文字コード総合スレ Part10 [転載禁止]©2ch.net

**デフォルトの名無しさん** · 2015/10/14(水) 20:29:00.08

プログラマーなら一度は煩わされたことのある文字コードについてのスレ。
UTF-8、ShiftJIS、JIS、EUC、Uincode、 UCS、サロゲートペア、コードポイント、文字コード判定、
合成文字、ソート、TRON、外字コード、その他について語り合いましょう。
各言語での文字列の扱いについての質問もOKです。
基本マッターリ、ささ、茶でもどうぞ。

■過去スレ
文字コード総合スレ part1 http://pc11.2ch.net/test/read.cgi/tech/1031028205/
文字コード総合スレ part2 http://pc11.2ch.net/test/read.cgi/tech/1143375639/
文字コード総合スレ part3 http://pc11.2ch.net/test/read.cgi/tech/1180250376/
文字コード総合スレ part4 http://pc11.2ch.net/test/read.cgi/tech/1228052369/
（スレ再利用）UnicodeとUTF-8の違いは？ http://pc12.2ch.net/test/read.cgi/tech/1177930957/
（隔離スレ）UnicodeとUTF-8の違いは？　その2 http://pc12.2ch.net/test/read.cgi/tech/1274937437/
文字コード総合スレ part5 http://pc12.2ch.net/test/read.cgi/tech/1236529563/
文字コード総合スレ part6 http://hibari.2ch.net/test/read.cgi/tech/1278923059/
文字コード総合スレ part7 http://toro.2ch.net/test/read.cgi/tech/1306595564/
文字コード総合スレ part8 http://peace.2ch.net/test/read.cgi/tech/1354248962/
文字コード総合スレ part9 http://peace.2ch.net/test/read.cgi/tech/1401301779/

**デフォルトの名無しさん** · 2016/09/03(土) 00:41:07.59

NFKDを検索したら𝐍𝐅𝐊𝐃も𝑁𝐹𝐾𝐷もマッチする方が嬉しいし
1月が㋀にマッチしたり株式会社が㍿にマッチしたら嬉しいから
俺はメリットがあると思うけど

**デフォルトの名無しさん** · 2016/09/03(土) 02:21:27.68

半角ABCで検索したら全角ＡＢＣがヒットしないFirefoxさん…

**デフォルトの名無しさん** · 2016/09/04(日) 17:57:17.34

>>483
分解除外採用すべきやろな
仕様がクソすぎる

**デフォルトの名無しさん** · 2016/09/04(日) 22:08:48.81

その割に何十個もあるハイフン系は
NFKDでもまとまらないという

**デフォルトの名無しさん** · 2016/09/05(月) 08:48:36.28

>>487
それはNFKDの仕事じゃない

**デフォルトの名無しさん** · 2016/09/06(火) 20:51:36.90

>>488
似た文字を正規化すんのがKの正規化でしょ
実際にU+2011はNFKDでU+2010になるし

**デフォルトの名無しさん** · 2016/09/06(火) 21:18:50.81

そろそろポケモン来る？

**デフォルトの名無しさん** · 2016/09/07(水) 01:48:06.44

もう横棒類は全部 HYPHEN-MINUS に置き換えしとけ

**デフォルトの名無しさん** · 2016/09/07(水) 03:48:29.15

>>489
compatibilityがあるものだけ
何十個もcompatibilityのあるdash/hyphenはない
横棒っぽい文字を全部集めたら数十種類あると思うが
それを全部例えばhyphen-minusに変換したら
テキストの意味が変わってしまい
到底NORMALizationと呼べるようなものではない
勿論そういう変換が有効な応用ではそうしていい

**デフォルトの名無しさん** · 2016/09/08(木) 20:41:13.60

つまり「俺のcompatibility基準を満たしていないからダメだもん」

横棒類は全部 HYPHEN-MINUS に置き換えでいい

**デフォルトの名無しさん** · 2016/09/10(土) 02:47:21.06

グダグダ言ってるとユニコード貼るぞ
俺のユニコードでお前は瞬殺

**デフォルトの名無しさん** · 2016/09/10(土) 12:24:25.95

ユニコードは犯罪だからやめてください！

**デフォルトの名無しさん** · 2016/09/12(月) 10:27:24.50

そこはユニコ-ドでしょ

**デフォルトの名無しさん** · 2016/09/12(月) 14:27:32.13

>>493
unicode character databaseと言うものがありましてねえ

**デフォルトの名無しさん** · 2016/10/03(月) 15:40:21.15

>>497
で?

