トップページ⇒tech
228コメント65KB

UNICODE(UTF8)に期待してよろしいか?

■ このスレッドは過去ログ倉庫に格納されています
0001デフォルトの名無しさんNGNG
JIS、SJIS、EUCなど日本語漢字コードの扱いに苦労させらています。
やっぱ時代は統一規格!
これからの時代はUNICODEってことでよろしいですか?
0002デフォルトの名無しさんNGNG
結局、one of 文字コード。
この時代、実行時の変換ってことでよろしいです。
0003デフォルトの名無しさんNGNG
>1
文字コードに関するリンクとか張ってよ
0004デフォルトの名無しさんNGNG
UTF16といわなかったから許してやる
0005デフォルトの名無しさんNGNG
>1
UCS-2 UCS-4 UTF-8 UTF-16 がそれぞれ何を指すか分かってるか?
説明してみ。採点してやるYO.
0006デフォルトの名無しさんNGNG
>>1
身の回りに UNICODE の文書がありますか?
手持ちの JIS,SJIS,EUC の文書を UTF-8 や UTF-16 に変換しましたか?
実は Word 文書が一番多くないですか?

さて、UNICODE は今後標準になると思いますか?
00076NGNG
>標準
デジュールじゃなくてデファクトの
00081じゃないけどNGNG
UCS-2は、1文字16bitで世界の主要な文字を一意に符号化する(しようとした)
文字コードセット。結局16bitじゃ足らなくて、サロゲートペアが導入されたりして
なんだかなー状態。
UCS-4は、よーしお父さんは32bitで符号化しちゃうぞ、でも先頭の65536個は
UCS-2と同じで互換があるぞ、ISOも支持してるぞ。という文字コードセット。
UTF-8は、UCS-2/4 をオクテットストリームに流すためのエンコード方法。
UTF-16は、オレ嫌い。

>>5 よ、採点よろしく。
0009デフォルトの名無しさんNGNG
>>6 身の回りに UNICODE の文書がありますか?
ファイル名
0010デフォルトの名無しさんNGNG
>>9
そもそもNTの内部は全部Unicode
0011デフォルトの名無しさんNGNG
>>6
Word文書って、テキストはUnicodeで持ってるように見えるが。
XMLも基本はUTF-8だし。
0012デフォルトの名無しさんNGNG
>>11
む。じゃあ UNICODE はすでに普及しているということで終了。
0013デフォルトの名無しさんNGNG
>>8
> UTF-16は、オレ嫌い。
100点。
0014デフォルトの名無しさんNGNG
とりあえず、>>1は、
http://pc.2ch.net/test/read.cgi/linux/1003159137/
を読んでもっと欝になる、と
0015デフォルトの名無しさんNGNG
でTRONのやったことはUNICODEなんですか?
先取りしすぎたとか?
0016デフォルトの名無しさんNGNG
ttp://snog.squares.net/vote2/htm/1008913182.html
0017デフォルトの名無しさんNGNG
でも当分WindowsのスタンダードはUTF-16だろ
UTF-8は扱いずらそ。。
0018デフォルトの名無しさんNGNG
>>17
Windowsで使ってるのはUCS-2だろ。
UTF-16はUTF-8と同じくらい扱いづらいぞ。
0019デフォルトの名無しさんNGNG
UCS-2だって、リガチャとかやっかいな仕組みはいろいろあるけど、
要はWindowsが、「売り上げに影響しそうな言語」だけしかサポート
してないから、一見すると「2byte固定、扱いやすい」みたいな感じ
になっちまう。
0020 NGNG
韓国が悪いって思わん?
0021デフォルトの名無しさんNGNG
>>20 どの辺が悪? Unicode1.1から2.0へかわったときの
ハングル文字コード入替えの件かな
0022デフォルトの名無しさんNGNG
14の言う通り
Linux板でスレたってるよ。
濃いレスやまもりの名スレ。
そっちでやれば?
0023デフォルトの名無しさんNGNG
>>8
さろげーとうんぬんっていうのは、UTF-16 (Unicode) の話じゃないの?
UCS-2 は、BMP だけを表現できると理解してたけど。
0024デフォルトの名無しさんNGNG
BMPだけにしても、normalizeしないといけない。
U+00c5 Å
U+0041 U+030a Å
が同じとか。
0025デフォルトの名無しさんNGNG
他言語ドメイン名の人達がnormalize(nameprep)やってるね。
http://headlines.yahoo.co.jp/hl?a=20011220-00000006-imp-sci
けど、サロゲート云々は棚上げだー!
0026デフォルトの名無しさんNGNG
なんで UTF-16 は人気ないの?
全世界がソースコードを UTF-16 で書くようになれば、
これほど便利なものはないのに ・・・
お前ら、英語圏の連中にダマされてるよ。
0027デフォルトの名無しさんNGNG
英語圏の人たちは、asciiだけでいいんだもんね…
ウラヤマスィ。
0028デフォルトの名無しさんNGNG
いつのまにか UTR#28 Unicode 3.2 が出てる。
http://www.unicode.org/reports/tr28/
ざっと見てみると、Variation Selectors が目に付いた。でも漢字は、まだの模様。
http://www.unicode.org/Public/BETA/Unicode3.2/StandardizedVariants-3.2.0d4.html
0029デフォルトの名無しさんNGNG
どうせUnicodeに統一したところで全部マッピングしなおさないと
継ぎ接ぎでめちゃくちゃだからね
0030デフォルトの名無しさんNGNG
>>26
このまま文字数が増えていくと
結局UTF-16でも足りんということになるかも。

