文字コード総合スレ Part12

**デフォルトの名無しさん** · 2018/12/16(日) 12:38:15.61

Windows NTは初代からUnicodeがネイティブの文字コードです。cp932ではありません。
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、Shift_JIS、JIS、EUC、Unicode、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/
文字コード総合スレ Part10 http://mevius.2ch.net/test/read.cgi/tech/1444822140/
文字コード総合スレ Part11 https://mevius.5ch.net/test/read.cgi/tech/1516629503/

**デフォルトの名無しさん** · 2019/06/02(日) 20:57:42.19

NHKの情報番組によると、最近スマホに移行した役者の役所広司さんはガラケーの絵文字が好きでスマホの絵文字が不満らしい。

**デフォルトの名無しさん** · 2019/06/02(日) 21:05:37.93

>>400
テレビ番組表で使われる記号[字]、[ニ]、[多]、[声]、[吹]、[演]など ([ ]は正方形囲み文字) は
Enclosed Ideographic Supplement (U+1F2xx) として収録されたから、同じブロックの
空き領域に辞書用の記号も追加してもらいたい。

**デフォルトの名無しさん** · 2019/06/02(日) 21:16:20.35

よくわからん
合成文字ではいけない理由って今時ある？

**デフォルトの名無しさん** · 2019/06/02(日) 21:22:49.71

池江璃花子さんのツイート
https://twitter.com/rikakoikee/status/1135127518258667520
　ポップコーンが美味しかった。
　美味しいチャーハン食べたい。
　チーズドックもマックのポテトも食べたい…🍟
　美味しいお寿司🍣アボカド🥑
　と、からみチキン
　食べたいものと行きたいとこが多すぎる🐭🏰
https://twitter.com/5chan_nel (5ch newer account)

**デフォルトの名無しさん** · 2019/06/03(月) 12:00:01.49

絵文字専用スレの分離独立を提案します

**デフォルトの名無しさん** · 2019/06/03(月) 12:14:25.26

それはよくない

**デフォルトの名無しさん** · 2019/06/03(月) 17:14:50.77

さもる。とは？

**デフォルトの名無しさん** · 2019/06/03(月) 18:10:06.92

この板に絵文字スレを別に作るのはいい案だとは思えない。一緒に扱ったほうがいい。
他の、スマホ系やネット文化系の板で絵文字スレを立てるのはそっちの文脈での必要に応じてやればいいが。

**デフォルトの名無しさん** · 2019/06/04(火) 04:29:34.76

板的には絵文字禁止で

**デフォルトの名無しさん** · 2019/06/04(火) 09:25:30.78

絵文字はただのコードポイントだからなあ

**デフォルトの名無しさん** · 2019/06/04(火) 10:53:27.04

このスレが絵文字の話題で埋まるのは勘弁

**デフォルトの名無しさん** · 2019/06/04(火) 11:53:04.76

これまでのところ埋まってないぞ

**デフォルトの名無しさん** · 2019/06/04(火) 20:23:40.45

>>403
それを言ったら、漢字も合字で構わなくないか?　1文字ずつコードを割り当てずに、
パーツ(部首など)に分解し、パーツと配置方法をコードで指定するIDS方式にする。
ハングルも音素に分解する。そうすれば、CJKが占めていた膨大なコード領域が
明け渡され、Unicodeを16ビットに戻せる。非CJK圏の人々はそれを望んでいそう。

漢字は情報伝達効率がとても良くて、字 2バイトで character 18バイトと同等の
情報を伝達できる。IDS上下, ウ冠, 子の6バイトで表しても、18バイトの3分の1しか
まだない。

**デフォルトの名無しさん** · 2019/06/04(火) 20:34:02.28

shit
糞

そうか？

**デフォルトの名無しさん** · 2019/06/04(火) 20:35:22.41

バイトでいうならそうか…
画数で無駄だなぁって思っちゃった

**デフォルトの名無しさん** · 2019/06/04(火) 22:15:09.20

>>413
それを言ったら、がよくわからんが
現状で漢字は個別、>>399の仮名は合成で表現する仕組みになってるもんをそれぞれわざわざややこしくするメリットある？
あと今更ひっくり返して形だけ16bitとか言語圏関係なく望んでないと思う

**デフォルトの名無しさん** · 2019/06/04(火) 23:31:18.83

>>399で書かれてる辞書で使われるような丸囲みとか四角囲みはU+20DDやU+20DEと組み合わせて表せばいい。
例えば[名]はU+540D U+20DE、(単)はU+5358 U20DDで表せる。

