From: matz@... (Yukihiro Matsumoto)
Date: 2000-11-01T02:21:39+09:00
Subject: [ruby-dev:11351] Re: Ruby I18N

まつもと ゆきひろです

In message "[ruby-dev:11337] Re: Ruby I18N"
    on 00/10/30, Yasushi Shoji <yashi@yashi.com> writes:

|> 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。

UTR#17はまだちゃんと読んでないんですが、なんとなくうまく説明
できないような気がします。文字集合から独立したエンコーディン
グと言う概念がないようなので。

で、とりあえず*今後*はこうします。

  文字集合

    文字の集合(そのまんま)。整数でインデックスされた文字の集
    合と考える(coded character set?)。

  エンコーディング

    文字に対する整数を複数バイトからなる金物表現(って60年代
    用語)に変換する方法。一般的には文字集合に従属する。

  文字コード系

    あるエンコーディングで表現される文字集合。

で、たとえばEUC-JPは、文字集合はASCII(or JIS0201?)+JIS0208 
で、エンコーディングがEUC(Extended UNIX Code)であるという風
に考えることにしましょう。同様にUnicodeは文字集合がISO10646
(の第1プレーン？)でエンコーディングがUTF-16(またはUTF-8)と考
えます。

なんだか「文字コード系」ってのがピンと来ないんですが、より良
い用語が見付かるまでは、私はこれで行こうと思います。

んでもって、以下のことを考えてるわけです。

  * スクリプト言語における文字列処理に必要な情報のほとんどは
    エンコーディングに関する情報のみである。わずかな例外は文
    字種の判定である。

  * かつ、その「エンコーディングに関する情報」とは、あるマル
    チバイト文字表現から文字のインデックス(整数)を取り出す機
    能と、そのマルチバイト文字表現の長さを知る機能でほぼカバー
    できる。

  * よって、上記ふたつの機能と、後いくばくかを定義すれば、
    (ステートレスであれば)任意の文字コード系に対応できる。

ような気がしてるんですが、気のせいかなあ。

                                まつもと ゆきひろ /:|)