日本語エンコーディング各種まとめその1

Java

2009/04/01バグパレード登録済
(外字追加)
(画像だとやっぱり良くないかなと思ってテーブルにしてみた)
Unicode←→JIS/SJIS/EUCの癖をまとめてみた。基準はWindows。というか秀丸(汗)。秀丸は、きちんとしたEUC-JPだとかJISを解釈できるわけではないので、そこんところはバイナリエディタとか併用して。


Unicode
 		Shift_JISISO-2022
-JP		x-euc-jp
-linux		EUC-JPeucJP
-Open		windows
-31j		x-windows
-iso2022jp		CP50220
\ (005C)\ (005C)\ (005C)\ (005C)\ (005C)\ (005C)\ (005C)\ (005C)\ (005C)
¥ (00A5)\ (005C)
集約		¥ (005C)
JISX0201		\ (005C)
集約		\ (005C)
集約		\ (005C)
集約		\ (005C)
集約		¥ (005C)
JISX0201		¥ (005C)
JISX0201
~ (007E)~ (007E)~ (007E)~ (007E)~ (007E)~ (007E)~ (007E)~ (007E)~ (007E)
‾ (203E)~ (007E)
集約		‾ (007E)
JISX0201		~ (007E)
集約		~ (007E)
集約		~ (007E)
集約		~ (007E)
集約		‾ (007E)
JISX0201		‾ (007E)
JISX0201
， (FF0C)， (8143)， (2124)， (A1A4)， (A1A4)， (A1A4)， (8143)， (2124)， (2124)
¸ (00B8)未定義未定義未定義¸ (A2B1)
G3領域		¸ (A2B1)
G3領域		， (8143)
集約		， (2124)
集約		¸ (2231)
JISX0212
￣ (FFE3)￣ (8150)￣ (2131)￣ (A1B1)￣ (A1B1)￣ (A1B1)￣ (8150)￣ (2131)￣ (2131)
¯ (00AF)未定義未定義未定義¯ (A2B4)
G3領域		¯ (A2B4)
G3領域		￣ (8150)
集約		￣ (2131)
集約		¯ (2234)
JISX0212
μ (03BC)μ (83CA)μ (264C)μ (A6CC)μ (A6CC)μ (A6CC)μ (83CA)μ (264C)μ (264C)
µ (00B5)未定義未定義未定義未定義未定義μ (83CA)
集約		μ (264C)
集約		未定義
・ (30FB)・ (8145)・ (2126)・ (A1A6)・ (A1A6)・ (A1A6)・ (8145)・ (2126)・ (2126)
· (00B7)未定義未定義未定義未定義未定義・ (8145)
集約		・ (2126)
集約		未定義
≪ (226A)≪ (81E1)≪ (2263)≪ (A2E3)≪ (A2E3)≪ (A2E3)≪ (81E1)≪ (2263)≪ (2263)
« (00AB)未定義未定義未定義未定義未定義≪ (81E1)
集約		≪ (2263)
集約		未定義
≫ (226B)≫ (81E2)≫ (2264)≫ (A2E4)≫ (A2E4)≫ (A2E4)≫ (81E2)≫ (2264)≫ (2264)
» (00BB)未定義未定義未定義未定義未定義≫ (81E2)
集約		≫ (2264)
集約		未定義
¢ (00A2)￠ (8191)￠ (2171)￠ (A1F1)￠ (A1F1)￠ (A1F1)￠ (8191)
集約		未定義￠ (2171)
￠ (FFE0)未定義未定義未定義未定義未定義￠ (8191)￠ (2171)￠ (2171)
集約
£ (00A3)￡ (8192)￡ (2172)￡ (A1F2)￡ (A1F2)￡ (A1F2)￡ (8192)
集約		未定義￡ (2172)
￡ (FFE1)未定義未定義未定義未定義未定義￡ (8192)￡ (2172)￡ (2172)
集約
¬ (00AC)￢ (81CA)￢ (2131)￢ (A2CC)￢ (A2CC)￢ (A2CC)￢ (81CA)
集約		未定義￢ (2131)
￢ (FFE2)未定義未定義未定義未定義未定義￢ (81CA)￢ (7C7B)
NEC独自		￢ (224C)
集約
— (2014)― (815C)― (213D)― (A1BD)― (A1BD)― (A1BD)未定義未定義未定義
― (2015)未定義未定義未定義未定義未定義― (815C)― (213D)― (213D)
‖ (2016)∥ (8161)∥ (2124)∥ (A1C2)∥ (A1C2)∥ (A1C2)未定義未定義∥ (2124)
∥ (2225)未定義未定義未定義未定義未定義∥ (8161)∥ (2124)∥ (2124)
集約
− (2212)－ (817C)－ (215D)－ (A1DD)－ (A1DD)－ (A1DD)未定義未定義－ (215D)
－ (FF0D)未定義未定義未定義未定義未定義－ (817C)－ (215D)－ (215D)
集約
〜 (301C)～ (8160)～ (215D)～ (A1C1)～ (A1C1)～ (A1C1)未定義未定義～ (2141)
～ (FF5E)未定義未定義未定義〜 (A2B7)
G3領域		〜 (A2B7)
G3領域		～ (8160)～ (2141)〜 (2237)
JISX0212
① (2460)未定義未定義未定義未定義① (ADA1)① (8740)① (2D21)① (2D21)
㍻ (337B)未定義未定義未定義未定義㍻ (ADDF)㍻ (877E)㍻ (2D5F)㍻ (2D21)
ⅰ (2170)未定義未定義未定義未定義ⅰ (F3F3)
G3領域		ⅰ (FA40)ⅰ (7C71)ⅰ (7321)
JISX0212
纊 (7E8A)未定義未定義未定義纊 (D4E3)
G3領域		纊 (D4E3)
G3領域		纊 (FA5C)纊 (7921)纊 (5463)
JISX0212
〝 (301D)未定義未定義未定義未定義〝 (ADE0)〝 (8780)〝 (2D60)未定義
〞 (301E)未定義未定義未定義未定義未定義未定義未定義〝 (2D60)
〟 (301F)未定義未定義未定義未定義〟 (ADE1)〟 (8781)〟 (2D61)〟 (2D61)
√ (221A)√ (81E3)√ (2265)√ (A2E5)√ (A2E5)√ (A2E5)√ (81E3)√ (2D75)
NEC独自		√ (2265)
∫ (222B)∫ (81E7)∫ (2269)∫ (A2E9)∫ (A2E9)∫ (A2E9)∫ (81E7)∫ (2D72)
NEC独自		∫ (2269)
⊥ (22A5)⊥ (81DB)⊥ (225D)⊥ (A2DD)⊥ (A2DD)⊥ (A2DD)⊥ (81DB)⊥ (2D76)
NEC独自		⊥ (225D)
 (E000)未定義未定義未定義未定義未定義 (F040)未定義 (7521)

