拡張Unixコード

上記で説明したISO-2022 ベースの可変長エンコーディングは、 EUC パックド フォーマットと呼ばれることもあり、これは通常 EUC とラベル付けされるエンコーディング フォーマットです。ただし、EUC データの内部処理では、EUC 完全 2 バイト フォーマットと呼ばれる固定長変換フォーマットを使用する場合があります。これは以下を表します。^{[ 2 ]}

• コードセット0は、0x21～0x7Eの範囲の2バイトで表されます（ただし、最初のバイトは0x00の場合があります）。
• コードセット1は、0xA0～0xFFの範囲の2バイトで構成される（ただし、最初のバイトは0x80の場合もある）。
• コードセット2は、0x21～0x7E（または0x00）の範囲の1バイトと、それに続く0xA0～0xFFの範囲の1バイトで構成されます。
• コードセット3は、0xA0～0xFF（または0x80）の範囲の1バイトと、それに続く0x21～0x7Eの範囲の1バイトで構成されます。

コードセットが 1 バイトしか使用しない場合は、先頭の 0x00 と 0x80 バイトが使用されます。また、4 バイトの固定長フォーマットもあります。^{[ 2 ]}これらの固定長エンコード形式は内部処理に適しており、通常は交換では使用されません。

EUC-JPは、IANAに「EUC-JP」または「csEUCPkdFmtJapanese」という圧縮形式と、「csEUCFixWidJapanese」という固定幅形式の両方で登録されています。^{[ 3 ]} HTML5で使用されるWHATWGエンコーディング標準には、圧縮形式のみが含まれています。^{[ 4 ]}

EUC-CNに関連するエンコーディングとして、北京のFounder Technology社が開発したWITS組版システム（現在は同社の新しいFITS組版システムに置き換えられている）で使用されていた「748」コードがあります。748コードにはGB 2312のすべてが含まれていますが、ISO 2022に準拠していないため、真のEUCコードではありません。（8ビットの先頭バイトを使用しますが、最上位ビットがセットされた2番目のバイトと、最上位ビットがクリアされた2番目のバイトを区別するため、構造的にはBig5やその他のISO 2022に準拠していないDBCSエンコーディングシステムにより近いものとなっています。）748コードのGB2312以外の部分には、新聞の組版で使用される繁体字、香港字、その他のグリフが含まれています。

IBMコード ページ 1381 ( CCSID 1381 ) は、シングル バイトコード ページ 1115 ( CCSID 1115 として CPGID 1115 ) とダブル バイト コード ページ 1380 ( CCSID 1380 として CPGID 1380 ) から構成され、^{[ 7 ]} GB 2312 を EUC-CN と同じ方法でエンコードしますが、先頭バイト範囲を 0x8C まで拡張し、0x8CE0 から 0x8CFE に 31 個の IBM 選択文字を追加し、先頭バイト 0x8D から 0xA0 に 1880 個のユーザー定義文字を追加することで EUC 構造から逸脱しています。^{[ 8 ]}

IBM コード ページ 1383 (CCSID 1383) は、シングル バイトコード ページ 367とダブル バイト コード ページ 1382 (CCSID 1382 としての CPGID 1382) から構成されます。^{[ 9 ]}これは、EUC 構造に準拠し、代わりに 0xFEE0 から 0xFEFE に 31 個の IBM 選択文字を追加し、GB 2312 で使用されていない位置に散在する 1360 個のユーザー定義文字のみを含める点で異なります。^{[ 10 ]}代替の CCSID 5479 ^{[ 11 ]}は、純粋な EUC-CN コード ページ用です。これは、ダブル バイト セットとして CCSID 9574 を使用し、CPGID 1382 を使用しますが、IBM 選択文字とユーザー定義文字は除外します。^{[ 12 ]}

GBKはGB 2312の拡張版です。これは、主にUnicode 1.1から取得した、より多くのCJK文字（繁体字中国語や日本語のみで使用される文字を含む）を表現できるEUC-CNエンコーディングの拡張形式を定義しています。ただし、より大きなエンコーディング空間が必要となるため、ASCIIバイトが末尾バイトとして現れる場合があり（また、C1バイトは、単一シフトに限らず、先頭バイトまたは末尾バイトとして現れる場合がある）、真のEUCコードではありません。

GBKの派生版は、Windowsコードページ936（簡体字中国語用のMicrosoft Windowsコードページ）とIBMのコードページ1386によって実装されている。

