Kódová stránka 932 (Microsoft Windows) - Code page 932 (Microsoft Windows)

Tento článek je o kódové stránce 932 společnosti Microsoft a kódové stránce IBM 943. Informace o kódové stránce IBM 932 naleznete v části Kódová stránka 932 (IBM).
„Windows-31J“ se přeadresuje tady. Verze operačního systému viz Windows 3.1J.
Windows Code page 932
MIME / IANAWindows-31J
Alias ​​(y)CP943C
Jazyk (y)japonský
StandardStandard kódování WHATWG (jako „Shift_JIS“)
KlasifikaceRozšířené ASCII,[A] kódování s proměnnou šířkou, Kódování CJK
RozšiřujeShift_JIS
  1. ^ Není to v nejpřísnějším slova smyslu, protože bajty ASCII se mohou jevit jako sledovací bajty.

Kódová stránka Microsoft Windows 932 (zkráceně MS932,[1][2] Windows-932[2] nebo nejednoznačně CP932[3]), také zvaný Windows-31J mimo jiné jména (viz § Terminologie níže), je Microsoft Windows kódová stránka pro japonština, což je rozšířená varianta Shift JIS japonský Kódování znaků. Obsahuje standardní 7bitovou verzi ASCII kódy a japonské znaky jsou označeny bitem vysoké hodnoty prvního bajtu nastaveného na 1. Některé body kódu na této stránce vyžadují druhý bajt, takže znaky používají pro kódování buď 8 nebo 16 bitů.

IBM nabízí ve svých stejných rozšířených dvoubajtových kódech kódová stránka 943 (IBM-943 nebo CP943),[4] což je kombinace jednobajtového Kódová stránka 897 a dvoubajt Kódová stránka 941.[5]

Windows-31J je nejpoužívanějšíUTF-8 / Japonské kódování Unicode na webu. Vlastně Shift JIS je mnohem deklarovanější kódování, ale podle standardů HTML W3C / WHATWG jsou kódování deklarována stejně, a zatímco druhý název se používá v normách, je definován pro dekódování prvního. Vidět Shift JIS stránka pro statistiku.

Terminologie

Varianta Microsoft Shift JIS je v systému Microsoft Windows známá jednoduše jako „Kódová stránka 932“, je však nejednoznačná jako Kódová stránka IBM 932, i když je také variantou Shift JIS, postrádá rozšíření dvoubajtových dodavatelů NEC a NEC, která jsou přítomna ve variantě Microsoftu (ačkoli obě obsahují rozšíření IBM) a zachovává pořadí JIS X 0208 z roku 1978.[4]

Kódová stránka IBM 943 (nebo „IBM-943“) obsahuje stejné dvoubajtové kódy jako kódová stránka Windows 932.[4] Verze společnosti Microsoft úzce odpovídá kódování označovanému jako ibm-943_P15A-2003 (s aliasy včetně CP943C a Windows-932)[2] v Mezinárodní komponenty pro Unicode (JIP). K dispozici je také druhé kódování ICU s názvem ibm-943_P130-1999,[6] který používá různá jednobajtová mapování, která lépe odpovídají definicím kódové stránky IBM. (Vidět § Rozdíly jednobajtových znaků podrobnosti níže.)

Kódová stránka Windows 932 je registrována u IANA tak jako Windows-31J.[7] Štítek „Windows-31J“ je IANA a není rozpoznán společností Microsoft, která místo toho historicky používala „shift_jis“.[8] The W3C /WHATWG standard kódování používaný HTML5 zachází se štítkem "shift_jis„zaměnitelně s„ windows-31j “se záměrem„ být kompatibilní s rozmístěným obsahem “[9] a odpovídá kódové stránce Windows 932 (včetně „dříve proprietárních rozšíření od IBM a NEC“).[10]

Také se nazývá kódová stránka Windows 932 MS_Kanji,[2][11] ačkoli IANA považuje MS_Kanji jako alias pro standardní Shift JIS.[7] Krajta například používá štítek MS-Kanji (nebo cp932) pro Windows-932 a štítek Shift_JIS (nebo sjis) pro JIS Shift JIS definované v JIS X 0208, aniž by rozpoznal Windows-31J označení.[11]

V japonských vydáních systému Windows je tato kódová stránka označované jako „ANSI“, protože se jedná o výchozí 8bitové kódování operačního systému ANSI nebyl zapojen do jeho definice.

Rozdíly od standardního Shift JIS

Windows-31J je často mylně považován za standardní Shift JIS (jak je definováno v JIS X 0208: 1997 Dodatek 1): i když je podobný, rozdíl je významný pro počítačové programátory, kteří se mu chtějí vyhnout mojibake.

