home *** CD-ROM | disk | FTP | other *** search
/ Chip 2000 May / Chip_2000-05_cd1.bin / zkuste / Perl / ActivePerl-5.6.0.613.msi / 䆊䌷䈹䈙䏵-䞅䞆䞀㡆䞃䄦䠥 / _9286b28111b9a353a699c4fda5ce666c < prev    next >
Encoding:
Text File  |  2000-03-15  |  4.8 KB  |  118 lines
  1. Mapping files for Japanese encodings
  2.  
  3. 1998 12/25
  4.  
  5. Fuji Xerox Information Systems
  6. MURATA Makoto
  7.  
  8. 1.  Overview
  9.  
  10. This version of XML::Parser and XML::Encoding does not come with map files for
  11. the charset "Shift_JIS" and the charset "euc-jp".  Unfortunately, each of these 
  12. charsets has more than one mapping.  None of these mappings are
  13. considered as authoritative.
  14.  
  15. Therefore, we have come to believe that it is dangerous to provide map files
  16. for these charsets.  Rather, we introduce several private charsets and map
  17. files for these private charsets.  If IANA, Unicode Consoritum, and JIS
  18. eventually reach a consensus, we will be able to provide map files for
  19. "Shift_JIS" and "euc-jp".
  20.  
  21. 2. Different mappings from existing charsets to Unicode
  22.  
  23. 1) Different mappings in JIS X0221 and Unicode
  24.  
  25. The mapping between JIS X0208:1990 and Unicode 1.1 and the mapping
  26. between JIS X0212:1990 and Unicode 1.1 are published from Unicode
  27. consortium.  They are available at 
  28. ftp://ftp.unicode.org/Public/MAPPINGS/EASTASIA/JIS/JIS0208.TXT and 
  29. ftp://ftp.unicode.org/Public/MAPPINGS/EASTASIA/JIS/JIS0212.TXT, 
  30. respectively.)  These mapping files have a note as below:
  31.  
  32. #   The kanji mappings are a normative part of ISO/IEC 10646.  The
  33. #       non-kanji mappings are provisional, pending definition of
  34. #       official mappings by Japanese standards bodies.
  35.  
  36. Unfortunately, the non-kanji mappings in the Japanese standard for ISO 10646/1,
  37. namely JIS X 0221:1995, is different from the Unicode Consortium mapping since
  38. 0x213D of JIS X 0208 is mapped to U+2014 (em dash) rather than U+2015
  39. (horizontal bar).  Furthermore, JIS X 0221 clearly says that the mapping is
  40. informational and non-normative.  As a result, some companies (e.g., Microsoft and
  41. Apple) have introduced slightly different mappings.  Therefore, neither the
  42. Unicode consortium mapping nor the JIS X 0221 mapping are considered as
  43. authoritative.
  44.  
  45. 2) Shift-JIS
  46.  
  47. This charset is especially problematic, since its definition has been unclear
  48. since its inception.
  49.  
  50. The current registration of the charset "Shift_JIS" is as below:
  51.  
  52. >Name: Shift_JIS  (preferred MIME name)
  53. >MIBenum: 17
  54. >Source: A Microsoft code that extends csHalfWidthKatakana to include 
  55. >       kanji by adding a second byte when the value of the first 
  56. >       byte is in the ranges 81-9F or E0-EF.
  57. >Alias: MS_Kanji 
  58. >Alias: csShiftJIS
  59.  
  60. First, this does not reference to the mapping "Shift-JIS to Unicode" 
  61. published by the Unicode consortium (available at
  62. ftp://ftp.unicode.org/Public/MAPPINGS/EASTASIA/JIS/SHIFTJIS.TXT).
  63.  
  64. Second, "kanji" in this registration can be interepreted in different ways.
  65. Does this "kanji" reference to JIS X0208:1978, JIS X0208:1983, or JIS
  66. X0208:1990(== JIS X0208:1997)?  These three standards are *incompatible* with
  67. each other.  Moreover, we can even argue that "kanji" refers to JIS X0212 or
  68. ideographic characters in other countries.
  69.  
  70. Third, each company has extended Shift JIS. For example, Microsoft introduced
  71. OEM extensions (NEC extensionsand IBM extensions).
  72.  
  73. Forth, Shift JIS uses JIS X0201, which is almost upper-compatible with US-ASCII
  74. but is not quite.  5C and 7E of JIS X 0201 are different from backslash and 
  75. tilde, respectively.  However, many programming languages (e.g., Java) 
  76. ignore this difference and assumes that 5C and 7E of Shift JIS are backslash 
  77. and tilde.
  78.  
  79.  
  80. 3.  Proposed charsets and mappings
  81.  
  82. As a tentative solution, we introduce two private charsets for EUC-JP and four
  83. priviate charsets for Shift JIS.
  84.  
  85. 1) EUC-JP
  86.  
  87. We have two charsets, namely "x-eucjp-unicode" and "x-eucjp-jisx0221".  Their 
  88. difference is only one code point.  The mapping for the former is based 
  89. on the Unicode Consortium mapping, while the latter is based on the JIS X0221 
  90. mapping.
  91.  
  92. 2) Shift JIS
  93.  
  94. We have four charsets, namely x-sjis-unicode, x-sjis-jisx0221, 
  95. x-sjis-jdk117, and x-sjis-cp932.
  96.  
  97. The mapping for the charset x-sjis-unicode is the one published by the Unicode
  98. consortium.  The mapping for x-sjis-jisx0221 is almost equivalent to
  99. x-sjis-unicode, but 0x213D of JIS X 0208 is mapped to U+2014 (em dash) rather
  100. than U+2015.  The charset x-sjis-jdk117 is again almost equivalent to
  101. x-sjis-unicode, but 0x5C and 0x7E of JIS X0201 are mapped to backslash and
  102. tilde.
  103.  
  104. The charset x-sjis-cp932 is used by Microsoft Windows, and its mapping is
  105. published from the Unicode Consortium (available at:
  106. ftp://ftp.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP932.txt).  The
  107. coded character set for this charset includes NEC-extensions and
  108. IBM-extensions.  0x5C and 0x7E of JIS X0201 are mapped to backslash and tilde;
  109. 0x213D is mapped to U+2015; and 0x2140, 0x2141, 0x2142, and 0x215E of JIS X
  110. 0208 are mapped to compatibility characters.
  111.  
  112. Makoto
  113.  
  114. Fuji Xerox Information Systems
  115.  
  116. Tel: +81-44-812-7230   Fax: +81-44-812-7231
  117. E-mail: murata@apsdc.ksp.fujixerox.co.jp
  118.