EUC-CN - 通信用語の基礎知識

簡体字支那語向けのISO/IEC 2022のサブセットで8ビット符号の拡張法を用いている、EUCの一種。

概要

用途

UNIXなどで、簡体字支那語を表現するときに用いられる。

最近のLinuxではUTF-8が使われ始めているが、古いUNIXシステムではEUC-CNが主流であった。

方法と集合

EUC-CNはあくまで符号化方法(CES)であり、文字集合(CCS)の規定ではない。

文字集合には支那語のCCSが使われるが、全てが慣例に基づくもので、RFCすらも無い。RFC 1922には「CN-GB」と称される8ビット符号が述べられているが、これは慣例として用いられるEUC-CNと同等である。

亜種

EUC-CNには、次のような亜種がある。

仕様

基本仕様

8ビットで文字を表現する8ビット符号の符号である。つまり、CL/GL/CR/GRの全てを用いる。

それぞれに、C0/G0/C1/G1が呼び出しされた状態で固定されており、変更はできない。

G2、G3の文字を使う場合は、SSを使う。

符号範囲

基本的なEUC-CNは、2バイト文字に対し、次の範囲を使う。

必要に応じ、SS2やSS3が先行し3バイトとなることがあるが、続く2バイトの範囲は維持される。

但し、ISO/IEC 2022に違反するが2バイト目を拡張したものもあり、代表例として「GBK」がある。GBKは、次のようになっている。

指示

EUC-CNは、文字集合が各バッファーに呼び出し指示された状態で開始される。しかし、どの文字集合が初期状態であるかは、実装によりまちまちである。

ごく一般的な実装では、次の通り。

G2とG3は通常未使用だが、ISO-2022-CNの仕様上は、次の何れかの選択が可能となっている。それぞれ、左が簡体字、右が正体字である。