03.38 の

携帯電話 において、GSM 03.38または3GPP 23.038 は、 GSMネットワークでSMS (ショート メッセージ サービス)、CB (セル ブロードキャスト)、およびUSSD (非構造化補足サービス データ) に使用される文字エンコーディングです。3GPP TS 23.038 標準 (元々は GSM 勧告 03.38) は、GSM ハンドセットおよびネットワーク要素に必須のGSM 7 ビット デフォルト アルファベットを定義していますが、 ^{[1]この文字セットは}英語といくつかの西ヨーロッパ言語にのみ適しています。中国語、韓国語、日本語などの言語は、16 ビットUCS-2文字エンコーディングを使用して転送する必要があります。ポルトガル語、スペイン語、トルコ語、およびインドで使用されるブラーフミー文字で記述されるいくつかの言語など、限られた数の言語は、3GPP 23.038 で定義された国別言語シフト テーブルで 7 ビット エンコーディングを使用できます。バイナリ メッセージの場合、8 ビット エンコーディングが使用されます。

GSM メッセージの標準エンコーディングは、23.038 勧告で定義されている 7 ビットのデフォルト アルファベットです。

7 ビット文字は、次の 3 つのパッキング モードのいずれかに従ってオクテットにエンコードする必要があります。

• CBS: このエンコーディングを使用すると、セル ブロードキャスト サービスで 1 つの SMS メッセージに最大 93 文字 (最大 82 オクテットにパック) を送信できます。
• SMS: このエンコーディングを使用すると、GSM ネットワーク内の 1 つの SMS メッセージで最大 160 文字 (最大 140 オクテットにパック) を送信できます。
• USSD: このエンコーディングを使用すると、非構造化補足サービス データの 1 つの SMS メッセージで最大 182 文字 (最大 160 オクテットにパック) を送信できます。

基本文字セット テーブルの文字は 1 つのセプテットを占め、基本文字セット拡張テーブルの文字は 2 つのセプテットを占めること が重要です (特に、連結 SMSメカニズムを使用してメッセージをセグメント化する場合)。

テーブルの 2 番目の部分にアクセスできるのは、GSM デバイスが ESC 文字プレフィックスを使用して 7 ビット拡張メカニズムをサポートしている場合のみであることに注意してください。それ以外の場合、ESC コード自体はスペースとして解釈され、後続の文字は先頭に ESC コードがないかのように扱われます。

表の上位部分のほとんどはデフォルトの文字セットでは使用されませんが、GSM 標準では、システムがこの部分の国別バリアントを識別して、上記の表に表示されている文字よりも多くの文字をサポートできるようにする言語コード インジケーターがいくつか定義されています。

標準のGSMテキストメッセージでは、すべての文字が7ビットのコードユニットを使用してエンコードされ、オクテットのすべてのビットを埋めるためにまとめられます。そのため、たとえば、他の言語インジケーターがなく標準クラスプレフィックスのみを含むSMSの140オクテットのエンベロープ^[3]は、最大(140*8)/7=160、つまり160個のGSM 7ビット文字を転送できます（ただし、表の上位部分の文字が使用されている場合は、ESCコードが1つとしてカウントされることに注意してください）。

より長いメッセージを送信することもできますが、後続の SMS メッセージには継続プレフィックスとシーケンス番号が必要になります (これらのプレフィックス バイトとシーケンス番号は、エンベロープ形式の 140 オクテットのペイロードの最大長内でカウントされます)。

メッセージの最後のオクテットに 1 ～ 6 個のスペア ビットがある場合、これらのビットはゼロに設定されます (これらのビットは文字としてカウントされず、フィラーとしてのみカウントされます)。メッセージの最後のオクテットに 7 個のスペア ビットがある場合、これらのビットはゼロに設定されるのではなく (「@」文字の 7 ビット コードと混同される可能性があるため)、CR 制御の 7 ビット コード (パディング フィラーとしても使用される) に設定されます。

この 7 ビット エンコーディングにより、Basic Latin (Unicode ブロック)の印刷可能な文字(グレーブ アクセント/バックティックを除く) と、ISO Latin 1 文字セットの一部の文字で構成されるテキストを転送できます。また、ギリシャ文字で書かれたテキストのエンコーディングもできますが、大文字のみです。ギリシャ語でこのような使用をする場合、ギリシャ文字に似たラテン大文字は同じコードで再利用されるため、上記の文字セットは、大文字に制限された現代の単調なギリシャ語に対してのみ完全です。ギリシャ語アルファベット (小文字を含む) を完全にサポートするには、シフト 7 ビット テーブルの各国語バージョン (このシフト テーブルでエンコードされた各国語文字ごとに ESC コードを使用)、指定されていない独自の 8 ビット エンコーディング、または UCS-2 エンコーディングの使用が必要です (以下を参照)。