**デフォルトの名無しさん** · 2019/06/05(水) 21:51:36.51

>>413
俺もそういうのがいいとは思うけど
同じ手偏でも幅が微妙に違ったりするじゃん。
そういうのって計算というより正直美的感覚に基づくものだから，
結局一字一字に「手偏の幅」とかいったパラメータを与える必要が出てきそう。

**デフォルトの名無しさん** · 2019/06/05(水) 22:43:55.33

>>413
字形まで自動合成する必要はないだろ。字形は1字ずつデザインするが、それを呼び出すのに
IDSコードを使うだけ。

**デフォルトの名無しさん** · 2019/06/06(木) 11:04:53.81

>>419
418だがそれはいいね。

**デフォルトの名無しさん** · 2019/06/06(木) 13:09:21.77

正直IPAmjにだけ入ってるクラスの漢字見てるとこれIDSでどうすんのって思うよ。今更どうしようもないと思う。

**蟻人間** ◆T6xkBnTXz7B0 · 2019/06/06(木) 13:32:02.81

台湾に漢字の部首を組み合わせてフォントを合成する技術があるらしい。

**デフォルトの名無しさん** · 2019/06/06(木) 19:13:54.79

>>422
それってソフトウェアやライブラリとして提供されてたりする？
もしよければ教えてほしい

**蟻人間** ◆T6xkBnTXz7B0 · 2019/06/06(木) 19:56:27.90

https://www.dynacw.co.jp/about/about_history.aspx
これ。

**デフォルトの名無しさん** · 2019/06/06(木) 23:21:56.20

技術も何もメイリオあたりもそういうのじゃなかったっけ
結局調整が必要になるっぽいけど

**デフォルトの名無しさん** · 2019/06/07(金) 08:07:16.78

なんか思ってた技術と違うわ。
IDSの組合せをそれが表現する漢字と対応させるんかと思ってた。

**デフォルトの名無しさん** · 2019/06/07(金) 11:40:10.92

糸冬

マ

**デフォルトの名無しさん** · 2019/06/09(日) 18:38:42.78

漢字構成記述文字列って複数の記述文字の組み合わせとそもそもの複数の文字とをどうやって区別するんだろう。
「⿰山⿱上下」という並びが「峠」を意味するのか「山𠧗」を意味するのか区別できなくね？

**デフォルトの名無しさん** · 2019/06/09(日) 20:33:00.79

頻出度？

**デフォルトの名無しさん** · 2019/06/09(日) 22:49:36.82

1文字になる以外の解釈が可能な定義にはなってないように見えるが

**デフォルトの名無しさん** · 2019/06/10(月) 00:45:55.32

というかもともとそういうもんじゃない？
あれは人間が読むことを前提にした文中で説明を簡素にするために使う記号であって
合成とか機械処理とかをやることははなから考えてないと思う。

**デフォルトの名無しさん** · 2019/06/10(月) 11:07:15.11

⿰山⿱上下 → 山𠧗

⿰⿱山上下 → 峠

**デフォルトの名無しさん** · 2019/06/10(月) 11:10:17.22

違うな
>>430 が正しい

⿰山⿱上下 → 峠 (正しい)
⿰山⿱上下 → 山𠧗 (不正)
山⿱上下 → 山𠧗 (正しい)

⿰⿱山上下 → 峠 (知らんがな)

**デフォルトの名無しさん** · 2019/06/10(月) 11:14:02.36

>>433
最後のは不正では。
⿰⿱山上下なら
↓こんな文字になっちゃう

**デフォルトの名無しさん** · 2019/06/10(月) 13:25:56.68

カッコなしで誤解釈の余地なくやるにはRPNにすればよいのでは？

**デフォルトの名無しさん** · 2019/06/10(月) 14:05:24.64

括弧なしでも漢字構成記述文字列は一意に定まるぞ。
曖昧さの余地はない筈。

**デフォルトの名無しさん** · 2019/06/10(月) 14:06:48.56

ていうかそもそも漢字構成記述文字列自体がポーランド記法っぽい性格を持ってる。
⿰⿱山上下なら⿰(⿱(山, 上), 下)みたいな関数表示になって↑>>434みたいな字形になる。

