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** · 2019/07/13(土) 22:47:35.97

>>516
何これ？

**デフォルトの名無しさん** · 2019/07/14(日) 01:25:41.28

ブラックキャップ

**デフォルトの名無しさん** · 2019/07/14(日) 09:54:29.74

ワロタ

**デフォルトの名無しさん** · 2019/07/14(日) 22:04:02.29

>>513
>>97じゃないから確かなことは言えないけど
「better choice」じゃないかな？
つまり絵文字を「入れざるを得ない」ってことね。

**デフォルトの名無しさん** · 2019/07/15(月) 03:44:17.27

単に後方互換だろ…

**デフォルトの名無しさん** · 2019/07/15(月) 04:14:22.81

BA-90使いたいのに斑の黄顔になるのはなんだかなー

**デフォルトの名無しさん** · 2019/07/16(火) 23:08:05.64

IC: 相互互換性
FC: 前方互換性
BC: 後方互換性
UC: 上位互換性
LC: 下位互換性
ちい覚えた

**デフォルトの名無しさん** · 2019/07/17(水) 11:56:39.82

LeftとかRightとかCorrectは無いんか

**デフォルトの名無しさん** · 2019/07/17(水) 16:54:36.95

>>524
correctはともかく左右は確実にねーだろw

**デフォルトの名無しさん** · 2019/07/18(木) 14:33:21.11

共産とりっけんと社民社と国民主と令和革命はLC互換

**デフォルトの名無しさん** · 2019/07/18(木) 23:12:28.17

>>526
わろたw

**デフォルトの名無しさん** · 2019/07/23(火) 15:56:55.39

https://github.com/qntm/base65536
↑Unicodeの基本多言語面を使ったエンコード方法w

**デフォルトの名無しさん** · 2019/07/23(火) 17:04:19.76

高度に発達したエンコードはMojibakeと見分けがつかない

**デフォルトの名無しさん** · 2019/07/24(水) 00:37:51.21

基本多言語面って制御文字含んでるよね。
それbaseXXの本来の意味を成してないw

**デフォルトの名無しさん** · 2019/08/18(日) 16:07:01.10

W3Cのwebページが文字化けしてて草。
文字コードの本元の一つがこんな体たらくでいいのだろうか…w
https://www.w3.org/People/mimasa/xmldev.html.ja.sjis

**デフォルトの名無しさん** · 2019/08/18(日) 17:27:15.46

読めるけど...?

**デフォルトの名無しさん** · 2019/08/18(日) 23:04:31.46

ISO-2022-JP のくせに content-type: text/html; charset=shift_jis で送ってきてるからなあ

**デフォルトの名無しさん** · 2019/08/19(月) 01:20:35.42

(´・・∀・・`)ほう

**デフォルトの名無しさん** · 2019/08/19(月) 06:07:28.33

>>533
あ、そういうことか。と思ったけどChromiumだとどうしようもねぇわ。
最近のブラウザって文字コードを修正する機能みたいなのって消えてるね。

**デフォルトの名無しさん** · 2019/08/19(月) 07:31:42.15

>>535
Firefox68には文字コード指定が残ってる
通常は無効になってるけど>>531のリンク先を表示したときは有効になって
ISO-2022-JPを指定すると文字化けなしで読めた

**デフォルトの名無しさん** · 2019/08/19(月) 08:38:57.28

ところでW3Cって文字コードの制定とかに関わってたっけ？
XMLが使う符号化文字集合にUnicodeを推奨してるくらいじゃない？

**デフォルトの名無しさん** · 2019/08/20(火) 11:37:07.61

>>531
これはひどいω

**デフォルトの名無しさん** · 2019/08/20(火) 11:39:07.12

>>533
ファイル名まで .sjis つけてるくせになんで iso-2022-jp で保存してるのかイミフ

**デフォルトの名無しさん** · 2019/08/20(火) 18:30:12.77

なんか同じような原因で文字化けしてるページに対して
同じようなレスをした記憶が…と思ったら前スレにあった。
記憶障害じゃなくてよかったw
https://mevius.5ch.net/test/read.cgi/tech/1516629503/821-843

