ruby-dev

成瀬です。

Martin Duerst wrote:
>> (1) 現状のtranscodeがサポートしている「Shift_JIS」というのは、
>>    数多あるvariantのうちのどれでしょうか?
> 
> 変換テーブルには nkf の http://nkf.sourceforge.jp/ucm/SJIS-nkf.ucm
> を使っています。勿論こちらでバグが入ってしまった可能性もあります。
> 何か不都合なことがありましたら是非教えてください。
>
> 問題が、いじる間に、メーリングリストの議論とテーブルのデータ
> はどうも一致してないことに気がつきました。メーリングリストの
> 議論では Shift_JIS は JIS が定義している純粋なものだという
> 意見が強かったかと思いましたが、SJIS-nkf.ucm では少なくとも
> 一部のベンダー外字が含まれている。その辺りを相談したいところで
> 中村さんのメールがちょうどいいときに来ましたので是非意見を
> お聞かせください。

Perl/Encode の Shift_JIS にあわせた方がいいような気もしたのですが、特別
問題もないと思ったので SJIS-nkf でもいいかなと思っていました。

この機会に SJIS-nkf について説明しておきますと、SJIS-nkf はかなりルーズ
なマッピングで、ベンダー依存文字のマッピングが大量に入っています。ここに
ついては nkf の見解としては「厳密性を求めるような encoding でもないし、
増える分には便利だからいいじゃん」というものなのですが、Ruby/transcode
の方針は別にするのもありでしょう。

なお、Perl/Encode の Shift_JIS とのマッピングの違いのうち、単純な追加で
ないものは以下の通りで、これらについては Perl/Encode よりも JIS の公開し
ているマッピング寄りに倒しています。

ucm\shiftjis.ucm と ucm\SJIS-nkf.ucm を比較中...
143c146,147
< <U00AC> \x81\xCA |0
---
> <U00AC> \x81\xCA |1
> <U00AF> \x81\x50 |1
265c270,271
< <U2015> \x81\x5C |0
---
> <U2014> \x81\x5C |0
> <U2015> \x81\x5C |1
7079,7080c7544,7549
< <UFFE3> \x81\x50 |0
< <UFFE5> \x81\x8F |0
---
> <UFFE3> \x81\x50 |1
> <UFFE5> \x81\x8F |1
ファイル比較終了.

ついでに書いておきますと、EUC-nkf は nkf デフォルトの EUC-JPで、基本的に
は eucJP-ascii なのですが、3bytes になってしまう範囲は CP51932 を
用いている変則的な encoding です。入力に関しては 3bytes も受け取ります。
http://nkf.sourceforge.jp/ucm/eucJP-nkf.ucm

もしかしたら Ruby では eucJP-ascii の方を「EUC-JP」で参照した方がいいか
もしれません。
http://nkf.sourceforge.jp/ucm/eucJP-ascii.ucm
http://home.m05.itscom.net/numa/cde/ucs-conv/ucs-conv.html
# eucJP-ascii TOG/JVC CDE/Motif 技術検討 WG の定めた、eucJP-open と
Unicode 間のコード変換規則で、「JIS X 0221 式の変換 (ASCII と併用する場
合)」。

このような微妙さができているのは、そもそも JIS の公開している Shift_JIS
と EUC-JP の変換マップが円記号問題のせいで絶望的に使えないために、どうし
てもそのまま用いることができないからです。それを踏まえた上でどのような変
換表を「Shift_JIS」と「EUC-JP」に割り当てるかは頭の痛い問題です。

>>    年末にWindows-31Jを入れたので、サポートしたいというかして
>>    ほしいというかそう思っているのですが...
> 
> こちらもそう思っています。既に CP932 のデータを色々いじっています
> (http://nkf.sourceforge.jp/ucm/cp932.ucm をベースにして)。

CP932 のテーブルは Perl/Encode と一致していたか、Windows が実際に行う変
換を調べてそれを基に作ったかのはずなので、まず問題はないはずです。

-- 
NARUSE, Yui  <naruse@airemix.com>
DBDB A476 FDBD 9450 02CD 0EFC BCE3 C388 472E C1EA

