「ユニコード」で予期せぬ目に遭った話 - moriyoshiの日記
自分の知らないCJK Ideographのバリエーションがまだあったことに戦慄している pic.twitter.com/kUlyRLDDTM— moriyoshit (@moriyoshit) March 9, 2017 などというツイートをしたところ、思ったより反響があったのでまとめておく。 上記ではあいまいに「バリエーション」などと書いたが、Unicodeとそれを扱う環境においては、バリエーションと一口に言っても次のような状況がある。 意味論的に等価な異なる字形の集合 同じ字形で異なるコードポイントの集合 aは結構なじみ深いと思う。 a-1. 異なるコードポイントにそれぞれ異なる字形が割り当てられているもの 例: 「東」(U+6771) ⇔「东」(U+4E1C) 「斉」(U+6589) ⇔「齊」(U+9F4A) 「高」(U+9AD8) ⇔「髙」(U+9AD9) a-2. 同じコードポイ
青空文庫から.txtファイルの未来へ：パブリックドメインと電子テキストの20年
民間のボランティアによって運営されているインターネット上のテキストアーカイブたる青空文庫注1）は，1997年7月7日の開設から早くも20年近くがたとうとしているが，今ではおよそ1万4,000点の電子テキストを収める国内有数のWebサイトにまで発展している（図1）。 本稿では，その青空文庫が取り扱っている電子テキストに焦点を当て，フォーマットやツールあるいはビューアーなどの実作業にまつわる点から，JIS漢字コードをめぐる諸問題やファイルの変換や活用に至るまでを，青空文庫に長く携わってきた立場から解説してみたい。 現在，青空文庫で作業する際のよりどころとしているのは，テキストファイル（拡張子.txt），いわゆるプレーンテキストである。どのボランティアもまずはこのファイル形式で書籍を電子化し，そのあとでXHTMLファイルを自動作成して，両ファイルを公開するという手順が踏まれ，Web上で簡易閲覧す
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
全角チルダ問題