上記の表でSS2とマークされている特殊コードも割り当てられており (0x1B,0x1B としてエンコードされています)、別の代替 7 ビット シフト テーブルを使用できるようにしていることに注意してください。ただし、このメカニズムは使用されたことがなく、UCS-2 エンコードが好まれています。

なお、大文字のCとセディーユの文字0x09（Ç）は、大文字のCとセディーユの文字0x09（Ç）よりも、大文字のCとセディーユの文字0x09（Ç）のほうが、Unicodeの推奨に従って、現代の実装ではç（小文字のcとセディーユの文字0x09）に置き換えられるべきである。 ^[4]大文字バージョンはあまり使われていないためである。

8 ビット データ エンコーディング モードでは、情報が生データとして扱われます。標準に従って、このエンコーディングのアルファベットはユーザー固有です。

このエンコードにより、より広範囲の文字と言語が使用可能になります。UCS-2 は、より多くのスペースを消費しますが、最も一般的に使用されるラテン文字と東洋文字を表現できます。厳密に言えば、UCS-2 は基本多言語面の文字に限定されています。ただし、最新のプログラミング環境では UCS-2 用のエンコーダやデコーダが提供されないため、一部の携帯電話 ( iPhoneなど)はUCS-2 の代わりにUTF-16を使用します。 ^{[5]これが機能するのは、基本多言語面の文字 (ほとんどの最新の人間の言語の完全なアルファベットを含む) の場合、UCS-2 と UTF-16 のエンコードは同一だからです。}絵文字など、BMP 外の文字 (プレーンな UCS-2 では到達できない) をエンコードするために、UTF-16 はサロゲート ペアを使用します。これは、UCS-2 でデコードすると、2 つの有効だがマップされていないコード ポイントとして表示されます。

このエンコーディングを使用する単一の SMS GSM メッセージには、最大 70 文字 (140 オクテット) を含めることができます。

多くの GSM 携帯電話では、UCS-2 エンコードの特定の事前選択はありません。デフォルトでは、GSM 7 ビット テーブルに存在しない文字 (たとえば、小文字の 'a' とアキュート 'á') を入力するまで、上記の 7 ビット エンコードが使用されます。その場合、メッセージ全体が UCS-2 エンコードを使用して再エンコードされ、単一の SMS で送信されるメッセージの最大長が 160 文字ではなく 70 文字にすぐに短縮されます。その他の値は、SMS アプリケーションの選択と構成、およびメッセージの長さによって異なります^{[引用が必要]}。

送信 SMS の制限パックのサブスクリプションを持つ送信者に予期しないコストが発生しないように、アプリケーションは、作成された SMS で使用されている文字数と最大文字数を表示する必要があります^。メッセージがこの最大文字数を超えると、メッセージは^{[明確化が必要] 、}メッセージの各部分 (各部分にはシーケンス番号が含まれ、各部分の先頭に数文字も使用されます) を含む複数の連続した SMS として送信されます。これらの部分は、受信者が後で ^{[引用が必要]再構成することを意図しています。}

一部のアプリケーションでは、メッセージを分割する必要がある場合にユーザーに警告したり、長いメッセージをマルチメディア メッセージ(MMS) として送信したりします。

2008 年 3 月の3GPP 23.038 標準のリリース 8 以降、国別言語シフト テーブルを使用することで追加の文字セットにアクセスできるようになりました。

これらのテーブルを使用すると、テキストが書き込まれる言語に応じて、異なる文字セットを使用できます。特定のメッセージに対するテーブルの選択は、 SMS メッセージのユーザー データ ヘッダーセクションで選択され、テキスト全体 (標準の GSM 7 ビット デフォルト アルファベット テーブルを置き換えるロックシフト テーブル) または 1 つの文字 ( GSM 7 ビット デフォルト アルファベット拡張テーブルを置き換えるシングル シフト テーブル) に対して指定できます。標準のデフォルト アルファベット テーブルとデフォルトのアルファベット拡張テーブルの両方を置き換える場合は、同じメッセージで ロックテーブルとシングルシフト テーブルを一緒に使用できます。

