From: "NARUSE, Yui" <naruse@...>
Date: 2008-01-28T19:22:40+09:00
Subject: [ruby-dev:33459] Re: enc/euc_kr.c (euckr_mbc_enc_len) euc_kr.c is also used by CP942

成瀬です。

Tanaka Akira wrote:
> In article <479D91BE.9020907@airemix.com>,
>   "NARUSE, Yui" <naruse@airemix.com> writes:
> 
>> これは /[\x00-\x7F]|[\xA1-\xFE]{2}/ 以外を蹴るという趣旨なのだと思うので
>> すが、EUC-KR は CP949 の replica 元でして、その CP949 は \x81\x41 等にも
>> 文字が振ってあるので困ります。
>> http://www.microsoft.com/globaldev/reference/dbcs/949.mspx
> 
> なるほど。それは考えていませんでした。
> 
> ただ、そのへんの文字はもともと一文字として扱えてなかったんじゃ
> ないでしょうか。
> 
> % ./ruby -ve 'p "\x81\x41".force_encoding("CP949").length'
> ruby 1.9.0 (2008-01-28 revision 15236) [i686-linux]
> 2
> 
> というように、私が手をつける前から、\x81\x41 は 2文字の扱い
> でした。

む、確かにそうですね。
今 GBK/CP936 が GB18030 の replica でルーズすぎる感があるので、こちらと
まとめる方向で考えてみます。

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