**デフォルトの名無しさん** · 2019/06/10(月) 14:17:40.77

同じ文字を二通り以上の表現方法があるのはセキュリティ上やばいと爺さんが言ってた
UTF-8みたいなやつ

**デフォルトの名無しさん** · 2019/06/10(月) 14:19:52.70

例えば

⿰男⿰女男
と
⿰⿰男女男

**デフォルトの名無しさん** · 2019/06/10(月) 14:43:12.52

男女　男

右端は俺orz

**デフォルトの名無しさん** · 2019/06/10(月) 14:45:35.90

全然関係ないが男女男男女女男女男女を思い出した。おっさんだな、俺。

**デフォルトの名無しさん** · 2019/06/10(月) 14:55:32.08

>>439
嬲は「⿲男女男」じゃないの？

**デフォルトの名無しさん** · 2019/06/10(月) 14:56:33.42

だから複数あるっていう意味で書いたんだが

正規化で一つにっていうのは判る

**デフォルトの名無しさん** · 2019/06/10(月) 20:42:06.03

表現意図としては比が2:1:1と1:1:2と1:1:1で違いがあるような

**デフォルトの名無しさん** · 2019/06/10(月) 23:11:41.70

>>399-400
鼻濁音付き仮名文字は日本NBから提案したけど蹴られて今の姿になった。
http://std.dkuug.dk/JTC1/SC2/WG2/docs/n2092.pdf

仮名文字に限らずシーケンスで表現可能な文字に単体の文字コードを割り振ってもらうのは
相当説得力のある理由が要る。

逆に辞書用の記号は提案書を出せば通る可能性ありそう。

**デフォルトの名無しさん** · 2019/06/11(火) 01:59:35.04

ぽげむたは？

**デフォルトの名無しさん** · 2019/06/11(火) 04:13:44.44

>>443
いや、>>444も言っている通り嬲は「⿲男女男」以外で表わせないと思うよ。

**デフォルトの名無しさん** · 2019/06/11(火) 08:44:46.66

将棋好きのおいらとしては、ひっくり返った「玉」「飛」「歩」とかも
登録してほしいと思うのだが。

**デフォルトの名無しさん** · 2019/06/11(火) 10:41:29.12

>>448
Unicodeってそもそも将棋の駒全部登録されてないんじゃ？

**デフォルトの名無しさん** · 2019/06/11(火) 11:48:29.98

笑→ケケ夭
とか
禁→木木示
とか
哭→口口犬
とか
と
畿→糸糸田戈
は同じ表現？

**デフォルトの名無しさん** · 2019/06/11(火) 12:18:11.06

>>450
まあ機械処理向けの言語じゃないから
人が「分解できる」と思うかどうかだよね
ちなみに「畿」の部首って「田」なんだな。すげー意外。

**デフォルトの名無しさん** · 2019/06/11(火) 12:35:42.68

>>449

ないよ。黒塗り五角形と白ヌキ五角形だけ。

**デフォルトの名無しさん** · 2019/06/11(火) 14:57:42.64

文字表現ってことで
●●構えっていうと門しか思い出せないし
●●囲いっていうと口しか思い出せないけど
将棋の駒の白抜き五角形は囲いなんだろうか

**デフォルトの名無しさん** · 2019/06/11(火) 17:55:27.24

いっそのことCombining Diacritical Marks for Symbolsあたりに将棋の駒の枠線を登録してもらえればいい

**デフォルトの名無しさん** · 2019/06/12(水) 00:03:22.24

>>424
そこ日本の会社

**デフォルトの名無しさん** · 2019/06/12(水) 01:16:49.13

>>454
枠線の中に複数文字入れるのどうするとか
中に「と」みたいなのを表示したい場合それは本当に「と」で表現するのかとかいろいろややこしくなりそう
将棋みたいに中身が決まってるやつは一通り個別に並べてもらったほうがシンプルじゃないのかな…

**デフォルトの名無しさん** · 2019/06/12(水) 01:57:37.00

https://www.unicode.org/L2/L2018/18170-shogi.pdf

逆さのまではなくてもいいと思うがなあ

**デフォルトの名無しさん** · 2019/06/12(水) 07:01:32.61

あ、すでに議論の対象にはなってるのか。

**デフォルトの名無しさん** · 2019/06/12(水) 08:39:27.70

>>453
黒と白で、先手と後手を表しているだけだよ。

**デフォルトの名無しさん** · 2019/06/12(水) 09:02:03.43

文章中に書くなら白黒五角形で十分だと思うが、なんで盤面まで表現したがるかな。

**デフォルトの名無しさん** · 2019/06/12(水) 11:21:19.79

歩の裏の「と」があるべき位置に
「テ」だったか「〒EL」みたいな
意味不明な文字が書いてある駒セットを
観たことがあるけど
あれはなんだったんだろう
朝鮮語か？

**デフォルトの名無しさん** · 2019/06/12(水) 12:54:03.65

Ｔ
三　みたいなやつ？

全ての「成金」の文字は「金」を崩した文字だよ。
「と金」も、本当は「と」と書いてあるわけではなく、
「金」を崩した結果、「と」みたいになっているだけだよ。

**デフォルトの名無しさん** · 2019/06/12(水) 13:18:58.92

Tも三も金なんですね

**デフォルトの名無しさん** · 2019/06/12(水) 17:24:29.90

どうでもいいけどそのレスを見て
その内崩し字も登録されそう…とか思ったw
太字のaとかがなぜか「文字」として登録されてるんだから金の崩し字が登録されてもおかしくない

