Shift-JIS →Unicodeの16 ビットにエンコード変換
IIJIMA Hiromitsu
fj.kanji と fj.news.reader を足します。fj.net.watch もとりあえずそのまま。
> 日本語を Unicodeの16ビット に変換するツールをご存じないでしょうか？
環境くらい書きましょうよ。
元記事は Datura for Windows で投稿されていますので、
Windows ということでよろしいですか？
> Kaz がよく文字化け投稿してますが、「おい、」 のよう
> に変換するツールを捜しています。
この変換なら、Unicode 対応のテキストエディタのマクロですぐにできます。
とはいえ、Google の文字化け投稿は JIS コード中の "、&、<、> のバイトを
" などに書き換えてしまうので、ちょっと試してはみましたが回復困難
でした。
Google の投稿でも文字化けしていないものもあるので、現象の再現条件を調べ
るのが先決でしょう。
========================================================================
飯嶋 浩光 / でるもんた・いいじま http://www.ht.sakura.ne.jp/~delmonta/
IIJIMA Hiromitsu, aka Delmonta mailto:delm...@ht.sakura.ne.jp
───【宣伝/ADVERTISEMENT】──────────────────────
Emacs カスタマイズのメールマガジン、不定期配信中。
【第27回】C-x = に不満では？ 文字のJIS/EUC/SJISコードを表示するelisp。
http://www.ht.sakura.ne.jp/~delmonta/emacs/
────────────────────────────────────
IIJIMA Hiromitsu
> 私が何をしたかったかというと、ロシア鯖(キリル言語)に文字化けなしで
> 日本語を表示したかったのです。
> <meta タグも書き換えられるし、.htaccess に文字コード指定してアップ
> しましたが、まったく効かなかったのです。
そういう意図でしたか。
とすると、うちで公開している JavaScript でもできますよ。
http://www.ht.sakura.ne.jp/~delmonta/koreanisch/buchstaben-zu-nummer.html
ただこれは、アドレスからも分かるとおり、日本語のファイルの中に少量のハン
グルを書き込むことを前提にしたものですので、全文を &#nnnnn; にエンコード
するような用途には向かないと思います。
近々、別のプロジェクトの一環として秀丸マクロ版を出します。
ku...@gssm.otsuka.tsukuba.ac.jp
> そういう意図でしたか。
> とすると、うちで公開している JavaScript でもできますよ。
> http://www.ht.sakura.ne.jp/~delmonta/koreanisch/buchstaben-zu-nummer.html
Javaなんかでも書いてみましたがこういうのでいいのかな。 久野
---
import java.io.*;
public class Test {
public static void main(String[] args) throws Exception {
Reader r = new InputStreamReader(
new FileInputStream(args[0]), "JISAutoDetect");
int ch;
while((ch = r.read()) >= 0)
if(ch < 256) {
System.out.print((char)ch);
} else {
System.out.print("&#");
System.out.print(ch);
System.out.print(';');
}
}
}
IIJIMA Hiromitsu
> int ch;
> while((ch = r.read()) >= 0)
> if(ch < 256) {
> System.out.print((char)ch);
Java は私はほとんど知らないんですが、U+8000 以上の入力があったときに、
(ch < 256) という判定をしてしまって大丈夫でしょうか？
とりあえず、( (ch&255)==ch ) ないし ( (ch&~255)==0 ) とするのが無難だと
思います。
＃C 言語でも、
＃typedef signed short wchar_t;
＃なんていう処理系がありそうで恐い……ちなみに、glibc と FreeBSD は
＃wchar_t は 32 ビット、Win32 は unsigned short です。
Yasushi Shinjo
日本語の文字化けを防ぐために Unicode 使うというのは、やめて
欲しいなあ。時々困るのが、JIS 文字集合でしかコピー＆ペースト
できないようなプログラムです。一部 Unicode の文字が混じって
いて、それが含まれているがために、画面には表示できてもその別
のアプリケーションにはコピー＆ペーストできない。Unicode なん
か避けて保存して欲しいのに。
In article <406b...@127.0.0.1>
v（*^。^*） <opliuytrewqkj...@usageport5.com> writes:
> 私が何をしたかったかというと、ロシア鯖(キリル言語)に文字化けなしで
> 日本語を表示したかったのです。
> で、Unicodeの16ビットを試してみたわけです。
Shift-JIS は、自動判定しにくいのでしょう。Shift-JIS ではなく
て、JIS にしたらどうですか。
JIS に最初から入っているロシア語の問題じゃないですよね。
0x2701 あたり。
> <meta タグも書き換えられるし、.htaccess に文字コード指定してアップ
> しましたが、まったく効かなかったのです。
ブラウザによっては、最初に飛んできたページのメタ情報をずっと
覚えている(後で書き換えても効かない)といのがあります。一度ブ
ラウザを終了してから、読み直すと有効になることがあります。
<meta> が効かないのは、ブラウザの問題じゃないかなあ。
.htaccess の設定が効かないのは、サーバで上書きを禁止している
からでしょう。サーバの管理者と相談して、そもそもの標準の文字
コードを日本語系にしてもらうという作戦も考えられます。
古い Apache の日本語化で、標準の文字コードを設定ファイルに書
いて、個々のページでの上書きできないという問題があったような
気がしました。
＼＼ 新城 靖 （しんじょう やすし） ＼＼
＼＼ 筑波大学 電子・情報 ＼＼
ku...@gssm.otsuka.tsukuba.ac.jp
> Java は私はほとんど知らないんですが、U+8000 以上の入力があったときに、
> (ch < 256) という判定をしてしまって大丈夫でしょうか？
Readerのread()が返す値は0～65535、ストリームの終りがきたとき
-1、と定められています。
> ＃C 言語でも、
> ＃typedef signed short wchar_t;
> ＃なんていう処理系がありそうで恐い……ちなみに、glibc と FreeBSD は
> ＃wchar_t は 32 ビット、Win32 は unsigned short です。
そういうことを悩まないのがJavaの助かる点だなあ。 久野
ku...@gssm.otsuka.tsukuba.ac.jp
私:
> Readerのread()が返す値は0～65535、ストリームの終りがきたとき
> -1、と定められています。
はっ! いつのまにかreaderの話題に… ^_^;; 久野
IIJIMA Hiromitsu
> > Java は私はほとんど知らないんですが、U+8000 以上の入力があったときに、
> > (ch < 256) という判定をしてしまって大丈夫でしょうか？
>
> Readerのread()が返す値は0～65535、ストリームの終りがきたとき
> -1、と定められています。
C の getc() と同じような仕様ですね。
で、元のコードを見てみると、
>>> while((ch = r.read()) >= 0)
と書いてあるので、read() が signed short を返すはずはないんでした。
========================================================================
飯嶋 浩光 / でるもんた・いいじま http://www.ht.sakura.ne.jp/~delmonta/
IIJIMA Hiromitsu, aka Delmonta mailto:delm...@ht.sakura.ne.jp
───【宣伝/ADVERTISEMENT】──────────────────────