**デフォルトの名無しさん** · 2019/08/20(火) 21:44:07.86

HTMLをiso-2022-jpにするのって
どこの文化なんだろうか？

Windowsはsjisだからありえないし
Linuxも昔の普通はEUC-JPだろ？

iso-2022-jpはメールにしか使われてなかったはずだが

**デフォルトの名無しさん** · 2019/08/20(火) 21:47:57.43

>>531
イシカワマサヤスというのは誰だろうね。

**デフォルトの名無しさん** · 2019/08/20(火) 21:51:25.41

イシカワマサヤスさんでは？

**デフォルトの名無しさん** · 2019/08/20(火) 21:52:36.86

石川雅康と石川哲志は親族だろうか？

どちらもICT業界から去ったのかな。

**デフォルトの名無しさん** · 2019/08/20(火) 21:54:13.55

またつまらんものを

**デフォルトの名無しさん** · 2019/08/20(火) 21:58:33.22

XHTMLが終わってしまって、そのまま放置の石川さん。

**デフォルトの名無しさん** · 2019/08/20(火) 22:46:49.05

>>541
sjisやeuc-jpが整う前は、HTMLをiso-2022-jpにするのも選択肢の一つだったらしい
ttp://www.tohoho-web.com/lng/199801/98011002.htm

**デフォルトの名無しさん** · 2019/08/20(火) 23:01:02.75

>>547
http://の先頭のhを取っても付けても同じですよ。

**デフォルトの名無しさん** · 2019/08/20(火) 23:43:43.88

> どこかの雑誌で、「charset=iso-2022-jp は自動判別の指定」と堂々と紹介された
http://web.archive.org/web/19980116120529/http://www.pro.or.jp/~fuji/horrible/horrible.kanji.html
えぇ……。

**デフォルトの名無しさん** · 2019/08/21(水) 00:08:09.19

1998年当時のWebブラウザはキャラクタセットの判定すら怪しかった。

**デフォルトの名無しさん** · 2019/08/21(水) 02:35:13.27

>>549
そのリンク先に書いてあるけど、iso-2022-jp が使われてるのはMSが発端なのか？

> name="GENERATOR" content="Microsoft FrontPage 2.0"
> というのが各HTMLファイルの先頭にあることから、Microsoft の FrontPage が漢字コードがシフトJISのファイルであるにもかかわらず、iso-2022-jp の指定するからではないかと思われます。

**デフォルトの名無しさん** · 2019/08/21(水) 03:44:23.93

>>540
流れは似てるが今回は指摘されてるURLが問題なんだろ
よりによってアイツがってやつさ

**551** · 2019/08/21(水) 05:07:33.18

あ、違ったわ。MSのはMicrosoft FrontPage 2.0がmetaタグの指定を間違ってるって話で
HTMLの内容がiso-2022-jpというのはまた別問題か

sjis以外あるかな？ってやってみたら他のエンコーディングも見つかったし
>>531は単なる文字コード変換ミスかな？

https://www.w3.org/People/mimasa/xmldev.html.ja.aaaaa

**デフォルトの名無しさん** · 2019/08/21(水) 14:49:37.63

拡張子付け間違いか

**デフォルトの名無しさん** · 2019/08/22(木) 06:16:14.71

ブラウザって一時だけでも拡張子によって文字コードを判断してた時期があったの？
俺の記憶にはないのだけども……。

**デフォルトの名無しさん** · 2019/08/22(木) 06:36:57.94

だからこれはjisという拡張子でHTTPヘッダのcharsetもshift_jisなのに
中身がiso-2022-jpなんだってば

iso-2022-jpが使えるテキストエディタで書いたか
sjisに変換すべきところをiso-2022-jpに変換してしまったということ
昔のWindowsで書いたならsjisになるだろうから変換ミスかなって話

**デフォルトの名無しさん** · 2019/08/22(木) 08:04:31.58

jisって拡張子ならiso-2022-jp(JISコード)なのは意図通りだろ
HTTPヘッダのcharsetが食い違ってるだけで

**デフォルトの名無しさん** · 2019/08/22(木) 09:50:35.92

鯖の仕様が変わってcharsetのデフォが変わったからな
サーバー引越のときに設定間違えた可能性はあり得る

**デフォルトの名無しさん** · 2019/08/22(木) 10:23:09.36

>>557
拡張子はjisじゃなくてsjisな
だからドキュメントの文字コードが明らかに間違ってるんだよ

**デフォルトの名無しさん** · 2019/08/22(木) 10:30:34.86

昔のブラウザはHTTPヘッダのcharsetよりも
ドキュメントからの文字コード判定の方を重視していた。

なぜならセキュリティというかサーバー運営者がよくわかっておらず
設定変更の必要性を理解できていなかったので設定されてなかった
たとえ設定変更ができるサーバーでもユーザーが理解していなかった

