UTF-EBCDIC
読み：ユーティーエフ-エビシディック
外語：UTF-EBCDIC

　ISO/IEC 10646およびUnicode文字を8ビットの不定長として表現できるように変換したものの一つで、EBCDIC環境向け。

目次 概要 仕様 符号化方法 I8-Sequence UTF-EBCDIC I8→EBCDIC EBCDIC→I8 I8の長さ コード表

---

概要
　これは、UTF-8の亜種の一つである。仕様は「Unicode Technical Report #16」で提案されている。
　この符号は、名前の通りEBCDICとの親和性を高めた符号である。1オクテット文字はEBCDICであり、空き領域を使って2オクテット以上の符号を埋め込んでいる。
　しかし、実際には殆ど使われていない。

---

仕様

---

符号化方法
　UnicodeからUTF-EBCDICまでは、二段階の変換過程を用いる。
　これは、ASCIIとEBCDICの仕様の違いを吸収するためで、Unicodeから作られたUTF-8似の中間形式(UTF-8-Modと呼ばれる)は、EBCDICのコードページに近いものに変換することでUTF-EBCDICとなる。

1. Unicode→I8-Sequence (UTF-8-Mod)
2. I8-Sequence→UTF-EBCDIC (変換)

　復号は、この逆順となる。

---

I8-Sequence
　まず、次のように符号化される。これは中間形式であり結果ではない。

UCS-4 (16進)	I8-Sequence (2進)
00000000〜0000007F	0xxxxxxx
00000080〜0000009F	100xxxxx
000000A0〜000003FF	110xxxxx 101xxxxx
00000400〜00003FFF	1110xxxx 101xxxxx 101xxxxx
00004000〜0003FFFF	11110xxx 101xxxxx 101xxxxx 101xxxxx
00040000〜003FFFFF	1111100x 101xxxxx 101xxxxx 101xxxxx 101xxxxx
00400000〜03FFFFFF	1111110x 101xxxxx 101xxxxx 101xxxxx 101xxxxx 101xxxxx
04000000〜7FFFFFFF	1111111x 101xxxxx 101xxxxx 101xxxxx 101xxxxx 101xxxxx 101xxxxx

　UTF-8が1文字あたり6ビットを符号化するのに対し、I8-Sequenceは1文字あたり5ビットしか符号化できないため、概ねUTF-8より符号は長くなる。
　その代わり、C0とC1を含めた範囲(U+0000〜U+009F)は、EBCDICの特徴から1オクテットで表現できる。

---

UTF-EBCDIC

---

I8→EBCDIC
　ここで得られたオクテット列は、各オクテットごとに表を参照し、EBCDICコードページの相当位置に変換する。これによって、UTF-EBCDICは完成する。

	-0	-1	-2	-3	-4	-5	-6	-7	-8	-9	-A	-B	-C	-D	-E	-F
0-	00	01	02	03	37	2D	2E	2F	16	05	15	0B	0C	0D	0E	0F
1-	10	11	12	13	3C	3D	32	26	18	19	3F	27	1C	1D	1E	1F
2-	40	5A	7F	7B	5B	6C	50	7D	4D	5D	5C	4E	6B	60	4B	61
3-	F0	F1	F2	F3	F4	F5	F6	F7	F8	F9	7A	5E	4C	7E	6E	6F
4-	7C	C1	C2	C3	C4	C5	C6	C7	C8	C9	D1	D2	D3	D4	D5	D6
5-	D7	D8	D9	E2	E3	E4	E5	E6	E7	E8	E9	AD	E0	BD	5F	6D
6-	79	81	82	83	84	85	86	87	88	89	91	92	93	94	95	96
7-	97	98	99	A2	A3	A4	A5	A6	A7	A8	A9	C0	4F	D0	A1	07
8-	20	21	22	23	24	25	06	17	28	29	2A	2B	2C	09	0A	1B
9-	30	31	1A	33	34	35	36	08	38	39	3A	3B	04	14	3E	FF
A-	41	42	43	44	45	46	47	48	49	4A	51	52	53	54	55	56
B-	57	58	59	62	63	64	65	66	67	68	69	6A	70	71	72	73
C-	74	75	76	77	78	80	8A	8B	8C	8D	8E	8F	90	9A	9B	9C
D-	9D	9E	9F	A0	AA	AB	AC	AE	AF	B0	B1	B2	B3	B4	B5	B6
E-	B7	B8	B9	BA	BB	BC	BE	BF	CA	CB	CC	CD	CE	CF	DA	DB
F-	DC	DD	DE	DF	E1	EA	EB	EC	ED	EE	EF	FA	FB	FC	FD	FE

　EBCDICとしての仕様は、Latin-1対応のEBCDICとして一般的な、CP1047(Latin 1/Open Systems)に近い。
　ASCIIの記号類は、全てCP1047と同じ符号位置に配置されており互換性が高く、Latin-1のアクセント付きアルファベットの代わりにUnicode文字を追加したような状態となっている。

