2023.05.10 官報に使われる「官報文字」というものがあります。 そこには渡辺さんの「辺」の異体字が１４０文字も登録されています。 日本語の常用漢字には２１３６文字ありますが、そこには邉や邊などは入っていません。 そこでＪＩＳの第四水準までを含むJIS X 0213という標準を定め、スマホやパソコンではここまでを標準的に表示できるようにしています。 ところが我が国の戸籍で使ってもよいとされている文字はそれを遙かに超えていて、少なくとも５５，２７０文字もあります。 全ての国民の氏名をコンピュータで扱えるようになることを目指して、戸籍統一文字や住基ネット用の統一文字を網羅した「文字情報基盤」を２０１１年に策定し、それにあわせたフォントを作成し、無償で提供しています。 この「文字情報基盤」（ＭＪ）には、５８，８６２文字が含まれています。 しかし、このＭＪを全庁的に採用している自治体は、川口

タイトルで何を言ってるかわからないって？ 自分もイマイチわからないよ。 詳しく言うと、 Tomcatサーバを動かしていてサーバサイドJavaやJSPにHTML等から日本語(マルチバイト文字)をGETで投げるときに文字化けしてしまう問題 結構はまりました。 http://example.jp/foo.jsp?item=はてなこんな感じでURL内に日本語を使うとき GETで日本語を含むマルチバイト文字を送るのはあまりよろしくないが、 そのページをブックマークする可能性があったりするとどうしてもURLに対し一意なページにしたい。 じゃぁ英数字の文字列でもいいじゃん･･･ってなるけど日本語の方が見たときにわかりやすいってのはあると思う。 はじめは何も考えずに下みたいな感じでしてたけど (※HTML側もJSP側も文字コードはUTF-8) HTML側 <form method="get" action

tl;dr 先頭 8000 バイト以内に NUL が有ったらバイナリファイル。 Gitの実装 Gitの内蔵diffは FIRST_FEW_BYTES だけ検索するようになっている。 https://github.com/git/git/blob/6e0cc6776106079ed4efa0cc9abace4107657abf/xdiff-interface.c#L187 #define FIRST_FEW_BYTES 8000 int buffer_is_binary(const char *ptr, unsigned long size) { if (FIRST_FEW_BYTES < size) size = FIRST_FEW_BYTES; return !!memchr(ptr, 0, size); }

理由 SHIFT キーはキーコードを -0x20、CTRL キーはキーコードを -0x40 する機能 全文 vim-jp.slack.com の #random から。 heavenshell [10:08 AM] TouchBar MBP にしたら強制的に C-[ になるので、オススメです！ようやく矯正できた。 mattn [10:09 AM] 人間の方が最適化されている yoshitia [10:12 AM] Escが物理的にない状況用にデフォルトでCtrl-[ 用意してるのすごい mattn [10:14 AM] いや、用意した訳ではないです。 SHIFT キーはキーコードを -0x20、CTRL キーはキーコードを -0x40 する機能なのです。 なので `[` つまり 0x5b は 0x1b になる。 0x1b = ESC 同様に CTRL-H は H が 0x48 なので 0x

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 本記事は下記のtweetから始まるスレッドに触発され、@qnighyや@na4zagin3からアイディアを拝借して書いた。 i18n力が最強の国は国内に複数の言語があり、そのうちいくつかは他国でも使われている言語の方言で、1バイト文字での代替表記が困難で、歴史的にISO-2022ベースの文字コードとUnicodeと独自エンコーディングが混在していて、フリガナなどの特殊な組版規則があり、右書き左書き縦書きを併用し、 — Masaki Hara (@qnighy) 2018年8月6日 皆さんのおかげで最強のi18n国家が建設されつつある。一

Twitterを眺めていたら困っている方がいたので、お役に立てばと思ってメモ。 プロパティファイルの文字コードの設定は、ワークスペース全体の設定とは別に、こちらにあります。 ツールバーの［Window］→［Preferences］を開く 左のツリーメニューの［General］→［Content Types］を開く ［Content types:］の「Text」のツリーから「Java Properties File」を選ぶ 「Default enconding」を「UTF-8」に書き換える ［Update］ボタン→［OK］ボタン 確認 念のため、件のファイルを確認。 apache-cloudstack-4.0.1-incubating-src.tar.bz2 を解凍してインポート Eclipse classic 4.2.1 (Windows 64bit) Build id: M2012091