Rozdíly dvoubajtových znaků

Eulerův diagram porovnání repertoárů JIS X 0208, JIS X 0212, JIS X 0213, Windows-31J, standardní repertoár společnosti Microsoft a Unicode

Kromě standardu JIS X 0201: 1997 a JIS X 0208: 1997 znaků, Windows-31J obsahuje několik rozšíření JIS X 0208, jmenovitě „Speciální znaky NEC (Řádek 13), NEC výběr rozšíření IBM (řádky 89 až 92) a rozšíření IBM (řádky 115 až 119) ",[7] kromě vyčlenění nějakého kódovacího prostoru pro definice koncového uživatele.[12] To se také liší od IBM-932, který nezahrnuje rozšíření NEC ani výběr NEC.[4]

Některá z těchto zobrazení byla následně použita pro různé postavy JIS X 0213 a Shift JIS-2004. Například porovnejte řádek 89 v JIS X 0213 (začátek 硃, 硎, 硏…)[13] do řádku 89, jak jej používá JIS X 0208 s příponami IBM / NEC (začátek 纊, 褜, 鍈…).[14] Shift JIS-2004 proto není kompatibilní s Windows-31J.

Kromě výše uvedeného používá Microsoft odlišné (ale vizuálně podobné) mapování Unicode pro několik dvoubajtových interpunkčních znaků ve srovnání se standardním Shift JIS, jako je například vlna pomlčka bytost mapováno na U + FF5E spíše než U + 301C,[15] na který navazuje ibm-943_P15A-2003[16] ale ne ibm-943_P130-1999,[17] a použití odlišného mapování pro dvoubajtové zpětné lomítko.[15]

Rozdíly jednobajtových znaků

Windows-932 obsahuje standardní 7bitovou verzi ASCII mapování pro jednobajtové sekvence s vysokým bitem nastaveným na 0. Proto jsou kódy 0x5C a 0x7E mapovány na Unicode jako U + 005C REVERSE SOLIDUS (\, obrácené lomítko ) a U + 007E TILDE (~) příslušně,[18][19][15] jak jsou v ASCII (ISO-646 -NÁS). To se rovněž provádí standardem kódování W3C / WHATWG.[20] Naproti tomu je 0x5C mapováno na U + 00A5 PODPIS JEN (¥) v ISO-646-JP a následně JIS X 0201, z toho standardu Shift JIS je rozšíření. Odpovídajícím způsobem se Windows-31J vyhne duplicitnímu kódování zpětného lomítka mapováním dvoubajtového 0x815F na U + FF3C FULLWIDTH REVERSE SOLIDUS, zatímco standardní Shift JIS jej mapuje na U + 005C.[15]

0x5C v systému Windows-932 je nicméně v určitých kontextech považován za znak jenu.[21] Z tohoto důvodu je v mnoha japonských písmech U + 005C zobrazen jako symbol jenu, který by za normálních okolností byl reprezentován jako U + 00A5, spíše než jako zpětné lomítko podle doporučeného vykreslování Unicode. U + 00A5 je jednosměrný nejlépe přizpůsobený mapovaný na 0x5C ve Windows-932. Kód 0x5C se však ve Windows-932 chová ve všech ohledech jako zpětné lomítko (zpětné lomítko) (např. cesty k souborům v systémech Windows) kromě způsobu, jakým je zobrazen některými písmy,[21] a dokumentace společnosti Microsoft pro Windows-932 zobrazuje 0x5C jako zpětné lomítko.[19] Toto mapování[18] odpovídá kódování s názvem "ibm-943_P15A-2003" v Mezinárodní komponenty pro Unicode (JIP),[2] až na drobné doobjednání několika Řídicí znaky C0.

IBM-943, jako IBM-932,[4] je nadmnožinou jednobajtového zařízení Kódová stránka 897,[5] který mapuje 0x5C na symbol jenu (¥) a 0x7E k overline (‾),[22] poté následuje kódování s názvem „ibm-943_P130-1999“ na JIP.[6] Kódová stránka 897 (a tedy také IBM-943 a IBM-932) také přidává jednobajtové znaky pro kreslení polí nahrazující určité Řídicí znaky C0,[22] nicméně tyto mohou být stále považovány za kontrolní znaky v závislosti na kontextu,[23] a jsou mapovány na řídicí znaky na JIP.[6]