そんな時代だからブラウザで表示できれば良し程度のレベルが普通で
今からするとチェックが甘かった。その当時の間違った文字コードのページが今も残っている。

たぶんこんなところ

**デフォルトの名無しさん** · 2019/08/22(木) 10:33:49.69

>>559
お前のレスの >>556 には jis って書いてあるだろω
お前が原因

**デフォルトの名無しさん** · 2019/08/22(木) 10:35:00.76

>>561
単なる書き間違えじゃね？
リンク先見ればわかるでしょ

**デフォルトの名無しさん** · 2019/08/22(木) 10:38:26.99

>だからこれはjisという拡張子でHTTPヘッダのcharsetもshift_jis

こういうおっちょこちょいが >>531 みたいなミス連発するんだろうな

**デフォルトの名無しさん** · 2019/08/22(木) 15:58:03.72

皆さん落ち着いて

**デフォルトの名無しさん** · 2019/08/23(金) 17:29:19.40

なんでUTF8以外違法になった今そんな話してんだか・・・

**デフォルトの名無しさん** · 2019/08/23(金) 17:59:07.09

× 違法 ○ 非推奨

**デフォルトの名無しさん** · 2019/08/24(土) 00:05:20.43

秘宝とか緋水晶とか何の話をしてるんだ？

**デフォルトの名無しさん** · 2019/08/25(日) 20:34:39.12

ムーンプリズムパワー!メイクアップ!

**デフォルトの名無しさん** · 2019/08/25(日) 22:05:01.03

ﾀﾘｽﾏﾝ

**デフォルトの名無しさん** · 2019/08/25(日) 22:36:09.44

ｸﾘﾏﾀｽﾐ

**デフォルトの名無しさん** · 2019/08/28(水) 13:35:52.48

ひまだ

**デフォルトの名無しさん** · 2019/08/28(水) 19:19:16.62

サクラエディタがとうの昔にUTF32対応していた事実をいまごろ知った。

**デフォルトの名無しさん** · 2019/08/28(水) 20:04:07.93

じっさい32じたいそんな使わないだろｗ

**デフォルトの名無しさん** · 2019/08/29(木) 18:28:30.40

でもUTF-16の「どんな文字でも固定ビット幅」という利点が失われてしまった今，
固定ビット幅が実現できる唯一の規格であるUTF-32は希少では。

**デフォルトの名無しさん** · 2019/08/29(木) 18:42:08.11

読むぶんにはナイーブな実装で足りるからいいけど実際使うとなったら00が無駄に思えてきて敬遠しがち
だからもしかすると文字コードでさえ適材適所なのかと考え始めている

**デフォルトの名無しさん** · 2019/08/29(木) 18:49:00.69

内部表現は32bit単位で固定長の方が楽
ファイル読み書きのときはutf-8で勝利
あとはcps932が滅ぶのを待つだけ

**デフォルトの名無しさん** · 2019/08/29(木) 19:05:33.35

OSのインターフェースはUTF-8，内部表現はUTF-32が一番いいのかもね。
UTF-32だとASCIIに比べて単純計算で四倍弱の容量を食ってしまうのが難点。
でもOSの本体くらいならそもそもテキストとして表現されてるファイルも少ないし案外肥大化は防げるのかも。

**デフォルトの名無しさん** · 2019/08/29(木) 19:09:37.98

という会話を何年も前にこのスレで観た

**デフォルトの名無しさん** · 2019/08/29(木) 19:11:19.48

複数のコードポイントのシーケンスで一文字を表現するUNICODEだから
UTF-32でも一文字が32bitで収まるとは限らないからUTF-8でも大差ない

**デフォルトの名無しさん** · 2019/08/29(木) 20:02:33.30

プログラミング言語C++に関していうと、x64版Linux用gccは既定でwchar_tのサイズが4バイト。
つまりx64版Linux用gccはstd::wstringがUTF-32。誰も使っていないように見えてそうでもない。