シフト テーブルを使用すると、メッセージは文字に 7 ビット エンコーディングを使用できますが、アクセント付き文字や言語固有の文字を正しく表示するために別のセットを選択できます。これにより、136 オクテット (140 オクテットから、シフト テーブルと言語コードの使用を示すために必要な4 オクテットのユーザー データ ヘッダーを引いた値) でエンコードされた最大 155 文字を使用できます。ロックシフト テーブルとシングルシフト テーブルの両方を使用すると、133 オクテット (140 オクテットから 7 オクテットのユーザー データ ヘッダーを引いた値) でエンコードされた最大 152 文字を使用できます。

任意のロック シフト テーブルの文字は 1 つのセプテットを占め、単一シフト テーブル (または基本文字セット拡張テーブル) の文字は 2 つのセプテットを占めます。

当初は、トルコ語のみのシフト テーブルが指定されていましたが、スペイン語とポルトガル語はリリース 8 の後の改訂で追加されました。リリース 9 では、インドで使用されるブラーフミー文字(ベンガル語、グジャラート語、ヒンディー語、カンナダ語、マラヤーラム語、オリヤー語、パンジャブ語、タミル語、テルグ語) とウルドゥー語で記述された10 の言語が導入されました。

フランス語、ギリシャ語、ロシア語、ブルガリア語、アラビア語、ヘブライ語、およびほとんどの中央ヨーロッパ言語については、デフォルトの 7 ビット標準文字セットとそのデフォルトの 7 ビット拡張文字セットよりも優れたカバレッジが必要な、定義された国別言語シフト テーブルがまだありません。これらのデフォルトの GSM 7 ビット セットで表現できない文字が作成された場合には、メッセージは自動的に UCS-2 を使用して再エンコードされ、単一の SMS の価格で送信できるメッセージの最大文字長が 2 で割られることになります (メッセージが複数の部分に分割されている場合、各部分のシーケンス番号を示すために、ユーザー データ ヘッダーに他のオクテットがいくつか必要になります)。

GSM 03.38 の改訂版 (1994 年 9 月のバージョン 4.0.1 以降) では、Cell Broadcast System (CBS) のデータ コーディング スキーム値がドイツ語、英語、イタリア語、フランス語、スペイン語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、トルコ語に対して定義されていますが、その後の改訂版ではハンガリー語、ポーランド語、チェコ語、ヘブライ語、アラビア語、ロシア語、アイスランド語が追加されましたが、これらの言語に対してコーディング テーブルは定義されていません。このフィールドの目的は、メッセージの言語を識別することだけです。

また、基本的なかなで書かれた日本語、ハングル文字で書かれた韓国語、または漢字で書かれた中国語用の言語シフト テーブルもありません。日本では、メッセージングに GSM や WAP 以外の標準を使用しているため、これは問題にならないことがよくあります。他の 2 つの言語にも、7 ビット シフト テーブルに収まらないほど多くの異なる文字があります。

スペイン語には特定のロック シフト文字セットはありません。デフォルトの基本文字セットを使用します。

アラビア文字で書かれた シンド語にも使用されることがあります。

時にはアラビア語にも使用されることがありますが、その場合には、標準アラビア語では伝統的な東アラビア数字が優先されるため、東アラビア数字（ここではペルシャ語-ヒンドゥー語の変種でエンコードされています）は使用されず、西アラビア数字（列 0x30 のロック シフト文字セットでエンコードされています）に置き換えられることが多く、現在ウルドゥー語でもよく使用されています。ただし、インドでは、アラビア語の表示を認識する電話機は、東アラビア数字のペルシャ語-ヒンドゥー語の変種を伝統的な東アラビア数字に置き換えることがあります。

• 03.40 ...
• ユーザーデータヘッダー

• GSM 03.38 から Unicode - unicode.org の GSM 03.38 から Unicode へのマッピング データ ファイル。
• C# でのテキストから GSM 03.38 への変換 - C#プログラミング言語でのテキストから GSM 03.38 へのマッピング。
• JCharset - Java Charset パッケージには GSM 03.38 サポートが含まれています - JCharset - Java Charset パッケージには GSM 03.38 サポートが含まれています。
• GSM 03.38 用の Java 正規表現 - 正規表現を説明するコード コメント付きの GSM 03.38 用の Java 正規表現。
• SMS の文字数制限 - SMS の文字数制限について理解する。
• International Components for Unicode (ICU)、gsm-03.38-2009.ucm マッピング ファイル