Vícebajtová znaková sada Lotus - Lotus Multi-Byte Character Set

The Vícebajtová znaková sada Lotus (LMBCS) je vlastnická společnost vícebajtový Kódování znaků původně koncipován v roce 1988 v Lotus Development Corporation se vstupem od Boba Balabana a dalších.[1] LMBCS, vytvořený přibližně ve stejnou dobu a zabývající se některými stejnými problémy, lze považovat za paralelní vývoj a možnou alternativu k Unicode.[1] Pro maximální kompatibilitu jsou zahrnuta novější vydání LMBCS UTF-16 jako podmnožina.[2][3]

Komerčně byl LMBCS poprvé představen jako výchozí znaková sada Lotus 1-2-3, vydání 3 pro DOS v březnu 1989[1][4] a Lotus 1-2-3 / G vydání 1 pro OS / 2[1] v roce 1990 nahradil 8-bit Mezinárodní znaková sada Lotus (LICS) a ASCII používaný v dřívějších verzích systému Lotus 1-2-3 a pouze pro DOS Symfonie.[5] LMBCS se také používá v IBM /Lotus SmartSuite, Poznámky a Domino,[1] stejně jako v řadě produktů třetích stran.

LMBCS kóduje znaky požadované pro jazyky pomocí latinský,[6] arabština, hebrejština, řecký a cyrilice[6] skripty, Thai, čínština, japonský[6] a korejština systémy psaní a technické symboly.

Kódování

Technicky je LMBCS a lead-byte kódování, kde kódový bod 00hex stejně jako kódové body 20hex (32) až 7Fhex (127) jsou totožné s ASCII[1] (stejně jako LICS).[5]

Kódový bod 00hex se vždy považuje za Znak NUL zajistit maximální kompatibilitu kódu s existujícími softwarovými knihovnami, se kterými se pracuje řetězce zakončené nulou[1] v mnoha programovacích jazycích, jako je C.[A] To platí i pro kódy UTF-16be, kde jsou kódová slova ve tvaru xx00hex jsou mapovány na kódy pro soukromé použití s formulářem F6xxhex během kódování, aby se zabránilo použití NUL bajtů,[7] a uniklé řídicí znaky, kde 20hex je přidán k řídicím znakům C0 (ale ne C1) za 0Fhex hlavní bajt.[7]

Kódové body 01hex až 1Fhex, které slouží jako kontrolní kódy v ASCII, se používají jako vedoucí bajty k přepnutí definice kódových bodů nad 7Fhex mezi několika kódové skupiny (podobný kódové stránky ) a zároveň určit buď jednobajtovou nebo vícebajtovou povahu pro příslušnou skupinu kódů.[1]

Například kódová skupina 1 (se skupinovým bajtem 01hex)[1] je téměř totožný s SBCS kódová stránka 850, zatímco skupina kódů 16 (se skupinovým bajtem 10hex)[1] je podobný Japonci MBCS kódová stránka 932. Vícebajtové znaky tak mohou zabírat dva nebo tři bajty.[7][6]

v kanonické LMBCS, každý znak začíná svým skupinovým bajtem.[1]Chcete-li snížit délku, v optimalizováno nebo komprimované LMBCS A výchozí skupina kódů nebo kód optimalizační skupiny lze definovat na základě aplikace nebo procesu (ideálně zvoleno podle nejvyšší pravděpodobnosti výskytu)[1] a musí být nějakým způsobem sděleny tlumočnickému kódu (např. uvedením odpovídající „LMBCS-n" název).[8] Tím lze u těchto znaků vynechat skupinový bajt.[1] Lotus 1-2-3 načte kód optimalizační skupiny z hlavičky souboru odpovídajícího zdrojového souboru,[7] zatímco pro Lotus Notes je kód optimalizační skupiny opraven na vždy 01hex.[2][7]