Thread

Prev Next

In This Thread

Prev Next

[#32910] NKF,Kconv — Kazuhiro NISHIYAMA <zn@...>

[#32913] openの"b"とencoding — Kazuhiro NISHIYAMA <zn@...>

[#32922] SEGV by regexp match in while loop — Tanaka Akira <akr@...>

[#32932] extend Tempfile — Tanaka Akira <akr@...>

[#32935] queue and timeout — Tanaka Akira <akr@...>

[#32940] ripper cannot build on win32 — yukimi_sake <yukimi_sake@...>

[#32945] Shift_JIS variants and UTF-16 support — "U.Nakamura" <usa@...>

[#32946] replica と alias の違い(encoding) — KIMURA Koichi <kimura.koichi@...>

[#32957] SEGV by Symbol#match — "Hiroyuki Iwatsuki" <don@...>

[#32970] rb_thread_create()の中でmodule_eval — Kouhei Sutou <kou@...>

[#32979] BOM of UTF-８ — KIMURA Koichi <hogemuta@...>

[#32987] error with open-uri (instance_eval?) — "U.Nakamura" <usa@...>

[#32988] Re: [ruby-cvs:22194] Ruby:r14957 (trunk): * encoding.c (rb_enc_init): UTF-{16,32}{BE,LE} are not builtin. — Yukihiro Matsumoto <matz@...>

[#32992] ASCII is alias of US-ASCII; replica of dummy encoding is not a dummy — "NARUSE, Yui" <naruse@...>

[#32996] binmode and ASCII-8BIT — Kazuhiro NISHIYAMA <zn@...>

[#33058] Time.mktime — Tadayoshi Funaba <tadf@...>

[#33059] time.rb — Tadayoshi Funaba <tadf@...>

[#33060] Shellwords alias bug? — Masahiro Kawato <m-kawato@...>

[#33061] rational 1.18 — Tadayoshi Funaba <tadf@...>

[#33069] Re: [ruby-cvs:22244] Ruby:r15007 (trunk): * enc/make_encdb.rb: added. search enc/*.c and make encoding database. — Yukihiro Matsumoto <matz@...>

[#33072] Segmentation fault when File.open — Jun Mukai <mukai@...>

[#33076] Encoding.compatible? and dummy encodings — sheepman <sheepman@...>

[#33078] NEW REPLICA ENCODINGS AND ENCODING ALIASES — "NARUSE, Yui" <naruse@...>

[#33079] A patch for the manpage and ruby -h — Yugui <yugui@...>

[#33088] IO#gets with limit — sheepman <sheepman@...>

[#33095] Coerce via aliased methods — Yugui <yugui@...>

[#33097] Re: [ruby-cvs:22286] Ruby:r15049 (trunk): * configure.in (setup): add -I$(EXTOUT)/$(arch) to MINIRUBY. — "U.Nakamura" <usa@...>

[#33101] String#valid_encoding? shoud be strict? — Masayoshi Takahashi <maki@...>

[#33111] us_ascii.o: No such file or directory — Martin Duerst <duerst@...>

[#33124] Thread#priority= does not work — "Yusuke ENDOH" <mame@...>

[#33129] uninitialized constant Encoding::ASCII_8BIT (NameError) — Tanaka Akira <akr@...>

[#33130] 1.9.0 をコンパイルしてみた — Shin-ichiro HARA <sinara@...>

[#33136] enc_register_at should use strdup — sheepman <sheepman@...>

[#33139] Bignum#* might invoke GC parallelly? — "Yusuke ENDOH" <mame@...>

[#33142] eval(str.dump)==str — Kazuhiro NISHIYAMA <zn@...>

[#33156] default script encoding and -K option — sheepman <sheepman@...>

[#33159] the encoding of StringIO.new — sheepman <sheepman@...>

[#33164] default encoding for Marshal.load — "Shugo Maeda" <shugo@...>

[#33173] should initialize the group of threads — sheepman <sheepman@...>

[#33185] コンパイルの問題 (r15218) — Martin Duerst <duerst@...>

[#33189] nonlinear performance of each_char — Tanaka Akira <akr@...>

[#33191] Re: [ruby-cvs:22367] Ruby:r15130 (trunk): * enc/koi8_u.c: added. — Tanaka Akira <akr@...>