となると結局UTF-32になるかもよ

>全世界がソースコードを UTF-16 で書くようになれば、
全世界がソースコードを Lsip で書くようになれば
っていう台詞を聞いたことがあったな・・・
0031デフォルトの名無しさんNGNG
もう32ビット固定の規格作れ。めんどい。
0032デフォルトの名無しさんNGNG
>>30
UCS-2とUTF-16の違い、わかってる?
003330NGNG
詳しいことは知りません。
UCS-2は「Universal Character Set coded in 2 octets」という意味で2^16-1文字扱える
UTF-16は、そのエンコード上2^16-1より少ないはず。

昔、Unicode1.0が出たころの論議を呼んでいて
世界中の文字を、まじめにUnicodeに移していったら
16bitコードでも足りんという記事を読んだときがあったからです。
0034デフォルトの名無しさんNGNG
UCS-2 は16ビット固定長だが、そいつにサロゲート導入して100万文字くらいまで拡張したのが UTF-16 だ。
UTF-32 は32ビット固定長だが UTF-16 で扱える範囲のみに限定したものだ。
31ビットまで全部使うのは UCS-4 という。

UCS-2 < UTF-16 = UTF-32 < UTF-8 = UCS-4
0035ミタカNGNG
Function abc(i as integer) as String
      Select Case i
      Case 1  abc = “いし”
      Case 2  abc = “はさみ”
      Case 3  abc = “かみ”
      Case Else  abc = “???”
       End Select
End Functionの時、
abc(0),abc(1),abc(2),abc(3),abc(4),abc(5),abc(6),abc(7),abc(8),abc(9)
のように値を設定した時の関数の値を教えてください。
0036デフォルトの名無しさんNGNG
>>35
なんだこれは?basicか?
他スレに逝きなさい。
0037デフォルトの名無しさんNGNG
将来地球以外の言語や人工言語が加わったら
100万文字くらいすぐ使い果たすね。
0038もNGNG
文字の種類が多い中国がわるい。
0039デフォルトの名無しさんNGNG
UNICODEもOOも理想を追ってコケルでしょう。
0040DQNちゃんNGNG
EUCで統一しよう。
JISより名前がカコイイし
0041デフォルトの名無しさんNGNG
>>39
文字で生活してる人の横槍でしょう。
Unicodeは、あくまでコンピュータ上で文字を扱うためも物なのに
あの文字がないのは可笑しいとか言う人が多いですから。
そんな言語使う人多いのかと問い詰めたい。小一時間・・・