**デフォルトの名無しさん** · 2016/10/05(水) 18:49:51.38

来年は JIS X 0201/0208/0213/0213/0218 の見直し時期だけど
果たして 0208 と 0213 の大統合計画は進んでいるのかしら。

**デフォルトの名無しさん** · 2016/10/05(水) 20:58:30.93

大統領計画に見えた

**デフォルトの名無しさん** · 2016/10/05(水) 21:43:58.27

もうJISなんて誰も読んでないから更新するだけ無駄

**デフォルトの名無しさん** · 2016/10/06(木) 00:19:24.84

なんだかんだいろいろな場から参照されるしUnicodeの中の人も読まざるを得ないから
うんこ絵文字のバリエーション大量に紛れ込ませてUnicodeにUnko Supplementとして収録させるチャンス

**デフォルトの名無しさん** · 2016/10/06(木) 17:53:36.88

ウンコはIVSの240まででお願いします

**デフォルトの名無しさん** · 2016/10/07(金) 16:27:31.20

>>501
なわけないw

**デフォルトの名無しさん** · 2016/10/08(土) 04:31:56.90

ようやく変体仮名は投票に進むことになったのか

**デフォルトの名無しさん** · 2016/10/10(月) 18:05:59.46

>>501
刷りで字形変えるとか狂気の沙汰やで

**デフォルトの名無しさん** · 2016/10/10(月) 19:30:46.05

>>503
そういえば例の絵文字の肌色セレクターってうんちの健康状態セレクターにも使えそうな気がしてきた

**デフォルトの名無しさん** · 2016/10/10(月) 22:58:01.80

うんこ色のカレーとうこん色のカレーを区別するのです

ケーキに黒っぽいVS付けたらチョコレートケーキとか
そういう汎用化は日本が提案したけど駄目だったんじゃなかったっけ？
肌の色が何とかなればいいんだってことで

**デフォルトの名無しさん** · 2016/10/10(月) 23:51:20.73

モアイに色付けたら似てる人たくさんいるよな

**デフォルトの名無しさん** · 2016/10/11(火) 20:05:00.55

カレー味のうんこ
うんこ味のカレー
の区別も必要(´・ω・｀)

**デフォルトの名無しさん** · 2016/10/11(火) 21:31:06.48

本来モアイじゃなくてモヤイだけどな

**デフォルトの名無しさん** · 2016/10/11(火) 21:50:29.29

>>511
だが誰も気にしない
http://emojipedia.org/moyai/
拳銃についてはあれだけ議論になるのにモヤイはモアイでいいみたい

**デフォルトの名無しさん** · 2016/10/11(火) 22:41:02.94

イースター島にあるのがモアイ、渋谷にあるのがモヤイだと思ってたｗ

**デフォルトの名無しさん** · 2016/10/12(水) 16:00:26.26

本来はそれで合ってるはずなんだけどね

**デフォルトの名無しさん** · 2016/10/15(土) 23:01:11.77

ユニコードのUAX#29(文字・単語・段落の抽出)を久しぶりに読んでみたら
Grapheme clusterの仕様が絵文字のルールに汚染されていた。
何なんだこの絵文字推しは。

**デフォルトの名無しさん** · 2016/10/16(日) 12:53:03.20

>>515
確かに追加されてる
けどemojiがある以上ルールを追加しないと仕方ないからしょうがない
合成使って性別modifierとかふざけてるけど

**デフォルトの名無しさん** · 2016/10/16(日) 23:34:01.26

この性別ってライオンのたてがみとか、人間以外にも使えるんだろうか

**デフォルトの名無しさん** · 2016/10/17(月) 16:48:56.72

フィッツパトリック肌分類って6種類あるのに
何でUnicodeのEmoji Modifiersでは5つしか入れてないんだろう
"pale white skin"と"white skin"は区別しなくていいのか

