Loading article…
 統一ハングルコードのレイアウト | |
| エイリアス |
|
|---|---|
| 言語 | 韓国語 |
| 標準 | WHATWG エンコーディング標準 (「EUC-KR」として) [1] |
| 分類 | |
| 拡張 | EUC-KR |
| その他の関連エンコーディング |
|
| |
統一ハングルコード（UHC）[2] [a]または拡張万声（Extended Wansung）[4] [b] は、 Microsoft Windowsではコードページ949（Windows-949、MS949、またはあいまいにCP949 ）としても知られ、韓国語のMicrosoft Windowsコードページです。これは万声コード（KS C 5601 :1987、EUC-KRとしてエンコード）を拡張したもので、 Johab （KS C 5601:1992 annex 3）に存在するハングルの非部分音節11172個すべてを含めています。[4] [2]これは、 Unicode 2.0以降 で使用可能な合成済み音節に対応しています。
万成コードには、独自のKS X 1001 （KS C 5601）コードポイントを持つ2350の合成ハングル音節（合計11172音節のうち、旧式の字母を使用している音節は除く）にのみコードを割り当て、他の音節には8バイトの合成シーケンスの使用を要求するという欠点があるが、これは標準の一部実装ではサポートされていない。[5] UHCは、KS X 1001に使用されるエンコード空間の外で割り当てを行うことにより、現代の字母を使用して構成されるすべての可能な音節に単一のコードを割り当てることで、この問題を解決している。
先頭バイトの範囲は0x81～FEに拡張され、末尾バイトの範囲は0x41～5A、0x61～7A、0x81～FEに拡張される（EUC-KRでは、両方の範囲は0xA1～FE）。EUC-KRの範囲外のコードは、追加のハングルに使用されます。[6]個別に考えると、EUC-KRハングルブロックとUHC拡張ハングルセクションはどちらもUnicode順になっています。[1]
用語
統一ハングルコードは、インターネット上で情報を通信するための標準としてIANAに登録されていません。 [7]代替としてUTF-8があります。ただし、HTML5で使用されるW3C / WHATWGエンコーディング標準では、統一ハングルコード拡張が「EUC-KR」の定義に組み込まれています。[1]
MicrosoftはWindows-949に「ks_c_5601-1987」というラベルを割り当てた。[8] [9]これはKS X 1001自体に当てはまる（KS C 5601はKS X 1001の元の名前である）。[10] WHATWGは「展開されたコンテンツと互換性がある」という意図で、「ks_c_5601-1987」というラベルを「EUC-KR」と交換可能に扱っている。[11] Unicodeコンソーシアムの廃止されたマッピングの「OBSOLETE/EASTASIA」コレクションには、統一ハングルコードのマッピングが「KSC5601.TXT」として含まれており、7ビットKS X 1001の自動派生マッピングは「KSX1001.TXT」として含まれていた。[12]
IBM のコード ページ 949 は、 EUC-KR の別の、無関係な拡張です。International Components for Unicode (ICU) は、IBM コード ページを参照するために「cp949」、「949」、または「ibm-949」を使用します。[13]また、「ms949」または「windows-949」(または「ks_c_5601-1987」のいくつかのバリエーション) は、UHC の Windows マッピングを参照するために使用します。[14]一方、 Python は、「cp949」、「949」、「ms949」、および「uhc」を UHC のラベルとして認識し、IBM-949 コーデックは含めません。[15]コード ページ番号を組み込んだラベルのうち、WHATWG は「windows-949」のみを認識します。[11]
IBMの統一ハングルコードのコードページは、コードページ1363（IBM-1363）、または「韓国語MS-Win」と呼ばれています。これは、SBCS コードページ1126とDBCSコードページ1362を組み合わせたものです。 [16] [17] [18] [19] [20] 0x5Cが1バイトでウォン記号（U+20A9）にマッピングされている点が異なります。[21] [22] [23] Windowsは、ASCIIと同様に0x5CをU+005C（バックスラッシュのUnicodeコードポイント）にマッピングしますが、 [14]フォントは依然としてこれをウォン記号としてレンダリングすることがよくあります。[24] 波ダッシュ（0xA1AD）のUnicodeマッピングも異なり、IBMのマッピングではU+301Cが優先され、[25] MicrosoftのマッピングではU+223C（チルダ演算子）が優先されます。[26] UHCのIBMマッピングはICUで「ibm-1363」として利用可能ですが、[21] ICU「windows-949」コーデックは一部のICUソースコードコメントではIBM-1261と呼ばれています。[27]
シングルバイトコード
以下は、IBM が定義したコード ページの 1 バイト部分です。コード ページ 437と同様に、制御コードバイトはコンテキストに応じて制御コードまたはグラフィカル コードとして使用できます。グラフィカル コードを以下に示します。Microsoft はすべての ASCII バイトに ASCII マッピングを使用しますが、バックスラッシュはウォン記号としてレンダリングされる場合があります。
脚注
参考文献
- ^ abc van Kesteren、Anne、「5. インデックス (§ インデックス EUC-KR)」、エンコーディング標準、WHATWG
- ^ ab 「情報: ハングル (韓国語) 文字セット」、Microsoft サポート、Microsoft
- ^ “한글 코드에 대하여” (韓国語). W3C。
- ^ ab Zsigri, Gyula (2002-06-18). 「KSC と UHC」。
- ^ Shin, Jungshik. 「KS X 1001(KS C 5601) およびその他のハングルコードとは何ですか?」韓国のハングルとインターネットに関する FAQ。
- ^ Lunde, Ken (2009 年 1 月 13 日). 「付録 F: ベンダーのエンコード方法」(PDF) . CJKV 情報処理(第 2 版). O'Reilly Media . ISBN 978-0-596-51447-1。
- ^ 「文字セット」。Iana.org 。 2017年1月11日閲覧。
- ^ 「Encoding.WindowsCodePage プロパティ - .NET Framework (現在のバージョン)」。MSDN。Microsoft。
- ^ 「コード ページ識別子」、Windows Dev Center、Microsoft、2021 年 1 月 7 日
- ^ IBM ; Unicode Consortium . "convrtrs.txt". International Components for Unicode . v. 59180.0.1.