集約：Unicodeから変換される場合はこの文字が割り当てられるが、Unicodeに変換する場合は別のUnicodeになる
JISX0201：JIS X 0201 JISローマ字に割り当てられる
JISX0212：JIS X 0212 JIS補助漢字に割り当てられる
G3領域：EUC-JPのG3(JIS X 0212)に割り当てられる
NEC独自：JIS側の同形文字ではなくNEC特殊文字・NEC選定IBM拡張文字のコードが割り当てられる

こんな感じ。あと、最後のは外字。windows-31jは1880文字、CP50220は940文字ある。
こう並べるとなんかだいぶ変だよなぁ。偉い人の考えてることは判らん。

  • x-windows-iso2022jpがNEC特殊文字・NEC選定IBM拡張文字を使うのはどういうことかなぁ。Windowsがそうやっているとも思えないんだけど(OSの文字変換については未調査)
  • x-euc-jp-linuxってのはもっとWindows寄りだと思ってたけど、Shift_JIS寄りだったのね
  • CP50220ってWindowsの拡張コードも使えるけど、301D〜301Fのコードの扱いが変じゃないかな
  • Windowsでまともに使えるJIS/EUC-JPがない感じ。

そういうことで、自前でエンコーディングを作るしかない気がしてきた。あくまでWindowsでEUCとかJISとか使いたいとき専用だけど。