**デフォルトの名無しさん** · 2016/10/17(月) 18:02:36.80

フィッツパトリック肌分類に基づいた上で1と2を一つにまとめて5段階にした
と書かれているんだから区別しなくていいと判断したんだろう
根拠は不明だが

**デフォルトの名無しさん** · 2016/10/17(月) 18:48:57.01

そこらへんすごく謎。まとめていいんかいと思った。

**デフォルトの名無しさん** · 2016/10/17(月) 19:58:51.95

もうめちゃくちゃだよ

**デフォルトの名無しさん** · 2016/10/19(水) 07:22:54.68

絵文字をざっくりしたシンボルじゃなくて
なまじリアルな絵で表現し始めちゃったのがそもそもの間違いなんだよな

**デフォルトの名無しさん** · 2016/10/19(水) 18:20:20.85

コードポイントを追加するのはともかく
modifierみたいなコードポイント列の解釈についての
ルール追加はやめて欲しいものだ

**デフォルトの名無しさん** · 2016/10/19(水) 19:21:02.82

>>515
あいつらクズばっか
文字採用基準もただの好みだし

**デフォルトの名無しさん** · 2016/10/27(木) 22:59:57.94

もうBase64か何か使って直接画像のバイナリデータ埋め込めばいいのに
Unicodeのコードポイントとして登録したがるのは何で

**デフォルトの名無しさん** · 2016/10/28(金) 00:02:59.53

>>525
画像だったら機械可読じゃないだろ。
バニーガールの性別と人種を機械的に判別できるようにすることは世界にとって有益だろ？

**デフォルトの名無しさん** · 2016/10/28(金) 16:48:59.16

DoCoMoのiモード絵文字がNew York近代美術館のコレクションに | スラドモバイル
https://mobile.srad.jp/story/16/10/28/0416246/

The Original Emoji Set Has Been Added to The Museum of Modern Art’s Collection – MoMA – Medium
https://medium.com/moma/the-original-emoji-set-has-been-added-to-the-museum-of-modern-arts-collection-c6060e141f61#.cqv1mudi0

New York’s MoMA Acquires the First Ever (Very Pixelated) Emoji | WIRED
https://www.wired.com/2016/10/new-yorks-moma-acquires-first-ever-pixelated-emoji/