Unicode ベースのGB 18030文字エンコーディングは、 Unicode全体をエンコードできる GBK の拡張を定義します。ただし、GB 18030としてエンコードされた Unicode は可変長エンコーディングであり、より大きなエンコード空間が必要となるため、1 文字あたり最大 4 バイトを使用する場合があります。GBK の拡張であるため、EUC-CN の上位セットですが、それ自体は真の EUC コードではありません。Unicode エンコーディングであるため、そのレパートリーはUTF-8などの他のUnicode 変換フォーマットと同一です。

EUC メカニズムから逸脱する他の EUC-CN バリアントには、クラシック Mac OS中国語簡体字 (コード ページ 10008 または として知られていますx-mac-chinesesimp) があります。^{[ 13 ]}これは、ウムラウト付きの U (ü)、2 つの特殊フォント メトリック文字、改行なしスペース、著作権記号(©)、商標記号 (™)、省略記号(...) にそれぞれバイト 0x80、0x81、0x82、0xA0、0xFD、0xFE、および 0xFF を使用します。^{[ 6 ]}これは、単一バイト文字と 2 バイト文字の最初のバイトとみなされるものが、EUC (そのうち 0xFD と 0xFE がリード バイトとして定義されています) と GBK (そのうち 0x81、0x82、0xFD、および 0xFE がリード バイトとして定義されています) の両方と異なります。

この0xA0、0xFD、0xFE、0xFFの使用は、AppleのShift_JISバリアントと一致します。

先頭バイト範囲のこれらの変更に加えて、Mac OS 中国語簡体字の 2 バイト部分のもう 1 つの特徴は、基本 GB  2312-80 セットの 6 行目と 8 行目に2 つの拡張機能が含まれていることです。 ^{[ 6 ]}これらは「GB  2312 の標準拡張機能」と見なされており、どちらも Apple 独自のものではありません。8 行目の拡張機能はGB 6345.1から取得され、^{[ 6 ]}両方の拡張機能はGB/T 12345 (GB 2312 の繁体字中国語版 ) に含まれており、^{[ 14 ]}両方の拡張機能はGB 18030 (GB 2312 の後継 ) に含まれています。^{[ 15 ]}

デジタル機器株式会社は、 EUCパック形式に部分的に準拠しつつ、完全な2バイト形式にもいくらか類似したEUC-JPの2つのバリアントを定義しています。「DEC Kanji」エンコーディングの全体的な形式は、ほとんど固定長（完全な2バイト）EUCに対応していますが、コードセット0は（パック形式と同様に）ヌルバイトで左詰めする必要はありません。^{[ 28 ]} JIS X 0208は、通常どおりコードセット1に使用され、コードセット2（半角カタカナ）は存在しません。コードセット 3 は、2 バイト固定幅フォーマット (つまり、シフト バイトがなく、最初の最上位ビットのみがセットされている) のようにエンコードされますが、JIS X 0212 用に指定されるのではなく、2 バイトのユーザー定義文字に使用されます。^{[ 28 ]}基本的な「DEC 漢字」エンコーディングでは、コードセット 3 の最初の 31 行のみがユーザー定義文字に使用され、32 行目から 94 行目までは、コードセット 1 の未使用行と同様に予約されています。^{[ 29 ]}

「Super DEC Kanji」エンコーディングは、「DEC Kanji」エンコーディングとパック形式EUCの両方からのコードを受け入れ、合計5つのコードセットに対応しています。^{[ 28 ]}また、ユーザー定義コードセット全体と、JIS X 0208およびJIS X 0212コードセットの末尾の未使用行（それぞれ85～94行目と78～94行目）をユーザー定義文字に使用できます。^{[ 29 ]}

ヒューレット・パッカードは「HP-16」と呼ばれるエンコーディングを定義しています。これは、Shift JISのバリアントである「HP-15」エンコーディングに付随するものです。HP-16 はEUC-JP と同じバイトを使用してJIS X 0208をエンコードしますが、単一のシフトコードを使用せず (したがってコード セット 2 と 3 を省略)、パック フォーマット EUC 構造に従わない 3 つのユーザー定義領域を追加します。^{[ 28 ]}

• 先頭バイト0xA1～C2、末尾バイト0x21～7E
• 先頭バイト0xC3～E3、末尾バイト0x21～3F
• 先頭バイト 0xC3～E1、末尾バイト 0x40～64

Data Generalが使用する IKIS (Interactive Kanji Information System) エンコーディングは、シングルシフトのない EUC-JP に似ており、コードセット 0 と 1 のみを使用します。半角カタカナは、代わりに JIS X 0208 の 8 行目 (1983 年に標準に追加されたボックス描画文字と衝突) に含まれています。JIS X 0208 の 9 行目から 12 行目は、ユーザー定義文字に使用されます。^{[ 28 ] [ 29 ]}