VýchozíSkupinaBajtyPopis
N / A00hex1[7]NUL
LMBCS-101hex2[7]Kódová stránka 850 (DOS Latin-1)[2][7]
LMBCS-202hex2[7]Kódová stránka 851 (DOS řečtina)[2][7]
LMBCS-303hex2[7]Kódová stránka 1255 (Windows hebrejsky)[2][7]
LMBCS-404hex2[7]Kódová stránka 1256 (Windows arabština)[2][7]
LMBCS-505hex2[7]Kódová stránka 1251 (Windows cyrilice)[2][7]
LMBCS-606hex2[7]Kódová stránka 852 (DOS Latin-2)[2][7]
N / A07hex1[7]BEL[2]
LMBCS-808hex2[7]Kódová stránka 1254 (Windows turečtina)[2][9][7]
N / A09hex1[7]TAB[2][9][7]
N / A0Ahex1[7]LF[2][9][7]
LMBCS-110Bhex2[7]Kódová stránka 874 (Thajština)[9][7]
(LMBCS-12)0Chex2[7]Rezervováno[2]
N / A0Dhex1[7]ČR[2][9][7]
(LMBCS-14)0Ehex2[7]Rezervováno[2]
(LMBCS-15)0Fhex2[7]Přemapované řídicí kódy C0 / C1[7]
LMBCS-1610hex3[7]Kódová stránka 932 /[2]943[7] (Japonština / Shift-JIS)[2][9]
LMBCS-1711hex3[7]Kódová stránka 949 /[2]1261[7] (Korejština)[2][9]
LMBCS-1812hex3[7]Kódová stránka 950[2][7] (Tradiční čínština / Tchaj-wan / Big5 )[2][9]
LMBCS-1913hex3[7]Kódová stránka 936 /[2]1386[7] (Zjednodušená čínština)[2][9]
(LMBCS-20)14hex3[7]UTF-16 (Unicode )[2][3][7]
N / A15hex3Rezervováno[2]
N / A16hex3Rezervováno[2]
N / A17hex3Rezervováno[2]
N / A18hex3Rezervováno[2]
N / A19hex1[7]Lotus 1-2-3 rozsah systému[9][7]
N / A1Ahex3Rezervováno[2]
N / A1Bhex3Rezervováno[2]
N / A1Chex3Rezervováno[2]
N / A1Dhex3Rezervováno[2]
N / A1Ehex3Rezervováno[2]
N / A1Fhex3Rezervováno[2]

Znaková sada

Bez bajtu předpony kód ukazuje 32 (20hex) až 127 (7Fhex) jsou interpretovány následovně (odpovídající kódům LMBCS 32 až 127):

Jednobajtové kódy (ASCII /ISO-646-US[10])
_0_1_2_3_4_5_6_7_8_9_A_B_C_D_E_F
2_
32		SP
0020		!
0021		"
0022		#
0023		$
0024		%
0025		&
0026		'
0027		(
0028		)
0029		*
002A		+
002B		,
002C		-
002D		.
002E		/
002F
3_
48		0
0030		1
0031		2
0032		3
0033		4
0034		5
0035		6
0036		7
0037		8
0038		9
0039		:
003A		;
003B		<
003C		=
003D		>
003E		?
003F
4_
64		@
0040		A
0041		B
0042		C
0043		D
0044		E
0045		F
0046		G
0047		H
0048		Já
0049		J
004A		K.
004B		L
004C		M
004D		N
004E		Ó
004F
5_
80		P
0050		Q
0051		R
0052		S
0053		T
0054		U
0055		PROTI
0056		Ž
0057		X
0058		Y
0059		Z
005A		[
005B		\
005C		]
005D		^
005E		_
005F
6_
96		`
0060		A
0061		b
0062		C
0063		d
0064		E
0065		F
0066		G
0067		h
0068		i
0069		j
006A		k
006B		l
006C		m
006D		n
006E		Ó
006F
7_
112		str
0070		q
0071		r
0072		s
0073		t
0074		u
0075		proti
0076		w
0077		X
0078		y
0079		z
007A		{
007B		|
007C		}
007D		~
007E		DEL /⌂
007F / 2302

