文字コード超研究 ８章

文字コード「超」研究　改訂第2版

前回の続き

８章 ASCII

ASCIIのあれこれ。0x00-0x1fの制御文字の詳細や、 紙テープでの情報の記録、改行コードの違い等。

改行コード

個人的にはCRとLFを両方使うMSスタイルが一番しっくり来るのですが、OSによって違いがあるということだけ覚えておけばOK。処理的には、先頭から１文字ずつ読んで行って0x0aがあったらそれで復改、0x0dでその次が0x0aなら2バイトで復改、0x0dでその次が0x0a以外なら0x0dのみで復改とするのがお約束でしょう。

• Windows - 0x0d0a
• UNIX - 0x0a
• Mac OS 9 - 0x0d

制御文字と規格

制御文字が様々な規格でどのように定義されているか。

• ISO 6429 - 0x00がNUL, 0x01がSOH…のように、種類と名前が決められているが、実際の挙動は定義されていない。(0x0dや0x0a,0x09のようになんとなく決まっている物もあるが、挙動が明確に定義されているわけではない)
• ISO 2022 - 0x1bで始まるエスケープシーケンスによる文字コード表の指定方法と、0x0e(SO)/0x0f(SI)による切替が定義されている
• RFC 822 - 電子メールに関するRFC(の大元)。0x0d 0x0aが改行を表すということが定められている。
• RFC 2822 - RFC 822の改訂版。 電子メールで0x00を使用してはならないと定められている。
• RFC 2046 - MIMEに関するRFC。0x0cが改ページ、0x09が水平タプがデファクトスタンダードとなっていると明言されている。
• VT100 - DEC社のディスプレイ端末の名前。カーソル移動や画面クリア等のエスケープシーケンスの挙動の標準となっている。

ISO 646の違い

ASCIIとの違いは以下。西ヨーロッパ諸国もISO 646の各国版ではなく、ISO 8859-1が使われる事が多い。

• 0x00-0x1fの制御文字はISO 6429で定める
• 0x23は#(NUMBER SIGN)か£(POUND SIGN)のいずれかを各国の国情で入れ替えて使う
• 0x24は$(DOLLAR SIGN)か(CURRENCY SIGN)。
• 0x40,0x5b-0x5e,0x60,0x7b-0x7eは国情で入れ替えて使える

記号の呼び方

欧米とで呼び方に差があるものを列挙

• ＃ - ナンバー、欧米ではパウンド
• ♯ - シャープ
• & - アンパーサンド
• ’ - シングルクォート
• () - 丸括弧、英語ではパレンセスィス(parenthesis)
• ＊ - アスタリスク、欧米ではスター
• − - ハイフン、欧米ではダッシュ
• . - ピリオド、欧米ではドット
• <> - 小なり大なり、欧米でもレスザングレーターザン。アングルブラケットとも言う。
• ＠ - アット
• [] - ブラケット、スクエアブラケット
• \ - バックスラッシュ
• ^ - キャレット
• _ - アンダーライン、アンダースコア、アンダーバー
• ` - バッククォート
• {} - カーリブレース
• | - 縦バー、欧米ではバー
• ~ - チルダ、チルド、ティルドゥ

---

例によって最後のperlのコーディング例の部分はタイトルだけ確認して読み飛ばした。 7bitのASCIIひとつとっても知らないことがたくさん。特に記号の読み方は勉強になった。

次回へ続く