Windows 10に搭載されたLinuxサブシステムにおける、Windowsプログラムとの連携や日本語処理機能を検証する：Windows 10 The Latest（1/3 ページ） Windows OS上でLinuxプログラムの実行を可能にするWindows Subsystem for Linux（WSL）が正式版になった。その概要やWindowsプログラムとの連携、日本語の扱いなどについて見てみよう。 連載目次 Windows OS上でLinuxプログラムの実行を可能にするWindows Subsystem for Linux（WSL）について、今回はWindowsプログラムとの連携や日本語関連の扱いについて注目してみる。 正式版になったWindows 10 Fall Creators UpdateのWSL環境 Windows 10のFall Creators Update（以後Wi

UnicodeのUTF-16エンコーディングではほとんどの文字（コードポイント）は2バイトで表現されるが、Unicodeに後から追加収録された文字の多くは4バイトで表現される。4バイト文字がうまく扱えないプログラムというのはわりとよくある。しかし世界中で広く使われるようになった絵文字がよりによって4バイト文字であるせいで、そのような文字が扱えない問題がよいペースで解決に向かいつつある。それについて少し説明してみようと思う。 Unicodeが80年代から90年代初頭にかけてデザインされたときの目標の一つは、Unicodeに含まれる文字数を65536個以内に収めることだった。現代の文章を実用的なレベルで表すためには、漢字などを含めてもそれだけの種類の文字があれば十分だと考えられたのだ。当然これは1文字を2バイトで表すことを念頭に置いていた。つまりコンピュータの揺籃期から当時に至るまで単純に英語

さよならレガシーエンコーディング。 文字エンコーディング宣言が存在するかどうかにかかわらず、文書のエンコードに使用される実際の文字エンコーディングはUTF-8でなければならない。 4.2.5.5 文書の文字エンコーディングを指定する - HTML Standard 日本語訳 Require utf-8 when specifying character encoding by sideshowbarker · Pull Request #3091 · whatwg/htmlにより、HTMLで使用できるエンコーディングはUTF-8のみとなりました。これにより、古いHTMLでは許容されていた、Shift_JIS、ISO-2022-JP、EUC-JP、UTF16LEといった文字エンコーディングは適合するHTMLではなくなりました。すでにNu Html CheckerでUTF-8以外の文字エンコー

日本語を含むZIPファイルを圧縮したのと違うのOSで解凍する際、文字化けが発生することがあります。 以下調べた対処法を書いていきます。 Windowsで圧縮したZIPをMac、Linuxで解凍する場合、逆にMac等で圧縮したZIPをWindowsで解凍する場合の両方で文字化けは起こりえます。 原因 Mac、Linuxではファイルを圧縮する際ファイル名をutf-8でエンコードするのに対し、Windowsではファイル名をCP932(Shift_JIS)でエンコードするのが原因。 ZIP (ファイルフォーマット) - Wikipedia 対処法 Mac,Linux→Windows Macで作られたファイルをWindowsで開く場合 Windows標準の解凍機能を用いる場合、修正プログラム( http://support.microsoft.com/kb/2704299/ja )を使うことでWin

こんにちは。今回のテーマはFAT32フォーマットのHDDやUSBドライバの文字化け対処法です。ファイル名が文字化けすると結構焦ります。最近はWindowsとLinux間でのクロスプラットフォームなデータのやり取りも珍しくなくなってきているので、ディストロやデスクトップ環境は文字コードを意識しなくても済むようになっています。それだけに突然起こるファイルの文字化けは対処法に困ったりするものです。 【関連記事】 Linuxで文字コードを変換する方法 CASE 1：Windowsで使っていたUSBメモリのファイル名がLinuxで文字化け 原因はフォーマット形式とマウント時のオプション USBメモリのフォーマットはデフォルトでFAT32が主流であり、WindowsはFAT32にファイル名を書き込む際にShift_JISにエンコードするため、日本語文字コードがUTF-8やEUC-JPのLinuxでは文