  Dopis   Číslo   Interpunkce   Symbol   jiný   Nedefinováno

Skupina 1

LMBCS skupina 1 kódové body 128 (80hex) na 255 (FF.)hex) jsou shodné s odpovídajícími body kódu v kódová stránka 850 (DOS Latin-1), zatímco kódové body 1 (01hex) až 127 (7Fhex) jsou definovány podle následujícího seznamu výjimek (odpovídajících kódům LMBCS 256 až 383):

LMBCS skupina 1, dolní polovina[11][10]
_0_1_2_3_4_5_6_7_8_9_A_B_C_D_E_F
0_
0		NUL
0000		☺
263A		☻
263B		♥
2665		♦
2666		♣
2663		♠
2660		•
2022		◘
25D8		○
25CB		◙
25D9		♂
2642		♀
2640		♪
266A		♫
266B		☼
263C
1_
16		►
25BA		◄
25C4		↕
2195		‼
203C
00B6		§
00A7		▬
25AC		↨
21A8		↑
2191		↓
2193		→
2192		←
2190		∟
221F		↔
2194		▲
25B2		▼
25BC
2_
32		¨
00A8		~
007E		˚
02DA		^
005E		`
0060		´
00B4		“
201C		'
0027		…
2026		-[b]
2013		—
2014		‘[C]
2018		’[C]
2019		‹
2039		›
203A
3_
48		¨[d]
00A8		~[d]
007E		˚[d]
02DA		^[d]
005E		`[d]
0060		´[d]
00B4		„
201E		‚
201A		”
201D		‗
2017		nbsp[C]
00A0		�[C]
FFFD
4_
64		Œ
0152		-
0153		Ÿ
0178		˙[C]
02D9		˚[C][d]
02DA		╞
255E		╟
255F		▌
258C		▐
2590		◊[C]
25CA		⌘[C]
2318		[C]
F8FF		[C]
F8FE		Ω[C]
2126
5_
80		╨
2568		╤
2564		╥
2565		╙
2559		╘
2558		╒
2552		╓
2553		╫
256B		╪
256A		╡
2561		╢
2562		╖
2556		╕
2555		╜
255 ° C		╛
255B		╧
2567
6_
96		ij
0133		IJ
0132		fi
FB01		fl
FB02		ʼn
0149		ŀ
0140		Ŀ
013F		¯[C]
00AF		˘[C]
02D8		˝[C]
02DD		˛[C]
02DB		ˇ[C]
02C7		~[C][d]
007E		^[C][d]
005E
7_
112		†
2020		‡
2021		Ħ[C]
0126		ħ[C]
0127		Ŧ[C]
0166		ŧ[C]
0167		™
2122		ℓ
2113		Ŋ[C]
014A		ŋ[C]
014B		ĸ[C]
0138		Kr[E]
 		⌐
2310		₤
20A4		₧
20A7

  Dopis   Číslo   Interpunkce   Symbol   jiný   Nedefinováno   Mapováno na Unicode znak pro soukromé použití

Skupina 2

LMBCS skupina 2 kódové body 128 (80hex) až 255 (FF.)hex) jsou shodné s odpovídajícími body kódu v kódová stránka 851 (DOS řečtina), zatímco kódové body 1 (01hex) až 127 (7Fhex) jsou definovány podle následujícího seznamu výjimek:[F]

