そろそろ知っておくべき、Vistaの文字コード問題

2007年6月10日 22:29 hackmylife | 個別ページ | コメント(0) | トラックバック(0)

Windows Vistaがロールアウトしてから、もうすぐ半年。
なかなか企業での導入が進みません。

理由としては

マルチメディア機能など、企業にとってはどうでも良い
アプリケーションのサポート状況が固まっていない
セキュリティが不安
文字コードの問題

などなどがあげられます。

本格的に導入が始まるのは、SP1が出たあと（おそらく来年初頭）になるでしょう。
が、我々エンジニアはそうも言っていられません。
ちらほらVista対応なんて言葉が出てくるはずです。

特に意識すべきは文字コードの問題です。
これが結構な大問題。

１．XPとVistaでは文字の見え方が違う
２．一部の文字がサロゲートペア

という状態です。
１はいいんですけど、２が大問題です。

まずは１から簡単に説明します。
したのPDFはMicrosoftから出ているグリフの違いに関するドキュメントです。

右がXPで表示したとき、左がVistaです。

これはXPではJIS X 0208、VistaではJIS X 0213という文字コードが使われているからなんですけど、
正しいのはVistaの方です。

JIS X 0213:2004に関する資料は、Microsoftのこのページからダウンロードできます。

JIS X 0208が間違えているんですね。ソレを0213で修正したわけなんですけど、
今企業にあるのはほとんどがXPなわけだし、環境によって見え方が違うのはちょっと気持ち悪いですね。

これはモジコードの問題なので、XP用の0213の文字セットもあるし、
Vista用の0208の文字セットもあるので、このことが説明できれば良いでしょう。

Windows XP および Windows Server 2003 向け JIS2004 対応 MS ゴシック &MS 明朝フォントパッケージ
 Windows Vista 向け JIS90 互換 MS ゴシック & MS 明朝フォントパッケージ

問題は２です。サロゲートペア。
あ〜もう！って感じです。

何が困るかという話の前にUnicodeについてお話させてください。

1980年代、コンピュータ上で多言語をシームレスに扱えるようにしようという動きがありました。
提唱はゼロックスで、協力した企業として、マイクロソフト、アップル、IBM、サン･マイクロシステムズ、ヒューレット･パッカード、ジャストシステムなどが参加したユニコードコンソーシアムによって策定されました。
今は、ISO/IEC 10646として国際標準になっています（厳密にはUCSのことを定義している）。

で、このUnicode。
16ビットを使って一文字を表現しています。

16ビットで表現できるデータは65,536ですね。
問題は、65536文字で全ての言語の文字を表現できるか？って事です。

むろん出来るわけない。全然足りなくて、空いた２万文字の争奪戦が勃発したぐらいです。

このUnicodeをUnicode1.0といいます。

ではどうするか？というと、
さらに16ビット追加して、32ビットで一文字を表現する領域を作ったわけです。
無論今までの16ビットで表現できる文字はそのままです。

と言う事は、Unicode2.0には、16ビットで一文字をあらわすものと、32ビットで一文字をあらわすものが混在する、可変長な文字セットになっています。
この32ビットであらわす方法をサロゲートペアって言います。

可変長な文字扱うのって大変なんですよぉ・・ヽ(´Д`；)ﾉｱｩｱ...

そんなの関係あるの？と思った方。
それが大アリなのですよ！

例えばC#でcharに文字を代入するばあい、

char hoge = '[非サロゲートペア文字]'

はOKですが、

char hoge = '[サロゲートペア文字]'