**デフォルトの名無しさん** · 2016/10/28(金) 18:45:52.85

スレ違いレスを無言で貼るな低能

**デフォルトの名無しさん** · 2016/10/28(金) 20:49:51.94

絵文字がモノクロドット絵の頃は文字コード業界も平和だったのに

**デフォルトの名無しさん** · 2016/10/28(金) 23:17:41.58

自分たちでも扱える文字が増えたからって外人たちがはしゃぎすぎなんだよ

**デフォルトの名無しさん** · 2016/10/29(土) 03:01:41.79

同じものを見てるとは限らないということを
ほとんどの利用者は知らずに誤解を生んでる

**デフォルトの名無しさん** · 2016/10/29(土) 07:13:03.75

\100

**デフォルトの名無しさん** · 2016/10/29(土) 10:42:34.24

どう転んでも表意文字とコンピュータは相性が悪いらしいな
まさか絵文字の肌の色が問題になるとは思わんかったわ

**デフォルトの名無しさん** · 2016/10/29(土) 10:59:34.81

ああいう指示は文字コードの範疇じゃないよな。
そのうちなし崩しで、ボールドにしろだのサンセリフ体にしろだのいう指示まで取り込んでしまいそうな。

**デフォルトの名無しさん** · 2016/10/29(土) 11:11:13.16

まぁ間違いなくそのうちアニメーションさせようとか言い出すだろうな

国内では文字コード濫用形式の絵文字から、単なる画像添付のデコメ絵文字に移行してたのに
なぜわざわざ国際規格で文字コード濫用形式に戻してしまったのか

**デフォルトの名無しさん** · 2016/10/29(土) 14:02:02.47

日本人がいろいろ工夫したものを、当の日本人自身がガラパゴスとか
言い出してダメにしちゃうから、問題点とかがきちんと伝承されないんだよ。

**デフォルトの名無しさん** · 2016/10/30(日) 01:29:55.53

EUCとかSJISとかISO2022とか揉めてる間にUTF8に持っていかれた感じ

**デフォルトの名無しさん** · 2016/10/30(日) 09:34:26.59

そこはべつにもめてない

**デフォルトの名無しさん** · 2016/10/30(日) 10:57:24.93

UTF-8とUTF-32に統一したいのに
WindowsがシフトジスとUTF-16の呪いをかけたままだから困る
もうWindowsごと滅んでもらうしか無い

**デフォルトの名無しさん** · 2016/10/30(日) 18:49:52.12

よくわかってない人にありがちな見当違い発言

**片山博文MZ** ◆T6xkBnTXz7B0 · 2016/10/30(日) 18:57:43.74

Windowsはメモ帳もオフィスもUTF-8ファイルに対応しているよ。
WideCharToMultiByteなどもCP_UTF8付ければ変換できる。

**デフォルトの名無しさん** · 2016/10/30(日) 19:06:13.90

反論になってないし片山はやっぱりアホだな
Windowsがある限りUTF-16も生き残る、まさに呪いだな

**デフォルトの名無しさん** · 2016/10/30(日) 20:50:41.17

いつも博文がクソレスで皆様を不愉快にさせて申し訳ございません
>>540のクソレスもいつものように博文がID変えた自演です

**デフォルトの名無しさん** · 2016/10/30(日) 20:53:09.96

結合文字はともかく土吉(U+20BB7)の文字列の
長さが2になるのはホント、ストレスたまるぜ

**デフォルトの名無しさん** · 2016/10/30(日) 23:02:05.66

>>535
日本では絵文字は文字として運用実績があったからね
キャリアごとの独自絵文字をGmailで相互運用するために整理が必要だった
整理できてしまえばあとはUnicode.orgがどう考えるか
丸囲み合成文字辺りから考えると当然の帰結だったんじゃないか

