Windows 2000上でのUTF-8のページの作り方

目次

なぜ、UTF-8なのか？

アクセント記号付き文字

多言語表示

補助漢字

JIS X 0213

テングワールとキアス

IPA発音記号

UTF-8NとUTF-8とBOM

• エディタ等で変換するときのエンコード方式はUTF-8NでBOMなし、
• httpレスポンスやmetaヘッダのcharsetsはUTF-8、

どうやってUTF-8を使うか？　エディタとオーサリングツール

SimpleMemo

　Shift-JISのページは秀丸エディタ（その秀丸エディタがunicodeサポートするようになりました。）で作っているので、同様なエディタを探したのですが、まずみつかったのがJava 1.1.4を前提にしている大げさなエディタでした。
　ところが、このエディタは「～」も知らない大間抜けで、そのことをメールで指摘すると「～はJISコードにないので、JREはサポートしていないようです。」なんてとぼけた返事がきました。JISコード表も持たずに仕事をされているようです。もちろん、JIS X 0208にはちゃんと「～」が「符号表上の位置」1-33に載っています。Shift-JISからの変換をしても、「～」が？になります。また、語尾のσも？になります。
　Java 1.2では「～」は表示できるようになりましたが、UTF-8についてはLatin1のアクセント付き文字もアクセントなし文字にしてしまう「仕様」なんで使い物になりません。
　マイクロソフト社のCommand-line Loader for Javaを前提にして動かすと一応、アクセント記号付き文字は表示できました。ただ、非常に不安定で、私的 児童文学作家事典〔海外編〕訳者名索引　ナ行を編集しようとしたらひっくりかえりました。また、DOS窓が開く上にとても重いです。
　信じられないのでしょうが、この「仕様」の「HTMLエディタ」をフリーソフトで配布しているのではなく、売られているそうです。確かめたい方はMediaKobo Corp.からどうぞ。

xyzzy

　亀井 哲弥さんのエディタです。（ツール）－（共通設定）の（フォント）でASCIIにCourier New、日本語にMS 明朝を指定すると高橋の希望するUTF-8コードはIPA発音記号以外は表示出来ました。2000年4月17日の0.2.0.137以来IPA発音記号も表示できるようになりました。表示出来ないコードも？にしたりしません。
　インストールも簡単だし、UTF-8を自動認識するし、動作も早いし、現在一押しです。
　コード変換して保存するときは、Unicode(UTF-8N)を選びます。
　Unicode指定による文字入力ができます。

Meadow

　かの有名な「マルチリンガルエディタ」ですが、標準ではUTF-8に対応していません。.emacsというファイルにいろいろと設定が必要です。そこまでしても、

• Aprotool TM Editorの様なunicodeベースのエディタでなく入力時に変換しているだけなので、unicodeでのコード入力はできません。
• また、他のコードの対応のはっきりしないコードやMeadow側でコードのないIPAコードの一部等も入力できません。変則的だが、SIL IPAフォントで使っているU+008FとかU+0090は、編集すると「？」になってしまいます。これは表示だけでなく実体を変えてしまいます。

UniEdit

Aprotool TM Editor

　前寺正彦さんのAprotool TM Editorだとこれまで書いたことはすべてできました。ただしシェアウェア。Windows 2000環境ですと「オプション」－「フォントの設定」で「MS 明朝」と設定すると補助漢字もアクセント付き記号も語尾のσもちゃんと表示してくれました。拡張文字のコード入力もできますし、文字介入力でコード表からのコピーもできます。3.10から文字コードの自動認識と「編集用補助行番号」として、改行を数える行番号が追加されました。
　ファイル変換後の保存時の文字コードはUTF-8 Normalを選びBOMボックスをチェックしないようにします。
　Unicodeによる文字指定が可能です。

JVim 3.0(Japanized Vim)

　土田 健一さんが、「viクローンのエディタ Vim 3.0 を、小笠原博之さんの簡易日本語化パッチを元に、中村敦司さんの Vim 2.0 のパッチをマージしてOnewメイリングリストの方々の協力の元、日本語化したもの」です。
　残念ながらフォントの設定がいじれなくて、JIS X 0208(JISコード)以外の字は？になって表示できません。？にしたのは一部は実体も変えてしまうのでご用心を。