KEIS (Kanji-processing Extended Information System) は、日立が使用しているEBCDICエンコーディングです。 ^{[ 29 ]}シフトシーケンスを使用して 2 バイト文字 (DBCS-Host エンコーディング) が含まれているため、ステートフルエンコーディングとなっています。具体的には、シーケンスが1 バイト モードに切り替わり、シーケンスが2 バイト モードに切り替わります。^{[ b ]}ただし、JIS X 0208 文字は、EUC-JP でエンコードするのと同じバイト シーケンスを使用してエンコードされます。この結果、表意文字スペース(DBCS-Host コード構造による 0x4040 と EUC-JP の 0xA1A1) の重複したエンコーディングが発生します。これは、日本語用の IBM の DBCS-Host エンコーディングとは異なり、そのレイアウトは JIS X 0208 より前のバージョンに基づいています。先頭バイトの範囲は0x59まで拡張され、そのうち先頭バイト0x81～A0はユーザー定義文字用に指定され^{[ 28 ]}、残りは漢字と非漢字の両方を含む企業定義文字に使用されます^{[ 29 ] 。}0x0A 0x410x0A 0x42

JEF (Japanese-processing Extended Feature) ^{[ 29 ]}は、富士通FACOM メインフレームで使用される EBCDIC エンコーディングであり、富士通 PC で使用される FMR (Shift JIS のバリアント ) とは対照的です。 KEIS と同様に、JEF はステートフル エンコーディングであり、シフト シーケンスを使用して 2 バイト DBCS-Host モードに切り替わります ( は0x291 バイト モードに切り替わり、 は0x282 バイト モードに切り替わります)。^{[ 30 ]}また、KEIS と同様に、JIS X 0208コードは EUC-JP と同じように表現されます。^{[ 28 ]}先頭バイト範囲は 0x41 まで拡張され、0x80–0xA0 はユーザー定義用に指定されています。先頭バイト 0x41–0x7F は、クテンの目的で行番号 101 から 163 に割り当てられますが、行 162 (先頭バイト 0x7E) は使用されません。^{[ 28 ] [ 29 ]} 101行目から148行目は拡張漢字に使用され、149行目から163行目は拡張非漢字に使用されます。^{[ 29 ]}

A common extension of EUC-KR is the Unified Hangul Code (통합형 한글 코드;Tonghabhyeong Hangeul Kodeu,^[42] or 통합 완성형;Tonghab Wansunghyung), which is the default Korean codepage on Microsoft Windows. It is given the code page number 949 by Microsoft, and 1261^[43] or 1363^[44] by IBM. IBM's code page 949 is a different, unrelated, EUC-KR extension.

Unified Hangul Code extends EUC-KR by using codes that do not conform to the EUC structure to incorporate additional syllable blocks, completing the coverage of the composed syllable blocks available in Johab and Unicode. The W3C/WHATWG Encoding Standard used by HTML5 incorporates the Unified Hangul Code extensions into its definition of EUC-KR.^[45]

Other encodings incorporating EUC-KR as a subset include the Mac OS Korean script (known as Code page 10003 or x-mac-korean),^[13] which was used by HangulTalk (MacOS-KH), the Korean localization of the classic Mac OS. It was developed by Elex Computer (일렉스), who were at the time the authorised distributor of Apple Macintosh computers in South Korea.^[46][29]

HangulTalk adds extension characters with lead bytes between 0xA1 and 0xAD, both in unused space within the EUC-KR GR plane (trail bytes 0xA1–0xFE), and using non-EUC codes outside of it (trail bytes 0x41–0xA0). Some of these characters are font-style-independent stylized dingbats.^[29] Many of these characters do not have exact Unicode mappings, and Apple software maps these cases variously to combining sequences, to approximate mappings with an appended private-use character as a modifier for round-trip purposes, or to private-use characters.^[47]

Apple は、EUC-KR プレーン外の特定のシングル バイト コードを使用して追加の文字も使用しています。必須スペースには 0x80 、ウォン記号(₩) には 0x81、エン ダッシュ( – ) には 0x82、著作権記号( © ) には 0x83、ワイドアンダースコア( ＿ ) には 0x84、省略記号(...)には 0xFF です。 ^{[ 47 ]}これらの追加のシングル バイト コードは、いずれもプレーン EUC-KR の先頭バイト範囲には含まれていません (上記で参照したEUC-CN に対する Apple の拡張とは異なります) が、一部は Unified Hangul Code の先頭バイト範囲内にあります (具体的には 0x81、0x82、0x83、0x84)。