From: Martin Duerst <duerst@...>
Date: 2008-01-16T17:26:04+09:00
Subject: [ruby-dev:33131] Re: NEW REPLICA ENCODINGS AND ENCODING ALIASES

成瀬さん、こんにちは。

返事が遅くなってごめんなさい。

At 23:45 08/01/13, NARUSE, Yui wrote:
>成瀬です。
>
>手元の環境を眺めつつ、色々と replica や alias を設定してみました。現在指
>定可能なエンコーディングは以下のとおりです。ISO 8859 シリーズはとりあえ
>ずそれっぽいのの replica にしているので間違っていたら教えてください。
>（Windows-1251 は なんか間違えた気がする・・・）

windows-15xx は多くの場合 iso-8859-yy と似ていますが、
0x80 から 0x9F までは違います。iso の方はそこにコントロール
が入っているかどうかで、windows の場合は少なくとも一部に
「普通」の文字が入っています。string[i] などのメゾドには
影響がないが、正規表現などで違いがでると思います。

ところで、下記のリストはどうやって出せるでしょうか。

宜しくお願いします。     Martin.

>"ASCII" is original encoding
>"EUC-JP" is original encoding
>"ISO-8859-1" is original encoding
>"ISO-8859-10" is original encoding
>"ISO-8859-11" is original encoding
>"ISO-8859-13" is original encoding
>"ISO-8859-14" is original encoding
>"ISO-8859-15" is original encoding
>"ISO-8859-16" is original encoding
>"ISO-8859-2" is original encoding
>"ISO-8859-3" is original encoding
>"ISO-8859-4" is original encoding
>"ISO-8859-5" is original encoding
>"ISO-8859-6" is original encoding
>"ISO-8859-7" is original encoding
>"ISO-8859-8" is original encoding
>"ISO-8859-9" is original encoding
>"Shift_JIS" is original encoding
>"US-ASCII" is original encoding
>"UTF-8" is original encoding
>"UTF-16BE" is original encoding
>"UTF-16LE" is original encoding
>"UTF-32BE" is original encoding
>"UTF-32LE" is original encoding
>""Windows-1255" is replica of "ISO-8859-8"
>"Windows-1256" is replica of "ISO-8859-6"
>"Windows-1257" is replica of "ISO-8859-4"
>"Windows-874" is replica of "ISO-8859-11"
>"CP51932" is replica of "EUC-JP"
>"eucJP-ms" is replica of "EUC-JP"
>"Windows-31J" is replica of "Shift_JIS"
>"Windows-1251" is replica of "ISO-8859-5"
>"Windowws-1250" is replica of "ISO-8859-2"
>"Windows-1252" is replica of "ISO-8859-1"
>"Windows-1253" is replica of "ISO-8859-7"
>"Windows-1254" is replica of "ISO-8859-9"
>"CP932" is alias of "Windows-31J"
>"ISO8859-6" is alias of "ISO-8859-6"
>"ISO8859-14" is alias of "ISO-8859-14"
>"CP1252" is alias of "Windows-1252"
>"SJIS" is alias of "Shift_JIS"
>"CP1253" is alias of "Windows-1253"
>"ISO8859-7" is alias of "ISO-8859-7"
>"ISO8859-15" is alias of "ISO-8859-15"
>"BINARY" is alias of "ASCII-8BIT"
>"646" is alias of "US-ASCII"
>"CP1254" is alias of "Windows-1254"
>"ISO8859-8" is alias of "ISO-8859-8"
>"ISO8859-16" is alias of "ISO-8859-16"
>"ISO8859-9" is alias of "ISO-8859-9"
>"CP1255" is alias of "Windows-1255"
>"eucJP" is alias of "EUC-JP"
>"ANSI_X3.4-1986" is alias of "US-ASCII"
>"CP1256" is alias of "Windows-1256"
>"CP1257" is alias of "Windows-1257"
>"ASCII" is alias of "US-ASCII"
>"ISO8859-1" is alias of "ISO-8859-1"
>"csWindows31J" is alias of "Windows-31J"
>"ISO8859-2" is alias of "ISO-8859-2"
>"ISO8859-10" is alias of "ISO-8859-10"
>"ISO8859-3" is alias of "ISO-8859-3"
>"CP874" is alias of "ISO-8859-11"
>"ISO8859-11" is alias of "ISO-8859-11"
>"euc-jp-ms" is alias of "EUC-JP"
>"ISO8859-4" is alias of "ISO-8859-4"
>"CP1250" is alias of "Windows-1250"
>"CP1251" is alias of "Windows-1251"
>"ISO8859-5" is alias of "ISO-8859-5"
>"ISO8859-13" is alias of "ISO-8859-13"
>
>未登録なもののうち、鬼車がサポートしているのは、以下の通り。
>bg_BG.CP1251   Bulgarian Cyrillic character set (CP1251), CODESET=CP1251
>ko_KR.eucKR    1 0x0000 2 0x8080 2 0x0080 3 0x8000 0x8080 CODESET=eucKR
>ru_RU.KOI8-R   Russian CODESET=KOI8-R
>zh_CN.GB18030  CODESET=GB18030
>zh_CN.eucCN    1 0x0000 2 0x8080 2 0x0080 3 0x8000 0x8080 CODESET=eucCN
>zh_TW.BIG5     CODESET=BIG5
>zh_TW.eucTW    CODESET=eucTW
>
>KOI8-U は KOI8 の replica なのか別物なのかがわかりませんでした。なにか影
>響あるのかな。
>uk_UA.KOI8-U   Ukrainian CODESET=KOI8-U character set
>
>あと以下のエンコーディングがありましたが、これはサポートする必要あるので
>すかね？なんかなさそう。
>ru_RU.CP866      Russian Alternative charset, CODESET=CP866
>kk_KZ.PT154      PT154 character set,CODESET=PT154
>hy_AM.ARMSCII-8  Armenian ARMSCII-8 character set, CODESET=ARMSCII-8
>ru_RU.CP866      Russian Alternative charset, CODESET=CP866
>
>
>ところで、現在 rb_locale_encoding は locale_charmap が nil だと
>ASCII-8BIT を返しますが、POSIX 的にいえば nil = C なわけで、US-ASCII を
>返すのはどうでしょう。また、未登録の名前が来たときは dummy を返しませんか。
>
>Index: encoding.c
>===================================================================
>--- encoding.c  (revision 15025)
>+++ encoding.c  (working copy)
>@@ -872,13 +872,14 @@ rb_locale_encoding(void)
> {
>     VALUE charmap = rb_locale_charmap(rb_cEncoding);
>     int idx;
>+    char *name;
>
>-    if (NIL_P(charmap))
>-        return rb_ascii8bit_encoding();
>+    if (NIL_P(charmap)) name = "US-ASCII";
>+    else name = StringValueCStr(charmap)
>
>-    idx = rb_enc_find_index(StringValueCStr(charmap));
>+    idx = rb_enc_find_index(name);
>     if (idx < 0)
>-        return rb_ascii8bit_encoding();
>+        idx = rb_define_dummy_encoding(name);
>
>     return rb_enc_from_index(idx);
> }
>
>-- 
>NARUSE, Yui  <naruse@airemix.com>
>DBDB A476 FDBD 9450 02CD 0EFC BCE3 C388 472E C1EA


#-#-#  Martin J. Du"rst, Assoc. Professor, Aoyama Gakuin University
#-#-#  http://www.sw.it.aoyama.ac.jp       mailto:duerst@it.aoyama.ac.jp