---

EBCDIC→I8
　UTF-EBCDICから復号する場合は、以下の表を用いてUTF-EBCDICからI8-sequenceを得る。

	-0	-1	-2	-3	-4	-5	-6	-7	-8	-9	-A	-B	-C	-D	-E	-F
0-	00	01	02	03	9C	09	86	7F	97	8D	8E	0B	0C	0D	0E	0F
1-	10	11	12	13	9D	0A	08	87	18	19	92	8F	1C	1D	1E	1F
2-	80	81	82	83	84	85	17	1B	88	89	8A	8B	8C	05	06	07
3-	90	91	16	93	94	95	96	04	98	99	9A	9B	14	15	9E	1A
4-	20	A0	A1	A2	A3	A4	A5	A6	A7	A8	A9	2E	3C	28	2B	7C
5-	26	AA	AB	AC	AD	AE	AF	B0	B1	B2	21	24	2A	29	3B	5E
6-	2D	2F	B3	B4	B5	B6	B7	B8	B9	BA	BB	2C	25	5F	3E	3F
7-	BC	BD	BE	BF	C0	C1	C2	C3	C4	60	3A	23	40	27	3D	22
8-	C5	61	62	63	64	65	66	67	68	69	C6	C7	C8	C9	CA	CB
9-	CC	6A	6B	6C	6D	6E	6F	70	71	72	CD	CE	CF	D0	D1	D2
A-	D3	7E	73	74	75	76	77	78	79	7A	D4	D5	D6	5B	D7	D8
B-	D9	DA	DB	DC	DD	DE	DF	E0	E1	E2	E3	E4	E5	5D	E6	E7
C-	7B	41	42	43	44	45	46	47	48	49	E8	E9	EA	EB	EC	ED
D-	7D	4A	4B	4C	4D	4E	4F	50	51	52	EE	EF	F0	F1	F2	F3
E-	5C	F4	53	54	55	56	57	58	59	5A	F5	F6	F7	F8	F9	FA
F-	30	31	32	33	34	35	36	37	38	39	FB	FC	FD	FE	FF	9F

---

I8の長さ
　再配列されているために、UTF-8と違って、各オクテットを見ただけでは続く符号長が簡単には分からない。
　そこで、次の表を参照して判断する。数字の意味は次の通り。

• 0 = シングルオクテットの制御文字
• 1 = シングルオクテットの文字
• 2 = 2オクテット文字
• 3 = 3オクテット文字
• 4 = 4オクテット文字
• 5 = 5オクテット文字
• 6 = 6オクテット文字
• 7 = 7オクテット文字
• 9 = 2オクテット以上の文字の2オクテット目以降

	-0	-1	-2	-3	-4	-5	-6	-7	-8	-9	-A	-B	-C	-D	-E	-F
0-	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
1-	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
2-	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
3-	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4-	1	9	9	9	9	9	9	9	9	9	9	1	1	1	1	1
5-	1	9	9	9	9	9	9	9	9	9	1	1	1	1	1	1
6-	1	1	9	9	9	9	9	9	9	9	9	1	1	1	1	1
7-	9	9	9	9	2	2	2	2	2	1	1	1	1	1	1	1
8-	2	1	1	1	1	1	1	1	1	1	2	2	2	2	2	2
9-	2	1	1	1	1	1	1	1	1	1	2	2	2	2	2	2
A-	2	1	1	1	1	1	1	1	1	1	2	2	2	1	2	2
B-	2	2	2	2	2	2	2	3	3	3	3	3	3	1	3	3
C-	1	1	1	1	1	1	1	1	1	1	3	3	3	3	3	3
D-	1	1	1	1	1	1	1	1	1	1	3	3	4	4	4	4
E-	1	4	1	1	1	1	1	1	1	1	4	4	4	5	5	5
F-	1	1	1	1	1	1	1	1	1	1	5	6	6	7	7	0

---

コード表
　■は、2バイト以上のUTF-EBCDICの1バイト目を表わす。
　▲は、2バイト以上のUTF-EBCDICの2バイト目以降を表わす。

	上位4ビット(4/0〜15/15)
	4-	5-	6-	7-	8-	9-	A-	B-	C-	D-	E-	F-
-0	SP	&	-	▲	■	■	■	■	{	}	\	0
-1	▲	▲	/	▲	a	j	~	■	A	J	■	1
-2	▲	▲	▲	▲	b	k	s	■	B	K	S	2
-3	▲	▲	▲	▲	c	l	t	■	C	L	T	3
-4	▲	▲	▲	■	d	m	u	■	D	M	U	4
-5	▲	▲	▲	■	e	n	v	■	E	N	V	5
-6	▲	▲	▲	■	f	o	w	■	F	O	W	6
-7	▲	▲	▲	■	g	p	x	■	G	P	X	7
-8	▲	▲	▲	■	h	q	y	■	H	Q	Y	8
-9	▲	▲	▲	`	i	r	z	■	I	R	Z	9
-A	▲	!	▲	:	■	■	■	■	■	■	■	■
-B	.	$	,	#	■	■	■	■	■	■	■	■
-C	<	*	%	@	■	■	■	■	■	■	■	■
-D	(	)	_	'	■	■	[	]	■	■	■	■
-E	+	;	>	=	■	■	■	■	■	■	■	■
-F	|	^	?	"	■	■	■	■	■	■	■	APC

　ASCIIに含まれる文字は、全て1バイトの範囲内に含まれる。
　それ以外の文字を、空き領域を用いて符号化するが、UTF-8と同様、1バイト目と2バイト目以降で重複しないように工夫されている。

---

再検索