みんな自分勝手だねー
0042デフォルトの名無しさんNGNG
>>41 それをマジで実現しようとしている(た)のがUNICODE
アメリカ人の勇み足で世界中の非ラテン文字文化圏の人間が
とばっちり。
0043デフォルトの名無しさんNGNG
つーか文学者や歴史学者はコンピュータつかっちゃいかんのか?ん?
0044デフォルトの名無しさんNGNG
>>41
日本人なら超漢字でキマリ
0045デフォルトの名無しさんNGNG

旧字、人名に制限があるのは業務 (特に役所) としてキッツイんじゃないの?
0046デフォルトの名無しさんNGNG
人名なんか、ガンガンにUnificationしてDBにぶちこむ。
表示・印刷は画像として持つ、でいいんじゃねーの?
0047デフォルトの名無しさんNGNG
漢字は3バイトになるのがどーもね……>UTF-8
今時気にする程じゃないかもしれんが、どうも気にくわん。
0048デフォルトの名無しさんNGNG
>>46
いやそれで良いんだけどさ、ライブラリ化しても新規の客先で作るたびに要件や機能の検証が
めんどうじゃん。この文字も対応必須とか使うDBが違うとかお客さん固有の変換規則に従わな
きゃいけないとか。
0049デフォルトの名無しさんNGNG
常時接続の時代なんだから、30bitくらいの空間割り当てて
 国ごとに20bit 国の識別に10bit

皆好きな文字をベクトルデータで登録出来るようにするとかすりゃいいのに
0050デフォルトの名無しさんNGNG
>>37 >>41
エジプトヒエログラフは通りましたが、クリンゴン文字は却下されましたな。
0051デフォルトの名無しさんNGNG
>>44
超漢字はデーヴァナーガリーとか正しく処理できないのでダメです。
0052デフォルトの名無しさんNGNG
>50
超漢字にはアーヴ文字が‥‥
005333=30NGNG
>>34
そういえばそうですね。私の認識がまちがっていますね。
ご指摘に感謝。
下のページにUnicodeの辿った経緯がちゃんと書いていまね。
Unicodeの形式 in IBM developerWorks
http://www-6.ibm.com/jp/developerworks/unicode/unicode.html

見た目が似ている文字は同じ文字というのが無理があるのかな?
xml:langみたいし指定しなければならないなんて・・・
どこがUniやねんって感じがします。

けど真面目に全ての文字をマップするのも・・・
UTF-32もBOM(バイト オーダー マーク)の性で32^-1文字扱えるようでは無い
みたいだねー。
UTF-32LE(リトルエンディアン)にした方が良い気がします。
世界のパソコンの大半がIntel(リトルエンディアン)を採用しているんだから。
ビックエンディアンのCPUにもエンディアン変換用の命令があるものが多いし・・・
0054デフォルトの名無しさんNGNG
いっそのこと、DNSみたいな分散文字形状データベース作れ。
で、文字コードはURLみたいなコードで表す。
文字⇔URL(?)の変換規則は各国(or各文字圏)の管理団体で決めて
専用のVMで変換コード作って上のDBで配れ。これ最強。
え?データサイズが大きくなる?
そんな事気にするな。今後のHDDの容量を考えれば誤差の範囲だ。
0055デフォルトの名無しさんNGNG
かなり昔のことだけど、SJIS JIS EUC UTF7 UTF8 UTF16 UTF32の変換クラス作ったよ。
でもSJISしか使ってないよ。
あふぉじゃん>俺
0056名無しさん@EmacsNGNG
>55
公開きぼんぬ!!
0057デフォルトの名無しさんNGNG
JDK1.1.6 の頃 JIS, Shift_JIS, EUC-JP を判定するクラスを作ったが、程なく JISAutoDetect が現れた。
すまん、Unicode とはぜんぜん関係ないや。
0058つーかNGNG
文字コードよか単語コード作った方が良いんで無いの?
その方が翻訳・校正が簡単だし、文書サイズも多分減る。

 SJIS →≪文法解析≫→単語コード→≪ローカライズ≫→ASCII

ってな感じで。
特殊なIM作って単語コード直打ちもできるとヨイかも。
0059デフォルトの名無しさんNGNG
Unicodeを使うのはパソだけじゃないからなー。TRONはBEじゃなかったけ?
0060デフォルトの名無しさんNGNG
HTML 4.01では「UTF-16を使う時は、Big Endianにしなさい」って云われてるんだよな……。
んなこと云われても、WinのエディタはみんなUTF-16LEなんじゃあ(スレ違)!