**デフォルトの名無しさん** · 2019/06/12(水) 17:54:37.18

歩兵の裏は金と同じ読みの今（きん）の崩し字をあてたので
「と」と極めて似た文字になったという説がある

**デフォルトの名無しさん** · 2019/06/12(水) 23:56:15.89

T
ニ
ヘ

なんでこれで金になるのかさっぱり判らん
https://blogimg.goo.ne.jp/user_image/50/8a/03ddf56cb868756327fb330bdd9e5231.jpg

あと
|
とか
レ
とか
謎のが多すぎ

**デフォルトの名無しさん** · 2019/06/13(木) 01:03:53.78

崩し字はむずかしうてわからん

**デフォルトの名無しさん** · 2019/06/13(木) 01:05:01.31

崩し字というかバラし字？

**デフォルトの名無しさん** · 2019/06/13(木) 01:11:22.08

>>457
どうなったか調べてみた。L2/18-170は2018年8月開催のUTC #156で議論され、
議事録には提案者にfeedbackを返したとだけ記録されている。
http://www.unicode.org/L2/L2018/18183.htm のe.5

で、この文書番号で検索すると同じ提案者の出したL2/18-342が引っかかって
そこにこう書いてある。
> Shogi proposal. The proposal I am talking about is (L2/18-170), the committee's
> rationale for rejection was that: “the symbols in question were not attested in
> lines of text”.

インラインテキスト中で使われている用例が示されていないのでrejectされたらしい。

**デフォルトの名無しさん** · 2019/06/13(木) 01:32:11.84

なるほどなあ。
チェストーはインラインで使ったりするもんなんだろうか

**デフォルトの名無しさん** · 2019/06/13(木) 06:29:39.15

日本NBが後押しすれば10646に入りそうな気がするけどね
漢字以外は興味持たないだろうって見透かされてるんだろうな

**デフォルトの名無しさん** · 2019/06/14(金) 11:32:49.03

まあ言いたかないけど欧米が制定した企画だからね……。
あきらかに文化的な偏りはあると思う。
この間もモンゴル文字かなんかを文字の結合方式とかをほとんど考慮しないで登録してしまった
という旨でUnicode共同体を批判してるブログ見掛けたし。

**デフォルトの名無しさん** · 2019/06/14(金) 12:45:36.88

https://nixeneko.hatenablog.com/entry/2018/03/04/140000
モンゴル文字のことはよくわからんが、ここに書いてあることによると、

> モンゴル文字は、語の中のどの位置にくるかによって、また母音調和等によって形が変化する。

> 中国・モンゴル国の両国ともに現状と地続きの音声アプローチの方を支持しているようであるが、
> 最終的にどの方式が選ばれるにしろ、相互運用性が確保されることは期待できそうである。

ということだから、現状の規格は、中国・モンゴル国が希望したものであって
欧米人が悪いというわけではないと思う。

**デフォルトの名無しさん** · 2019/06/14(金) 12:54:39.24

ただ、似たようなものは英文にもあるわけで、fish や office のように、
f,i,j,l が続く場合は、文字を合字（リガチャ）にする場合が多い。

しかし、MSword も TeX も、「合字にせよ」という指定を入れなくても、
勝手に合字にしてくれるわけで、モンゴル文字も（よく解らんけど）
同じようにできないのかな、とは思う。

**デフォルトの名無しさん** · 2019/06/14(金) 13:00:53.97

ごめん。誤り。MSwordは指定しない限り、合字にはならなかった。

**デフォルトの名無しさん** · 2019/06/14(金) 21:13:23.45

ガチャーン合体！

**デフォルトの名無しさん** · 2019/06/15(土) 12:06:26.17

>>466
筆で金とうい字を1000回くらい書くとわかるようになるよ。ようは手抜き。

**デフォルトの名無しさん** · 2019/06/15(土) 21:00:26.68

わけわからんまで崩していくのは日本独特?

