09/03/02 12:37:00
> CSIってのは、単独文字集合内での利用においてはそれなりの合理性があるんだろうが、
> 現実の開発・動作時に、文字セット間の「変換」「推測」が実質必要になるのが根元的な問題。
まず、推測が必要になる時点で何かがおかしい。
そのデータを送ってきたやつはなんでそのデータのエンコーディングを送ってきてないんだ？
送ってきているのだとしたらなんでそれを無視するんだ？
日本語使いだとデータだけから言語がすぐに推測できるのだと思い込んでしまうのかもしれないが、
ヨーロッパの言語だと同じ文字を使っているから、数単語の場合は推測など不可能だぞ。
> それぞれ勝手な文字集合を使う上、さらにそれぞれもろにエンコーディングの問題もある、はず。
内部エンコーディングに処理系が対応しているものを使う限りは、
エンコーディングの問題なんか変換時に用いるエンコーディング名を正しく設定する以上はない。
未だに「表」の2バイト目は0x5Cだからエスケープと衝突して・・・なんてのは古代の遺物です。
Unicode系を内部エンコーディングとして使うとよいのは、
Unicodeが実用上もっとも大きな文字集合でかつ他のほとんどを包含してるから。
例えばJIS X 0208で足りるなら別にEUC-JPでもよい。