# UTF-8にしろって突っ込みはナシね。
0061デフォルトの名無しさんNGNG
おい、お前らUNICODEを絶滅させて下ちい。
http://pc.2ch.net/test/read.cgi/tech/1012821170/l50

の方がよかったかな。スマソ。
0062デフォルトの名無しさんNGNG
>>58
それじゃ造語できないじゃん。
0063デフォルトの名無しさんNGNG
きっと新しい言葉が出来るたびに、そういう機関に登録するんだ。
0064デフォルトの名無しさんNGNG
しかし、「オマエモナー」を登録したら、2チャンネラーである事がバレてしまう…
そもそも2chの言語文化壊滅(w
0065 NGNG
mohta氏にメール書いて聞いてミレ。>>1
006658NGNG
>>62,64
辞書に「あ」が載ってるように、日本語ならカナ、英語ならアルファベットというように、
発音を表す字を単語登録しときゃ良い。
0067デフォルトの名無しさんNGNG
>>66
同音異義語はどうするんだよ
0068デフォルトの名無しさんNGNG
>>67
発音を表す単語と同じように、
表記法を表す単語を登録するってのはどうでしょうか(藁
0069デフォルトの名無しさんNGNG
>68
あなたに指図される筋合いはありません。何の権限があってそのような事を言うのですか?
以上、素朴な疑問。
007058NGNG
>>67
文字コードより単語コード(+発音記号コード)の方が、同音異義語に強いはず。
(>>58は見たか?)

でもまぁ、口語表現に弱いってのは認める。
恐らく全部標準語になっちまうだろうし。
0071デフォルトの名無しさんNGNG
>>65
あの人、確かISO-2022-**主義者じゃなかったっけ。
そう言う意味で?
0072微妙み良スレNGNG
スペースだの-だのに意味別に複数コードを与えているのに
似たような漢字はいっしょのコードねっつーのはナンタルチア!
でもJISの第三水準と第四水準の字をつかえるのはいいかも。
(半角かな無しのコード作って暮れ)
0073デフォルトの名無しさんNGNG
unicodeに期待してはいけない、むしろ絶滅させろ
http://pc.2ch.net/test/read.cgi/tech/1012821170/l50
0074デフォルトの名無しさんNGNG
2chには平気で半角カナ使う奴が多いのがいかんな。
0075名無しさん@EmacsNGNG
なんで「絶滅させて下ちい」が下がっててこっちが上がってるの??
0076デフォルトの名無しさんNGNG
UTF8期待あげ!
0077デフォルトの名無しさんNGNG
よろしいか?
0078デフォルトの名無しさんNGNG
ユニコードライブラリってどこかにありますか?
それとも
ユニコードライブラリってどこにもありませんか?
0079デフォルトの名無しさんNGNG
あ、あのねユニコードライブラリってね、
ユニコード処理関数ライブラリって意味なの。
0080デフォルトの名無しさんNGNG
このスレを読んで文字コードに興味が湧いたけど、
ここで質問すると厨な質問を繰り返しそうなんで、
スタートラインくらいまではいける勉強ページないですか?