**デフォルトの名無しさん** · 2019/08/29(木) 21:00:32.68

【名案】0～9の代わりにUnicode全文字を使えば「65536進法」になり，なんでも1桁で表現できるから2桁の計算が不要！・・・ためしに「65021－65018＝3」ってどう書くの？
https://togetter.com/li/1396827

**デフォルトの名無しさん** · 2019/08/29(木) 22:50:02.31

UTF-16でも8バイト必要なのに、32bit（4バイト）に収まるわけ無いだろうｗ

漢字1文字が最大8バイト、Unicodeの「IVS」とは？
https://tech.nikkeibp.co.jp/it/article/COLUMN/20100126/343783/

**デフォルトの名無しさん** · 2019/08/29(木) 23:01:38.50

UTF-8だけで必要十分という結論に到達せざるをえない現実

**デフォルトの名無しさん** · 2019/08/29(木) 23:09:19.19

逆なんだよな。
本来UTF-32だけで必要十分だったのにどんどん複雑にしていって、
UTF-32でも不便になったからUTF-8でいいでしょ？
どうせ単純には扱えずライブラリ使うしか無いんだから。
という必要十分な文字コードを捨てたというのが現実

**デフォルトの名無しさん** · 2019/08/29(木) 23:11:55.32

宇宙に存在するすべての知的生命体が用いている文字すべてを網羅するのがUnicodeの理念。
たったの32bitで足りるわけがない。

**デフォルトの名無しさん** · 2019/08/30(金) 00:11:25.73

文字コードのスレッドなのにUnicodeがわかっていないやつらばかりw

**デフォルトの名無しさん** · 2019/08/30(金) 01:01:22.62

UTF-32じゃなくてUCS4じゃないの？内部コードに便利なのは

**デフォルトの名無しさん** · 2019/08/30(金) 01:29:38.44

>>586
ではどうぞ御説明をどうぞw

**デフォルトの名無しさん** · 2019/08/30(金) 13:00:23.27

>>579
codecvtは糞だ

**デフォルトの名無しさん** · 2019/08/30(金) 13:03:12.55

>>580
だった
まあどっちでもいいけど

**デフォルトの名無しさん** · 2019/08/30(金) 15:32:59.58

>>588
UTF-16を16ビットで1文字を表すと思い込んでいる人間がいるが、16ビット単位でデータ扱うだけで、1文字が32ビットのこともある。

**デフォルトの名無しさん** · 2019/08/30(金) 15:56:24.57

>>591
それぐらいみんな知ってる

**デフォルトの名無しさん** · 2019/08/30(金) 17:05:21.42

>>592
それぐらいみんな知ってる

**デフォルトの名無しさん** · 2019/08/30(金) 17:19:36.31

ビットサイズ固定でどうにかなると思っていた時期が俺にもありました。

**デフォルトの名無しさん** · 2019/08/30(金) 17:27:36.02

定期
貼れるんかこれ
https://qiita.com/yumetodo/items/54e1a8230dbf513ea85b

**デフォルトの名無しさん** · 2019/08/31(土) 10:08:53.77

>>591
スレの流れみた？UTF-32の話をしてんだぞ？

**デフォルトの名無しさん** · 2019/08/31(土) 15:33:43.16

>>596
そのまえ

**デフォルトの名無しさん** · 2019/08/31(土) 15:35:30.15

6 仕様書無しさん sage 2019/08/31(土) 11:36:13.12
日本人ならＵＴＦ１６を掲げるＪａｖａを支持すべきだ

**デフォルトの名無しさん** · 2019/08/31(土) 15:37:04.56

>>598
それは理由が書いてないから、読む価値ある？

**デフォルトの名無しさん** · 2019/08/31(土) 15:45:23.47

なんで毛唐の決めたコードを支持するのか、意味が分からん
ネットウヨの類は米英には尻の穴まで晒すようだし困ったものだ

**デフォルトの名無しさん** · 2019/08/31(土) 15:56:52.05

ん？支持しなくて良いよ

**デフォルトの名無しさん** · 2019/08/31(土) 17:12:51.44

>>597
じゃあ >>586 はスレの流れを遮って，古い話題を煽り文句で蒸し返した挙句，
碌な知識も持ってないことを晒してしまったヤベー奴ってことになるけどいいの？