<quote from="Jungshik Shin"> [...] EUC-KR または windows-949 を表すために KS C 5601 または関連する名前を使用することは、非常に誤解を招きます [...] これは、GL (MSB リセット) または GR (MSB セット) のいずれかで呼び出すことができる 94 x 94 韓国語コード化文字セット標準の名前にすぎません。
- ^ アブ ・ファン・ケステレン、アン。 「4.2. 名前とラベル」。エンコーディング標準。なんてことだ。
- ^ Jungshik Shin. 「KSX1001.TXT: KS X 1001 から Unicode への表」. Unicode, Inc.
- ^ "ibm-949_P110-1999 (別名 cp949)"、Converter Explorer、International Components for Unicode
- ^ ab "windows-949-2000"、Converter Explorer、Unicode の国際コンポーネント
- ^ 「codecs — コーデック レジストリと基本クラス § 標準エンコーディング」。Python 3.7.2 ドキュメント。Python Software Foundation。
- ^ 「コード化文字セット識別子 - CCSID 1363」、IBM Globalization、IBM、2014 年 11 月 29 日のオリジナルからアーカイブ
- ^ 「コード ページ 1126 情報ドキュメント」。2017 年 1 月 16 日時点のオリジナルよりアーカイブ。
- ^ 「CCSID 1126 情報文書」。2016 年 3 月 27 日時点のオリジナルよりアーカイブ。
- ^ 「コード ページ 1362 情報ドキュメント」。2016 年 3 月 17 日時点のオリジナルよりアーカイブ。
- ^ 「CCSID 1362 情報文書」。2016 年 3 月 27 日時点のオリジナルよりアーカイブ。
- ^ ab "ibm-1363", Converter Explorer、Unicode の国際コンポーネント
- ^ コードページ CPGID 01126 (pdf) (PDF)、IBM
- ^ コードページ CPGID 01126 (txt)、IBM
- ^ Kaplan, Michael S. (2005-09-17)、「バックスラッシュがバックスラッシュでないのはいつですか?」、Sorting it all out
- ^ 「ibm-1363_P110-1997 (リードバイト A1)」。ICU デモ - コンバータ エクスプローラ。Unicode の国際コンポーネント。
- ^ "windows-949-2000 (リード バイト A1)"。ICU デモ - Converter Explorer。Unicodeの国際コンポーネント。
- ^ 参考までに、ucnv_lmb.cpp (Brendan Murray、Jim Snyder-Grant) を参照してください。ここでは、 の定義の後に、先頭バイト 0x11 が「Korean: ibm-1261」を参照しているとコメントされていますが、ファイルの後半の配列では ICU コーデック
ULMBCS_GRP_KOにマップされています。"windows-949"OptGroupByteToCPName - ^ コードページ CPGID 01126 (pdf) (PDF)、IBM
- ^ コードページ CPGID 01126 (txt)、IBM
- ^ IBM-1363 を Unicode にマッピングする ICU デモ
- ^ IBM-1363C (ASCII ベースのバリアント) を Unicode にマッピングする ICU デモ
外部リンク
- Microsoft の Windows-949 リファレンス
- IBM-1363 に関する IBM のドキュメント
- Windows-949 から Unicode へのマッピング
- International Components for Unicode (ICU) マッピング ファイル: ibm-1363_P110-1997.ucm、ibm-1363_P11B-1998.ucm、および windows-949-2000.ucm
- Windows-949 用 ICU デモ (ASCII マッピング付き)
- IBM-1363 の ICU デモ (0x5C を Won 符号として使用)
- WHATWG エンコーディング標準における Windows-949 の視覚化チャート