ご利用に関する諸注意 本サービスは smkn (From kiki verb) によって、”現状のまま” 提供されるものとします。本サービスについては、明示黙示を問わず、商用品として通常そなえるべき品質をそなえているとの保証も、特定の目的に適合するとの保証を含め、何の保証もなされません。事由のいかんを問わず、損害発生の原因いかんを問わず、且つ、責任の根拠が契約であるか厳格責任であるか (過失その他) 不法行為であるかを問わず、smkn (From kiki verb) も寄与者も、仮にそのような損害が発生する可能性を知らされていたとしても、本サービスの使用から発生した直接損害、間接損害、偶発的な損害、特別損害、懲罰的損害または結果損害のいずれに対しても (代替品またはサービスの提供; 使用機会、データまたは利益の損失の補償; または、業務の中断に対する補償を含め) 責任をいっさい負いません

WindowsとMacでリポジトリを共有していると、日本語ファイル名の問題が出てきます。「ボタン.png」のようなファイルがあった場合、Windowsのファイルシステムでは「ボ」はひとつのコードポイントとして扱われますが、Macのファイルシステムでは「ホ」と「゛」が分解されます。 これは、Unicodeの結合文字に対する正規化の扱いが、OSのファイルシステムごとに異なるということです。 これによって、Gitを使ってWindowsで「ボタン.png」をコミットし、Macでそのコミットを持ってくると、「ボタン.png」を削除して「ホ゛タン.png」を追加するような動作になるのです。 この問題を解決するために、Mac OSでのGit実装には、core.precomposeUnicodeという設定があります。configファイルで以下のようになっていた場合、 [core] … precompose

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

Visual Basicでは、BASIC時代からずっとですが、アルファベットの大文字と小文字を区別しないことは皆さまもご存知かと思われます。 で、実は、大文字小文字だけじゃなくて、半角全角も区別しないという。以下のコード、コンパイルして実行することもできるし、Visual Studio上ではちゃんと、Ｍｏｄｕｌｅとかの部分が青色(キーワードの色)で表示されます。 Ｍｏｄｕｌｅ Module1 Ｓｕｂ Main() Ｄｉｍ x = 10 Console.WriteLine(x) Ｅｎｄ Ｓｕｂ Ｅｎｄ Ｍｏｄｕｌｅ まあ、今のVisual Studio上では、全角文字でキーワードを打つと、自動補完で打ったそばから半角CamelCaseに変換されていくんで、自動補完に直されるたびにCtrl+Zで元に戻したりしないとこのソースコードを作れなかったりはするんですが。 もちろんRoslynでもいまだ

全角空白（スペース）を見せるとプログラマーは死ぬとか発狂するとか言われることがありますが、この Unicode 時代に、whitespace として扱う空白をいわゆる半角空白（U+0020）のみに限定する必要性って少なそうですよね。実際に、全角空白（U+3000）もコード中の空白や区切り文字として使えるプログラミング言語をまとめてみました。 C# whitespace に「Any character with Unicode class Zs」が含まれています。 whitespace:Any character with Unicode class Zs Horizontal tab character (U+0009) Vertical tab character (U+000B) Form feed character (U+000C) C. Grammar (C#) Clojure

In Visual Studio 2022 17.10 Preview 2, we’ve introduced some UX updates and usability improvements to the Connection Manager. With these updates we provide a more seamless experience when connecting to remote systems and/or debugging failed connections. Please install the latest Preview to try it out. Read on to learn what the Connection ...

はじめに 二人を最初から一つにしておけば、何も問題など起こらなかったのだ。 一つのものを二つに分けたその時から、長い物語が始まる。 おや？また会いましたね。どうも、文字コードおじさんです。 もう半年近くも前になりますが、前回の投稿はだいぶ反響があったようで驚いております。ありがとうございます。 今回も文字コードネタですが、Unicodeにおける結合文字列を取り上げてみようと思います。 高度に発達した文字コードは地獄と見分けがつかない 次の画像はTwitterの投稿フォームですが、おかしな点があります。わかりますか？ そうです。4文字しか入力していないはずなのに 5文字分とカウント されていますね。おかしいと思いませんか？あなた？ 改行とかスペース入れてるんじゃねーだろうな？とか言わないで下さいね？ さらに次の画像を見てみてください。 こちらは4文字とカウントされていますね。先のものとは一体