**デフォルトの名無しさん** · 2019/08/31(土) 17:59:12.56

ネットウヨｗ

**デフォルトの名無しさん** · 2019/08/31(土) 20:21:37.85

re2のようにUTF-8にしか正式対応していない正規表現ライブラリもある。

**デフォルトの名無しさん** · 2019/08/31(土) 22:52:53.39

寧ろre2がUTF-32に対応すべきでは。
もしくはiconv使う。

**デフォルトの名無しさん** · 2019/08/31(土) 22:58:57.55

UTF-32対応は難しいから無理だろ

**デフォルトの名無しさん** · 2019/09/01(日) 01:36:48.58

iconv禁止

**デフォルトの名無しさん** · 2019/09/01(日) 09:07:17.74

NKF(Network Kanji code conversion Filter)を使えば？

Ruby にも、NKF モジュールがある

**デフォルトの名無しさん** · 2019/09/01(日) 10:46:26.40

別にコード変換ツールを探してるわけじゃなくね？ｗ

**デフォルトの名無しさん** · 2019/09/01(日) 10:52:49.46

どこぞの皇帝や中国王朝みたいに文字の方を変えて宇宙統一してしまえば良い
文字コードに合った文字だけ使えば解決

**デフォルトの名無しさん** · 2019/09/01(日) 12:53:54.91

収録文字数が2の16乗を超えた時点でUTF16は破綻したんだから、サロゲートペアなんて
煩雑な延命策を取らず、UTF32に完全移行すべきだった。

UTF16を残したせいでUTF32にも皺寄せが来ている。UTF32ではU+FFFFFFFFまで
対応できるはずなのに、UTF16のサロゲートペアで表せるU+10FFFFまでに符号空間が
制約されてしまった。つまり、実質的に32ビットではなく21ビットコードになってしまった。

UTF16を全廃しUTF32を本来の32ビットまで拡張すれば、異字体を異字体セレクタなしで
収録できるから、すべての文字を32ビットで表せて単純明快になる。

**デフォルトの名無しさん** · 2019/09/01(日) 13:07:58.05

>>611
いろいろ間違ってるなｗ

まずUTF-16という仕様にはサロゲートペアが最初から含まれてる
UTF32に完全移行って何を移行するっていうんだ？互換性がないんだから
既に使われてるものを簡単に変えられるわけがない。
UTF32が21bitコードになってしまったのはUTF-8のせいだ
21bitあれば209万7152文字を表現できるんだから異字体セレクタなしで十分収録できる

**デフォルトの名無しさん** · 2019/09/01(日) 13:11:25.72

異体字セレクタが導入されたのは別にコードポイントが足りないからじゃないだろ。
異体字なんて数が限られているし、それ以上に役に立たない絵文字をバンバン追加している状況だし。

**デフォルトの名無しさん** · 2019/09/01(日) 13:35:49.57

MSがUTF-16を採用したせいで廃止しようにもできないだろ
CP932とSJISとUTF16が生き残ってるのもだいたいこいつのせいだ

**デフォルトの名無しさん** · 2019/09/01(日) 13:40:59.73

>>612
おまいもかなり可笑しいなω

**デフォルトの名無しさん** · 2019/09/01(日) 13:42:43.07

>>612
>まずUTF-16という仕様にはサロゲートペアが最初から含まれてる

あれ、そうだった?　だとしたら、UTF16は最初から破綻していたってことだな。
変なものを作らずにUTF32を導入すべきだった。

>UTF32に完全移行って何を移行するっていうんだ？互換性がないんだから
>既に使われてるものを簡単に変えられるわけがない。

シフトJISからUnicodeへも互換性がないのに移行が進んだだろ。

>UTF32が21bitコードになってしまったのはUTF-8のせいだ

UTF8は可変長だから、32ビットでも表そう思えば表せる。
21ビットになったのはUTF16のせい。

>21bitあれば209万7152文字を表現できるんだから異字体セレクタなしで十分収録できる

収録した記号は他にも色々あるし、U+F0000～U+10FFFFは外字領域だし、
21ビットだけでは心許ない。

>>613
異字体セレクタは同じコードでもAdobe-Japan1とMoji_Johoで字体が違う
滅茶苦茶な欠陥規格だから、さっさと廃止した方が良い。