日頃はBeckyとWzがUTF8に対応して無くてちょっと困ってる、
位にしか文字コードを意識したことが無かったな。
0081デフォルトの名無しさんNGNG
http://www.e-words.ne.jp/view.asp?word=%83%86%83%6A%83%52%81%5B%83%68
ここから各種リンクをたどると良いよ。ンジャ
0082デフォルトの名無しさんNGNG
すでに半角カナは文化です。
0083デフォルトの名無しさんNGNG
>>82
今後、使用禁止です。
…くらい言わないと無くなりゃしないって>JIS
0084デフォルトの名無しさんNGNG
>>81
thx.
0085デフォルトの名無しさんNGNG
SJISで充分ジャン、何が不満かいってみ?
0086デフォルトの名無しさんNGNG
♥
008785NGNG
>>86
heartのためだけにUNICODE導入するのかぃ、コストかかりすぎジャン。
フォント指定するか、iモード絵文字でも使えばいいジャン。
0088デフォルトの名無しさんNGNG
フォント指定すれば、Grepできねーわ、機種依存に成るわで大変。
i-mode絵文字に至っては、Shift_JISですらない。
0089デフォルトの名無しさんNGNG
>>88
http://www.nttdocomo.co.jp/mc-user/i/tag/emoji/
これですね。ご丁寧に埋め込む時のコード書いてある(w

台風がdebianみたいなんですが…
イメージを<IMG SRC=…じゃなくて、<A HREF=…にしてあるのが謎。
0090デフォルトの名無しさんNGNG
>>89
HTML 勉強しろ。<img src=...> にしたら、そこに表示しちまうだろう
が。で、遅いって言われんのが嫌なんだよ。ヴォケ。

とでも、思ったんでしょうね。
0091デフォルトの名無しさんNGNG
>>90
あなたなりに工夫したんでしょうが、 ち ぐ は ぐ した日本語ですね。
0092デフォルトの名無しさんNGNG
>>91
しろうとくせえ煽り、ウゼーよ。
0093デフォルトの名無しさんNGNG
>>92
しろうとくせえ煽り、ウゼーよ。
0094デフォルトの名無しさんNGNG
>>85
SJISはにすい、さんすいと有るように、言語体系としてまとまっていないし、
なにせJISという名称からも解るように日本独自のコードセットです。
既にWindowsの内部(カーネル)コードもUNICODEだし、COMもそうだし、
XMLも仕様で必ず対応しておかなければいけないコードセットがUTF8/16なので、
SJISを使うメリットはどんどんと薄れています。

けど、いままであった文字コードである以上、無くなることは絶対にないし、
Cとかで文字列処理をするときはSJISを前提にしているので、SJISももちろん存在価値はあります。
ただ、世界的な流れとして、UTF-8に向かいつつあるのは間違いないです。

と書いてみるテスト(w
0095デフォルトの名無しさんNGNG
Cで文字列処理するならEUCの方がいいんだが。

JISだから標準にならないというのはなんか違う(もちろんSJISは標準にならないのは同意)
ANSIだってISになり得るんだから、JISがISになってもいいじゃないか。
0096デフォルトの名無しさんNGNG
> Cとかで文字列処理をするときはSJISを前提にしているので、

ここ書き直し。>>94
009785NGNG
>>94
コード体系がまとまってなくたってツギハギだらけでもいいじゃん。
充分すぎるほどSJIS系ライブラリがあるんだし。

UNICODE,COM,XML、どれも外国文化じゃん。どれもパッとしないし。
日本文化SJIS(include カナ)を大切にシル!
0098デフォルトの名無しさんNGNG
さうですね、やはり正しい日本國語といふものも必要でせう。
0099デフォルトの名無しさんNGNG
>>97
情報関係でアメリカ文化を否定するのはあまりに保守的では?
0100デフォルトの名無しさんNGNG
>>99
もちろん、いいものは素直に認めるけど、
UNICODEが優れているとは思えない、SJISと五十歩百歩、
だったらSJISで充分。
0101デフォルトの名無しさんNGNG
>>100
> だったらSJISで充分。

んなこと言ってるからインド人にも負けそうになるんだよ。
Unicodeでいいものを作るか、Unicodeよりいいものを作るか、
Shift_JISもUnicodeも扱えるもの(like Solaris, mule)をつくるか、
くらいしか選択肢はない。

Shift_JISでいいなんてアフォらしくて糞。
■ このスレッドは過去ログ倉庫に格納されています