**デフォルトの名無しさん** · 2016/10/31(月) 04:36:11.15

NIHON

HINOMOTO

**デフォルトの名無しさん** · 2016/10/31(月) 04:37:51.87

char * -> UTF-8
wchar_t * -> UTF-16
UTF-32 は何使うの？

**デフォルトの名無しさん** · 2016/10/31(月) 05:24:15.03

char16_t : UTF-16
char32_t : UTF-32

**デフォルトの名無しさん** · 2016/10/31(月) 05:26:59.82

㌧x

**デフォルトの名無しさん** · 2016/10/31(月) 16:40:00.60

日本の3大キャリアの絵文字を収録するのはまだいいとしてもその後の毎年山盛り追加はもう何がなんだかなあ・・・

**デフォルトの名無しさん** · 2016/10/31(月) 16:44:21.72

KOREAの陰謀としか

**デフォルトの名無しさん** · 2016/10/31(月) 21:20:59.79

以下、コレはまいったね禁止

**デフォルトの名無しさん** · 2016/10/31(月) 21:43:52.12

>>552
どういう意味？

**デフォルトの名無しさん** · 2016/11/01(火) 08:59:37.54

親父ギャグ

**デフォルトの名無しさん** · 2016/11/01(火) 18:38:34.50

>>550
最初の頃言ってた携帯メールの交換のためとか何だったんだろうね

**デフォルトの名無しさん** · 2016/11/01(火) 19:26:48.90

携帯絵文字は絶滅の危機
博物館で保護する必要がある

**デフォルトの名無しさん** · 2016/11/01(火) 20:47:25.98

MoMAに収蔵されたから大丈夫

**デフォルトの名無しさん** · 2016/11/01(火) 20:51:59.89

MoMAって秘宝館レベルのものも集めてるイメージ

**デフォルトの名無しさん** · 2016/11/01(火) 22:32:57.89

ゴミみたいな絵文字が増えるのはまだいい。
ＪＰの2文字で日本の国旗、という
クソな絵文字を持ち込んだ奴は死刑でいい。

**デフォルトの名無しさん** · 2016/11/02(水) 01:14:19.91

MoMAに収蔵されたケータイ絵文字なんてほんの一部でしかないな

**デフォルトの名無しさん** · 2016/11/02(水) 02:56:25.72

>>556
オックスフォード辞典の「今年の言葉」の一つに選ばれてるくらい欧州でもインターネット上を絵文字が席巻してるんだぞ

**デフォルトの名無しさん** · 2016/11/02(水) 04:10:14.34

>>561
まさか Unicode Emoji とケータイ絵文字の違いを知らない？

**デフォルトの名無しさん** · 2016/11/02(水) 04:27:56.03

>>562
派生関係にあるだけで同じものです
対応表もあります

**デフォルトの名無しさん** · 2016/11/02(水) 17:23:17.15

>>563
560はそんな大雑把な話ではないでしょ

**デフォルトの名無しさん** · 2016/11/03(木) 03:34:51.76

文字コードてすと
surströmming

**デフォルトの名無しさん** · 2016/11/03(木) 19:21:23.08

>>319
https://www.facebook.com/koichi.yasuoka.5/posts/1109283619130554

**デフォルトの名無しさん** · 2016/11/04(金) 15:58:47.69

>>559
🇸🇪🇸🇪
ってTwitterに書き込んだらスウェーデンの国旗に対応してなくて
間の二文字がスペインの国旗として認識・表示されたって話
マヌケですき

**デフォルトの名無しさん** · 2016/11/04(金) 16:48:18.71

>>567
え、なんだそれ。

てっきり1文字目用と2文字目用で別のポイントになってるのか、
あるいは始点か終点を示す符号があるんだと思ってた。

単に2文字続けば国、って仕様なのか。Unicodeも悪いな。

**デフォルトの名無しさん** · 2016/11/04(金) 22:15:07.10

Unicode関係ないw

**デフォルトの名無しさん** · 2016/11/04(金) 22:48:05.41

いや関係あるでしょ。
UTF-16のように1文字目と2文字目を分けておけばそんなことにはならなかった。

**デフォルトの名無しさん** · 2016/11/04(金) 23:05:51.48

TwitterがUnicodeに完全に対応してればそんなことにはならなかった。

**デフォルトの名無しさん** · 2016/11/04(金) 23:59:11.84

>>571
完全に対応ｋｗｓｋ
国旗周りの処理の詳しい規定ってあったっけ

**デフォルトの名無しさん** · 2016/11/05(土) 00:13:28.08

前後の区別がないと、SUSE とかのときどうするのか気になる。

単純に区切ると SU | SE で

[ソ連国旗] [スウェーデン国旗]

だけど、SU の国家は現存しない。

だとすると別の可能性として S | US | E 、つまり

[S] [米国国旗] [E]

もありえそう。

**デフォルトの名無しさん** · 2016/11/05(土) 01:01:33.47

>>573
> [S] [米国国旗] [E]

普通に先頭から判別すればそうなる
少なくてもfirefoxではたぶんそう→ 🇸🇺🇸🇪

**デフォルトの名無しさん** · 2016/11/05(土) 01:16:57.65

どの2文字をペア扱いすべきかはISO国名コードの最新版に存在するかどうかを見ないと分からないってことか。ややこしいな。

**デフォルトの名無しさん** · 2016/11/05(土) 01:20:47.71

いや、最新版だけじゃだめなのか。過去のメールは送信当時のコード表を使わないと>>574みたいに半分ズレて別の国に化けるな。

**デフォルトの名無しさん** · 2016/11/05(土) 01:57:45.33

既にGB-SCT(英国スコットランド)とか提案されてるし気にしても仕方ない

**デフォルトの名無しさん** · 2016/11/05(土) 04:17:16.49

>>572
偶数で切ることになっている

UAX#29
『Do not break within emoji flag sequences. That is, do not break between regional indicator (RI) symbols if there is an odd number of RI characters before the break』
『[^RI] (RI RI)* RI×RI』
UTS51
『A sequence of two Regional Indicator characters』

**デフォルトの名無しさん** · 2016/11/05(土) 04:21:04.76

↑の「×」はコードポイント列から一文字を抽出するときに
別の文字に切り離してはいけないという意味

**デフォルトの名無しさん** · 2016/11/05(土) 07:07:22.79

>>574
firefox ESR(45.4.0)では国旗フォントがあるかどうかで区切りが変わるいい加減さ

**デフォルトの名無しさん** · 2016/11/05(土) 12:09:56.76

>>580
いい加減というか逆にめんどくさいことをわざわざって気がする

**デフォルトの名無しさん** · 2016/11/05(土) 14:59:08.75

>>577-578
GBSCTGBSCTと2つ並べるとGB SC TG BS CT に分解されそう(最後のCT以外全部あるっぽい)。

**デフォルトの名無しさん** · 2016/11/05(土) 16:22:05.99

DNAの塩基配列も文字コードになったんでしたっけ？