Rozložení

První bajt
0123456789ABCDEF
0␀␁␂␃␄␅␆␇␈␉␊␋␌␍␎␏
1␐␑␒␓␔␕␖␗␘␙␚␛␜␝␞␟
2␠!"#$%&'()*+,-./
30123456789:;<=>?
4@ABCDEFGHJáJK.LMNÓ
5PQRSTUPROTIŽXYZ[\]^_
6`AbCdEFGhijklmnÓ
7strqrstuprotiwXyz{|}~␡
8
9
A｡｢｣､･ｦｧｨｩｪｫｬｭｮｯ
Bｰｱｲｳｴｵｶｷｸｹｺｻｼｽｾｿ
Cﾀﾁﾂﾃﾄﾅﾆﾇﾈﾉﾊﾋﾌﾍﾎﾏ
Dﾐﾑﾒﾓﾔﾕﾖﾗﾘﾙﾚﾛﾜﾝﾞﾟ
E
F
Druhý bajt
0123456789ABCDEF
0
1
2
3
4
5
6
7
8
9
A
B
C
D
E
F
 
Netisknutelný znak ASCII
Znak ASCII
Znak ASCII, může být nahrazen lokalizovanými písmy
Jednobajtová katakana s poloviční šířkou
První bajt dvoubajtového znaku, používaný JIS X 0208
První bajt dvoubajtového znaku NEC nebo NEC vybraného rozšíření
Nepoužívá se jako první bajt, nepřidělené místo v JIS X 0208
První bajt dvoubajtového znaku rozšíření IBM
První bajt dvoubajtového uživatelem definovaného znaku určeného IBM
Nepoužívá se jako první bajt, nejlépe se hodí jako jeden bajt k oblasti soukromého použití
Druhý bajt dvoubajtového znaku, jehož první polovina sekvence JIS byla lichá
Druhý bajt dvoubajtového znaku, jehož první polovina sekvence JIS byla sudá
Nepoužito jako druhý bajt dvoubajtového znaku


Viz také

Reference

  1. ^ Sivonen, Henri. „Bug 27851 - Add MS932 as a label of Shift_JIS“. Sledovač chyb w3.org.
  2. ^ A b C d E „Converter Explorer: ibm-943_P15A-2003 (alias windows-31j)“. International Components for Unicode: ICU Demonstration.
  3. ^ Aoki, Osamu. "Kapitola 11. Konverze dat". Reference k Debianu. Debian.
  4. ^ A b C d E „IBM-943 a IBM-932“. IBM Knowledge Center. IBM.
  5. ^ A b "Identifikátory kódované znakové sady - CCSID 943". Globalizace IBM. IBM. Archivovány od originál dne 15. 3. 2016.
  6. ^ A b C „Converter Explorer: ibm-943_P130-1999“. International Components for Unicode: ICU Demonstration.
  7. ^ A b C „Sady znaků“. IANA.
  8. ^ "Vlastnost Encoding.WindowsCodePage - .NET Framework (aktuální verze)". MSDN. Microsoft.
  9. ^ van Kesteren, Anne. „4.2. Jména a štítky“. Standard kódování. WHATWG.
  10. ^ van Kesteren, Anne. "5. Rejstříky (§ Rejstřík jis0208)". Standard kódování. WHATWG.
  11. ^ A b "7.2.3. Standardní kódování". Dokumentace Pythonu 3.6. Softwarová nadace Python. Citováno 19. září 2017.
  12. ^ Kaplan, Michael S (2007-05-26). „PUA mimo Unicode“. Všechno to vyřeším.
  13. ^ „233: Japonská sada grafických znaků pro výměnu informací, rovina 1“ (PDF). IPSJ.
  14. ^ van Kesteren, Anne. "Vizualizace indexu jis0208". Standard kódování. WHATWG.
  15. ^ A b C d "Nejednoznačnosti při převodu z Shift-JIS na Unicode (nenormativní)". Japonský profil XML. W3C.
  16. ^ „Converter Explorer: ibm-943_P15A-2003: start byte 0x81“. Demonstrace na JIP. Mezinárodní komponenty pro Unicode.
  17. ^ „Converter Explorer: ibm-943_P130-1999: start byte 0x81“. Demonstrace na JIP. Mezinárodní komponenty pro Unicode.
  18. ^ A b „CP932.TXT“. Konsorcium Unicode.
  19. ^ A b „Lead byte NULL - kódová stránka 932“. Microsoft.
  20. ^ van Kesteren, Anne. "12.3.1. Shift_JIS dekodér". Standard kódování. WHATWG. Pokud je byte ASCII byte nebo 0x80, vraťte bod kódu, jehož hodnota je byte.
  21. ^ A b Kaplan, Michael S. (2005-09-17). „Kdy zpětné lomítko není zpětné lomítko?“. Všechno to vyřeším.
  22. ^ A b „CP00897.txt“. IBM. Archivováno z původního dne 2019-01-12. Citováno 2017-09-24.
  23. ^ „Identifikátory kódové stránky - CP 00897“. Globalizace IBM. IBM. Archivovány od originál dne 2016-03-17.

externí odkazy

Microsoft související

IBM související