LMBCS skupina 2, dolní polovina[11]
_0_1_2_3_4_5_6_7_8_9_A_B_C_D_E_F
0_
0		NUL
0000		ͺ
037A		΅
0385		Ϊ
03AA		Ϋ
03AB		―
2015		΄
0384		ʼ
02BC		ʽ
02BD		‾
203E
F862
F863
1_
16
F864
F865		⇕
21D5		⅞
215E		⅝
215D		⅜
215C		⅛
215B
F867		⇑
21D1		⇓
21D3		⇒
21D2		⇐
21D0
F868		⇔
21D4
F869
F89F
2_
32
F89E
F89D
F89C
F89B
F89A
F899
F898
F897
F896
F895
F894
F893
F892
F891
F890
F88F
3_
48
F88E
F88D
F88C
F88B
F88A
F889
F888
F887
F886
F885
F884
F883
F882
F881
F880
F866
4_
64		∠
2220		∇
2207
F87F
F87E
F87D
F87C
F87B
F87A
F879
F878
F877
F876
F875
F874
F873
F872
5_
80		∂
2202		ℵ
2135		ℑ
2111		ℜ
211C
F871
F870
F86F
F86E
F86D
F86C
F86B		∋
220B		∈
2208		∉
2209		⊆
2286		⊇
2287
6_
96		⊗
2297		⊕
2295		✓
2713		⋀
22C0		∁
2201		∫
222B		∀
2200		∃
2203
F86A		′
2032		″
2033		∞
221E		∝
221D		φ
03C6		∪
222A		∩
2229
7_
112		≡
2261		≅
2245		≥
2265		≤
2264		⌠
2320		⌡
2321		≠
2260		≈
2248		⁄
2044		∙
2219		‰
2030		√
221A		ⁿ
207F		∅
2205		⊂
2282		⊃
2283

  Dopis   Číslo   Interpunkce   Symbol   jiný   Nedefinováno   Mapováno na Unicode znak pro soukromé použití

Skupina 6

Skupina LMBCS 6 kódových bodů 128 (80hex) až 255 (FF.)hex) jsou shodné s odpovídajícími body kódu v kódová stránka 852 (DOS Latin-2), zatímco kódové body 1 (01hex) až 127 (7Fhex) jsou definovány podle následujícího seznamu výjimek:[F]

LMBCS skupina 6, dolní polovina[11]
_0_1_2_3_4_5_6_7_8_9_A_B_C_D_E_F
0_
0		NUL
0000		A
0101		C
0108		C
0109		C
010A		C
010B		E
0112		E
0113		E
0116		E
0117		G
011C		G
011D		G
0120		G
0121		G
0122		G
0123
1_
16		Ĥ
0124		ĥ
0125		Ĩ
0128		ĩ
0129		Ī
012A		ī
012B		Į
012E		į
012F		Ĵ
0134		ĵ
0135		Ķ
0136		ķ
0137		Ļ
013B		ļ
013C		Ņ
0145		ņ
0146
2_
32		Ó
014C		Ó
014D		Ŗ
0156		ŗ
0157		Ŝ
015C		ŝ
015D		Ũ
0168		ũ
0169		Ū
016A		ū
016B		Ŭ
016C		ŭ
016D		Ų
0172		ų
0173		A
0100
3_
48
4_
64
5_
80
6_
96
7_
112

  Dopis   Číslo   Interpunkce   Symbol   jiný   Nedefinováno

Viz také

Poznámky

  1. ^ Lotus 1-2-3 verze 3.0 pro DOS a novější verze jsou napsány v C.
  2. ^ ‐ (U + 2010), ‑ (U + 2011), ‒ (U + 2012), – (U + 2013)
  3. ^ A b C d E F G h i j k l m n Ó str q r s t u proti w X y Podle dokumentace tento bod kódu není podporován Lotus 1-2-3 verze 3.1+ pro DOS a OS / 2 a starší.
  4. ^ A b C d E F G h i Pro kompatibilitu s Lotus 1-2-3 Release 5.0.
  5. ^ Unicode nedefinuje glyf pro měna koruny symbol (Krone aka "Kr"), proto to ukazuje na F8FBhex v Unicode Oblast pro soukromé použití (PUA).
  6. ^ A b Podle kódu dokumentace nejsou body 1 až 127 v této skupině podporovány Lotus 1-2-3 verze 3.1+ pro DOS a OS / 2 a starší. Tyto verze podporovaly pouze body kódu LMBCS 0 až 511, pokrývající pouze skupinu 0 a 1.

