UTF-9 (I-D)

1997(平成9)年12月24日に提案されたI-Dである。

RFC 4042として同名(UTF-9)の仕様が公開されているが、それとこれは全くの別物である。

このUTF-9は、UTF-8に似ているが、Latin-1(ISO-8859-1)文字のうち0/0〜7/15と、10/0〜15/15までをそのままの値で扱える点にある。

8/0〜9/15は2バイト以上の表現となるが、そもそもここはC1制御文字の領域であり実際としてあまり使われていない。従ってUTF-9はLatin-1圏にとってはソフトウェアを殆ど変更せずに済むため、とても都合が良い。

しかしUTF-9は、Latin-1圏以外では、全く都合が良くなかった。

そもそもUTF-8が既に普及しつつある中での提案だったため劣勢感は否めず、その上に山ほど欠点を加えてあるのが痛かったといえる。

UTF-9はUTF-8と違い10/10〜15/15の文字が1バイトである可能性があるため、途中のバイトを見ても先頭か途中かの判断を付けることができず、判断のためには前に戻らなければならないという欠点がある。

また1バイト目に8/0〜9/15を使うため、ソートをするのに不便という点も見逃せない。

UTF-9ではUnicodeのU+0000〜U+007F、U+00A0〜U+00FFは1バイトで表現される。

U+0080〜U+00FFとU+0100以上は、2バイト以上で表現する。

上記Xはオクテットごとの先頭MSBである.

先頭バイトが8/0〜8/15だと2バイト長、9/0〜9/3だと3バイト長、9/4〜9/7だと4バイト長、9/8〜9/15だと5バイト長となる。2バイト目は8/0〜15/15である。