[#33211] each_char — Tanaka Akira <akr@...>

[#33218] Re: Ruby1.9String バイト列へのインデックス アクセス — "Hisanori Kiryu" <hkiryu@...>

[#33221] encoding of Iconv::Failure#success — Tanaka Akira <akr@...>

[#33224] printf "%0x" — Tanaka Akira <akr@...>

[#33226] [PATCH] warnings of enc/trans/utf_16_32.c — Nobuyoshi Nakada <nobu@...>

[#33231] each_char yields extra NUL — Tanaka Akira <akr@...>

[#33234] SEGV by test/ruby/test_io_m17n.rb — Tanaka Akira <akr@...>

[#33239] Re: [ruby-cvs:22386] Ruby:r15149 (trunk): * string.c (rb_str_each_char): move forward. — Tanaka Akira <akr@...>

[#33247] requests to transcode — "U.Nakamura" <usa@...>

[#33257] Bignum#quo may cause infinite loop — "Yusuke ENDOH" <mame@...>

[#33258] exhaustive test for bignum.c — "Yusuke ENDOH" <mame@...>

[#33261] Local variables in ChangeLog — Kazuhiro NISHIYAMA <zn@...>

[#33264] Marshal.load fails on LANG=ja_JP.EUC-JP — Tanaka Akira <akr@...>

[#33265] backported GC.stress for 1.8 — Tadashi Saito <shiba@...2.accsnet.ne.jp>

[#33273] Re: [ruby-cvs:22404] Ruby:r15167 (trunk): * configure.in (MINIRUBY): remove -I$(EXTOUT)/$(arch) from — Tanaka Akira <akr@...>

[#33275] comment about sprintf %u — "Yusuke ENDOH" <mame@...>

[#33276] comment about Math#asin — "Yusuke ENDOH" <mame@...>

[#33279] ASCII-8BIT regexp — sheepman <sheepman@...>

[#33280] exhaustive tests for struct.c, sprintf.c and math.c — "Yusuke ENDOH" <mame@...>

[#33282] fronzen string cannot unpack("p") — Nobuyoshi Nakada <nobu@...>

[#33303] Time#strftimeのエンコーディング — rubikitch@...

[#33328] can modify array during iteration — "Yusuke ENDOH" <mame@...>

[#33340] Can large scale projects be successful implemented around a dynamic programming language? — Jordi <mumismo@...>

[#33354] Re: [ruby-cvs:22447] Ruby:r15210 (trunk): * io.c (rb_io_getline_fast): the end point of left_char_head() — "U.Nakamura" <usa@...>

[#33359] printf "%#o\n", 0 — Tanaka Akira <akr@...>

[#33363] printf "%.0d\n", 0 — Tanaka Akira <akr@...>

[#33364] rdocのメモリ消費量がやばい — rubikitch@...

[#33367] printf "%#o\n", -1 — Tanaka Akira <akr@...>

[#33368] summary of script encoding — "U.Nakamura" <usa@...>

[#33377] Regexp#sourceのencoding — Kazuhiro NISHIYAMA <zn@...>

[#33380] Re: [ruby-cvs:22481] Ruby:r15244 (trunk): * string.c (rb_str_usascii_new{,2}: defined. — Tanaka Akira <akr@...>

[#33387] HashからStructを作る — rubikitch@...

[#33388] void value expression — SASADA Koichi <ko1@...>

[#33392] Re: [ruby-cvs:22482] Ruby:r15245 (trunk): * compile.c, compile.h: fix stack pointer issues. — Tanaka Akira <akr@...>

[#33399] regexp match /.../n against to UTF-8 string — Tanaka Akira <akr@...>

[#33400] /#{}/e.encoding — Tanaka Akira <akr@...>

[#33401] _dump and encoding with marshal — Tanaka Akira <akr@...>

[#33403] wrapped String#gsub — "Park Ji-In" <tisphie@...>

[#33218] Re: Ruby1.9String 　バイト列へのインデックス　アクセス — "Hisanori Kiryu" <hkiryu@...>