w3.org/TR/unicode-xml/#Generating>
|
| 173 |
|
|
によれば、「斜体の [Q[hello]]」はマークで実現するべきだが、
|
| 174 |
|
|
プランク定数 (斜体の [Q[h]]) は [CODE(char)[[[U+210E]]]]
|
| 175 |
|
|
を使うべきだと言っています。
|
| 176 |
|
|
|
| 177 |
|
|
[15] しかし >>14 のようなやり方には批判的な意見もあります。
|
| 178 |
|
|
文字コードが深い意味まで介入した結果が
|
| 179 |
|
|
[CODE(char)[U+1D400]]〜[CODE(char)[U+1D7FF]]
|
| 180 |
|
|
([Q[Mathematical Alphanumeric Symbols]]) です。
|
| 181 |
|
|
(数式では普通の [Q[a]] と太字の [Q[a]] と 斜体の
|
| 182 |
|
|
[Q[a]] と・・・は意味が違うかもしれないから云々の結果、
|
| 183 |
|
|
数学用と称して太字だの斜体だの sans serif だの、
|
| 184 |
|
|
沢山の [Q[a]] が符号化されています。)
|
| 185 |
|
|
|
| 186 |
wakaba |
1.3 |
** 非文字
|
| 187 |
wakaba |
1.2 |
|
| 188 |
|
|
[16] [[非文字]]符号位置は、応用が内部で使ってもかまいませんが、情報交換に用いるべきではありません。
|
| 189 |
|
|
<http://www.w3.org/TR/unicode-xml/#Noncharacters>
|
| 190 |
|
|
|
| 191 |
|
|
[[XML1.1]] では非文字は除外されていますが、
|
| 192 |
|
|
[[XML1.0]] は制定時期の関係から多くの非文字は除外されていません。
|
| 193 |
|
|
|
Parent Directory
| 
Revision Log