HZ (kódování znaků) - HZ (character encoding)

The Kódování znaků HZ^[1] je kódování z GB2312 který byl dříve běžně používán v e-mailu a USENET příspěvky. Byl navržen v roce 1989 Fung Fung Lee (čínština : 李楓 峰) z Stanfordská Univerzita, a následně kodifikován v roce 1995 do RFC 1843.^[2]

HZ, zkratka pro Hanzi (zjednodušená čínština : 汉字; tradiční čínština : 漢字; lit. 'Chinese Characters'), kódování bylo vynalezeno s cílem usnadnit použití čínských znaků prostřednictvím e-mailu, který v té době umožňoval pouze 7bitové znaky. Proto místo standardních únikových sekvencí ISO 2022 (jako v případě ISO-2022-JP ) nebo 8bitové znaky (jako v případě EUC ), kód HZ používá pouze čínské znaky k vytištění, 7bitové znaky.

To bylo také populární v sítích USENET, které na konci 80. let a na počátku 90. let obecně neumožňovaly přenos 8bitových znaků nebo únikových znaků.

Dějiny

HZ nahradilo dřívější kódování „zW“, které označilo celé řádky jako text GB2312 tím, že je začalo znaky zW.^[3]

Struktura a použití

V systému kódování HZ fungují posloupnosti znaků „~ {“ a „~}“ jako únikové sekvence; cokoli mezi nimi je interpretováno jako čínština kódovaná v GB2312 (nejvýznamnější bity jsou ignorovány). Mimo únikové sekvence se předpokládá, že jsou znaky ASCII.

Příklad pomůže ilustrovat vztah mezi GB2312, EUC-CN a kód HZ:

HZ byl původně navržen pro použití čistě jako 7bitový kód. Pokud to však situace dovolí, řídicí sekvence „~ {“ a „~}“ někdy obklopují znaky představované v EUC-CN; toto alternativní použití umožňuje, aby byla čínština čitelná buď pomocí softwaru dekodéru HZ, nebo pomocí systému, který rozumí EUC-CN.

Specifikace dále definuje, že:

• sekvence "~~" má být považována za kódující jeden ASCII "~" a,
• znak "~" následovaný novým řádkem bude zahozen.

Ne všechny dekodéry HZ však dodržují tato dvě pravidla.

Kodéry a dekodéry HZ

První kodér a dekodér HZ byly napsány v roce 1989 vynálezcem kódu pro Unix operační systém.^[4]

The hztty program, také pro Unix operační systém, byl také mezi prvními a jedním z nejpopulárnějších HZ dekodérů. Odchyluje se od specifikace v tom, že bude zobrazovat řídicí sekvence (tj. „~ {“ A „~}“) a nezachází zvlášť s „~~“ a „~“ následovanými novým řádkem. To pravděpodobně umožnilo softwaru, který předpokládá, že jeden znak zaujme jednu pozici obrazovky (na textové obrazovce), aby správně fungoval bez úprav.

Podpora zapnuta Microsoft Windows přišel později a řada „čínských systémů“ třetích stran podporuje HZ. Tyto systémy mohou poskytovat možnost skrýt únikové sekvence.

Nevýhody

Vzhledem k jeho únikovým sekvencím a navíc proto, že oddělovače úniků jsou tisknutelné znaky v ASCII, je poměrně snadné vytvořit sekvence útočných bajtů, které jsou zpáteční z HZ do Unicode a zpět. Použití kódování HZ je tedy v sadách pro ochranu před malwarem považováno za podezřelé.^{[5][je zapotřebí lepší zdroj ]}

Reference