[ruby-dev:11346] Re: Ruby I18N

某2ちゃんねるで自分の名前を見つけてびびった高橋征義です。
# しかもXP-jp ML を経由して2ちゃんに行くとは(汗;;;

それにしても文字コードは難しいです。

Yasushi Shoji <[e-mail]>さん：
> > えーと、まず、まつもとさんの[ruby-dev:11306]での「エンコーディング」
> > はCESとは微妙に異なりますよね。ふつうCESというとEUC-JPだとか
> > ISO-2022-JPだとか、そういう層の話になりますが、その層とは明らか
> > に異なる層の話なので。
> 
> どういう層か説明してもらえないでしょうか(^^;;

UTR#17で言うところの code unit(?)というか、ある長さ(たとえば8bit)の
ユニットをいくつ、どのように並べて「1文字」を表現するか、という層
(のつもり)です。
固定長(16bitとか31bitとか)か可変長(UTF-8の1byte〜6byteにする方式
とか)か、というのもこの層で表現することになることを想定してます。

> 自分で読んだ時は [ruby-dev:11306]での「エンコーディング」は UTR#17の 
> Character Mapまたは RFC2130の CESかと思ったのですが‥。

読み返してみると、[ruby-dev:11306]では「エンコーディング」という
言葉が複数の意味で使っているようです。例えば、

  >>  * 多くのエンコーディング(および文字集合)を扱いたい

といった場合の「エンコーディング」はShift_JISやEUC-JPのこと
(だと思うの)ですが、

  >> (1) 文字集合はそのまま、エンコーディングは揃える

といった場合の「エンコーディング」は、Shift_JISやEUC-JPの
それではないでしょう(揃えたら上と矛盾するし)。私は後者の方を
想定してましたです。

> > なんとなくUnicodeのUTR17「Character Encoding Model」で提示されて
> > いるモデル的には「CEF(Character Encoding Form)」に近いような気が
> > しますです(自信なし)。
> 
> でも CEFだと Shift-JISやら EUCが‥

確かにそうなんですよねえ。CEFはCCSの合成を考えてない(それは
CESで行われることになっている)ので、JIS X 0201とJIS X 0208を
足して一つの文字集合とするようなShift-JISなどでは話がおかしく
なりますし。むう。
ぴったり当てはまる言葉でないのは確かなのですが、あえて
言うならCEF的じゃないかなあ、と。

逆に言うと、RFC 2130のシンプルな3層モデル(CCS/CES/TES)では、
「文字集合はそのまま、エンコーディングは揃える」というまつもと
さんの狙いをうまく説明できないので、無理にでも新しい言葉を発明
するか、別の言葉によそから拾ってきて、新しい意味をつけ加えるか
しないといけないんじゃないか、というのが私の考えなのでした。

# UTR#17は5層モデルで、「抽象的な文字」を表す層と、CEFが
# 追加されたものです。

> > http://www.unicode.org/unicode/reports/tr17/
> 
> 「Rubyの i18nの議論をする時は UTR#17の modelで定義されている単語を使う」
> とか決ってると無駄が無さそうですね。

この辺りのモデルの作り方は、上で触れたようにIETFとUnicodeコンソーシア
ムとで異なっていたりするので、用語についても微妙なところで齟齬があり
そうで不安です。それにUTR#17はUnicodeべったりなので、上の例のように、
それ以外の文字コード系については今いちぐっとくる言葉づかいにはなって
なかったするところがなんとも。

高橋征義 (TAKAHASHI Masayoshi)       Email:[e-mail]