**デフォルトの名無しさん** · 2019/06/16(日) 11:45:02.01

これもなんで金になるのか判らんやつ
と
でいいのに
https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcRN0np1ZmeG8ZgXTV8K1Vjx-yF9KCNZgu3AKkiOYyYxdnnl-wk7

**デフォルトの名無しさん** · 2019/06/16(日) 13:03:35.22

木天火土水で6人目のゴールドは光です・・・

**デフォルトの名無しさん** · 2019/06/16(日) 17:16:00.47

>>479-480
わらったw

**デフォルトの名無しさん** · 2019/06/18(火) 06:18:41.06

プログラム板にキチガイ降臨中！botに一晩も反応する異常さ
一般人(学校恩師)に殺害予告をしているのでスレ建て通報してください。
https://mevius.5ch.net/test/read.cgi/tech/1559872586/

142 名前：a4 ◆700L1Efzuv 投稿日：2019/06/18(火) 05:29:55 ID://qVkzO
>>141
名古屋の人な　俺ね、君の問題を大橋先生と混ぜないことにする。つまりね、
片桐孝洋のことをボコろうと思う。普通に顎の骨を折る。これくらいで警察来るか？
一般市民とかさ、普通にさ、俺らの秘密なんだけどさ、日本人なんて復活ねーから。

**デフォルトの名無しさん** · 2019/06/22(土) 01:57:21.14

>>482
釣られてそのスレ見に行ったけど
寧ろそのa4っていう小手の人が被害に遭ってるように思えたけどな

**デフォルトの名無しさん** · 2019/06/25(火) 03:50:40.53

ヲシテ文字って使えないの？

**デフォルトの名無しさん** · 2019/06/25(火) 05:40:01.35

Unicode協会が配布してるプログラムでシェルスクリプトでUTF-8文字列を扱えるデータってないかな。
入力されたUTF-8文字列が何文字かを判定したりするのに都合の良いスクリプト。

**デフォルトの名無しさん** · 2019/06/25(火) 06:09:39.19

にほんごでおｋ

**デフォルトの名無しさん** · 2019/06/25(火) 06:42:32.78

CLDR for shellみたいなのがないかなと。

**デフォルトの名無しさん** · 2019/06/25(火) 13:49:53.45

Unicode協会って書かれると、アグネスがやってるパチモンに見えてくる

**デフォルトの名無しさん** · 2019/06/28(金) 22:59:11.92

使えないよ
その手の文字が登録されたことはあるのかな

**デフォルトの名無しさん** · 2019/06/29(土) 01:02:31.02

Dohentaiyagana

**デフォルトの名無しさん** · 2019/06/29(土) 01:49:55.29

神代VSでまとめてしまおう

**デフォルトの名無しさん** · 2019/06/29(土) 02:20:12.41

最近Kenのツイートが酷い
LunaticとかAdobe的にいいのか

**デフォルトの名無しさん** · 2019/06/30(日) 02:04:42.75

絵文字をリガチャとして実装するという話を聞いたことがあるが
良いアイデアだと思う。
これ以上貴重な符号位置を占有しないで欲しい。

**デフォルトの名無しさん** · 2019/06/30(日) 02:44:42.35

絵文字ガチャに見えた

**デフォルトの名無しさん** · 2019/06/30(日) 18:46:20.88

https://symbolset.com/
これとか。素晴しい発想だと思いませんこと？（お嬢様風）

**デフォルトの名無しさん** · 2019/06/30(日) 19:55:14.68

全然

**デフォルトの名無しさん** · 2019/06/30(日) 20:32:53.74

見る側の環境によって、絵文字を使った側の人が意図しなかった単語に化ける現象が発生してしまう

**デフォルトの名無しさん** · 2019/06/30(日) 21:02:05.57

>>497
実はそれを意図しているんだな、これが。
Webフォントが使えなかった場合に，意味不明な私的領域のコードポイントではなくその絵文字の「意味」の単語になるっていうフェールセーフ。
この発想はアクセシビリティの面からしてすごいと思う。
今までも↑こういうことを実現する手段はあったが（aria-*とか::beforeとかを活用する），
いささかハックじみた手法だったのに対して，この方法はほとんど何のひねりもないし，かつ
高いアクセシビリティを誇る。

**デフォルトの名無しさん** · 2019/06/30(日) 21:31:19.26

なんか公式ページの説明が簡素すぎてよく分からん。
素晴らしさを伝える記事とかないの？

**デフォルトの名無しさん** · 2019/06/30(日) 22:16:35.89

>>498
全然意図してないと思うぞ。＞使った側の人が意図しなかった単語に化ける現象
これがアクセシビリティ向上になるのは入力者が単語と絵文字の対応を把握している場合だけで、
把握してない場合は入力者が知らない結果が出力される謎フォールバックになる。

入力者が絵文字パレットから選ぶ仕組みなら単語を把握してない可能性が高まるし、
個別に校正かけるなら元々あるimg altとかではなくWebフォントを使う強みは何？ってなるし