Reference

  1. ^ A b C d E F G h i j k l m Balaban, Bob (2001). „Vícejazyčné znakové sady - co to je, jak je používat“ (PDF). Looseleaf Software, Inc. Archivováno (PDF) od originálu dne 2016-11-25. Citováno 2016-11-25.
  2. ^ A b C d E F G h i j k l m n Ó str q r s t u proti w X y z aa ab ac inzerát ae af ag ah „Příloha A. Schémata kódování“. IBM Architektura reprezentace dat znaků. IBM (CDRA). Vícebajtová znaková sada Lotus (LMBCS). Archivováno od originálu 26. 11. 2016. Citováno 2016-11-26. Pro účely optimalizace je skupinový bajt vynechán Poznámky pro jednobajtové hodnoty mezi X'20 'a X'FF'. Například LMBCS je vždy optimalizován na skupinu 0x01, což znamená, že jakýkoli znak, kde je první bajt větší než 0x1F, má implicitní skupinový bajt 0x01.
  3. ^ A b Scherer, Markus; Murray, Brendan (02.06.2000). „Re: MS Excel, Lotus 123 & Unicode“. Archivováno od originálu 2016-12-06. Citováno 2016-12-06.
  4. ^ "Kapitel 4. Kompatibilität mit anderen 1-2-3 Versionen - Zeichensätze" [Kapitola 4. Kompatibilita s jinými verzemi 1-2-3 - znakové sady]. Handbuch upgradovacího nástroje Lotus 1-2-3 verze 3.1 [Příručka pro upgrade] (v němčině) (1. vyd.). Cambridge, MA, USA: Lotus Development Corporation. 1989. s. 4-10–4-11. 302173.
  5. ^ A b Kamenz, Alfred; Vonhoegen, Helmut (1992). Das große Buch zu Lotus 1-2-3 für DOS (v němčině) (1. vyd.). Data Becker. str. 131–132, 357–358. ISBN  3-89011-375-3.
  6. ^ A b C d Lotus - Inside Notes - Architektura Notes a Domino Server (PDF). Lotus Development Corporation. 2000. Archivováno (PDF) od originálu 2016-12-12. Citováno 2016-12-12. […] Aplikace Notes používá ke kódování všech textových dat interně používaných jejími programy jedinou znakovou sadu, Lotus Multibyte Character Set (LMBCS). Kdykoli prostředí Notes poprvé zadá text zakódovaný v jiné znakové sadě než LMBCS, přeloží text do řetězce LMBCS a kdykoli musí odeslat text v jiné znakové sadě než LMBCS, převede interní řetězec LMBCS do příslušné znakové sady. Protože veškerý text je interně formátován pomocí LMBCS, jsou všechny operace zpracování textu […] prováděny pouze jedním způsobem. LMBCS používá až tři bajty v paměti k reprezentaci jednoho textového znaku […]
  7. ^ A b C d E F G h i j k l m n Ó str q r s t u proti w X y z aa ab ac inzerát ae af ag ah ai aj ak al dopoledne an ao ap vod ar tak jako Murray, Brendan; Snyder-Grant, Jim, eds. (2016) [2000-02-09]. „ucnv_lmb.c“. Mezinárodní komponenty pro Unicode. Mezinárodní obchodní stroje (IBM).
  8. ^ Batutis, Edward J. (11.11.2001). „Re: převaděč typů“. Mezinárodní komponenty pro Unicode (JIP). Archivováno od originálu 2016-12-06. Citováno 2016-12-06.
  9. ^ A b C d E F G h i j „LMBCS“ (v japonštině). 2009-02-03. Archivováno od originálu 26. 11. 2016. Citováno 2016-11-26.[1]
  10. ^ A b „Anhang 2. Der Lotus Multibyte Zeichensatz (LMBCS)“ [Dodatek 2. Lotus Multibyte Character Set (LMBCS)]. Lotus 1-2-3 verze 3.1 Referenzhandbuch [Referenční příručka k aplikaci Lotus 1-2-3 verze 3.1] (v němčině) (1. vyd.). Cambridge, MA, USA: Lotus Development Corporation. 1989. str. A2-1 – A2-13. 302168.
  11. ^ A b C „lmb-excp.ucm“. 2000-02-10.

Další čtení

externí odkazy