Windows 2000メモ帳

　UTF-8を自動認識しますし、これまで書いてきたことも全部できました。また、100kBくらいまで編集できるのでたいていのページを編集できます。フォントはデフォルトのFixedSysでもたいていの文字が表示できますが、それで見えない字は、MS ゴシックにしてみましょう。ただし、BOMという識別子を先頭に追加してしまいます。これはメモ帳自体では取り外せないので、注意が必要です。秀丸でShift-JISとして開き、最初の２文字を削除すればいいのですが。

akira21 1.00.5

　UTF-8を自動認識します。ただしシェアウェア。akira32からakira21になり、Unicodeベースにしました。
　変換したときのファイル保存時はUTF-8を選び、「BOMを付ける」をチェックしないようにします。残念ながら現在サポート頁が見当たりません。

EmEditor 3.05

　これまで書いてきた文字はすべて変換できました。ただしシェアウェア。UTF-8も自動認識するようになりました。
　変換したときのファイル保存時はUTF-8を選び、「Unicodeサイン(BOM)を付ける」をチェックしないようにします。

秀丸エディタ 3.08 β1

　3.06から本格的にUnicodeをサポートしました。これまで書いてきた文字はすべて変換できました。ただしシェアウェア。UTF-8を自動認識するとありますが、（その他）－（動作環境）の「文字コードの自動認識をする」をチェックする必要があります。UTF-8で保存するとBOMは付けません。
　3.07ではロシア文字が未サポートで更新すると文字化けになります。
　3.08 β1で訂正されました。

Ziro 0.115β

　Windows 2000専用ですが、これまで書いてきた文字は全部変換できました。UTF-8のBOM付きしかサポートしていません。現在、UTF-8の自動認識はありませんが、（ファイル）－（開きなおす）でエンコード方式が簡単に切り替えられます。行番号も「エディタ的」です。また、HTMLエディタとしてもタグの色つけなどが出来ます。残念ながら現在サポート頁が見当たりません。

Netscape Composer 4.7

　Shift-JISで作ったページを読み込み、UTF-8への変更を指示すると一応コードは変更されます。ギリシア文字もロシア文字も変換するようですが、「～」がちょっと変な字になり、なんと、Internet Explorerで見ると「豆腐」になる文字に変換してしまいます。他の文字の変換をあわせて、この関係を文字の変換についてにまとめました。
　htmlの文法エラーが出過ぎる上に、相対指示してあるファイル参照をfile://に変えてくれたりなかなかお茶目です。

Netscape Composer 4.72

　Shift-JISとUTF-8の変換がFrontPage Expressと同じになりました。

Windows 2000用　Mozilla Composer 1.6

　文法エラーを作るのがかなり減ったようです。まだ、ちょっと不安定ですが。

• tableに空のセル<td></td>を書くとおせっかいに<td><br></td>としてくれる。
• SIL IPAフォントが使えない。

MS Word97

• doctypeというタグを地の文にしてしまう。
• spanタグを知らない。
• キリル文字の一部が「豆腐」になる。
• fontタグが山のように付く。

MS FrontPage Express 2.02.1108

MS FrontPage Express 2.02.1131

MS FrontPage 2000 4.0.2.3821(SR1)

• テーブルをいじっているときに何かのはずみにtableタグやtdタグにheightやwidthを付けてしまい、Another HTML Lintに怒られるだけでなく、セルが狭くなり過ぎて内容が読めなくなる。
• テーブル操作で、rowspanで行を繋いでいるとその上の行を削除したとき不正なテーブルにしてしまう。
• テーブル操作で列の移動挿入もまともに動かない。
• ソース上で行末に不要な空白が付く。

Tango Creater 3.1.1

• JIS X 0212-1990(JIS補助漢字)はサポートしていません。
• JIS X 0208(JIS漢字)の範囲でもUTF-8に出来ない文字があります。各ツールでのUnicodeの見え方を参照ください。
• CSSは未サポートです。
• それ以上の詳細は、入力機能が試用版では制限となっているので不明です。これでエディタの何を試用しろというのでしょう。(^_^;
• この機能の不備について問い合わせたのですが、エンハンス予定もないそうです。

エディタとオーサリングツールのまとめ

• JIS X 0212：JIS補助漢字のサポート。
• 拡張ラテン：アクセント付きアルファベットのサポート。
• IPA：IPA発音記号および補助記号のサポート。Unicode 2.1の範囲でサポートしている場合に○としました。Unicode 3.0で追加された文字はフォントがなくて使えませんが、xyzzyやAprotoolはサポートしています。
• サポート外の文字：ラテン文字はアクセント記号無し文字にしたり、その他の文字もサポート外でも非表示にするだけでなく？等の別の字に変えられるものがあります。
• 自動認識：UTF-8を編集時に明示的に指定しなければならないか、自動的に他のエンコーディング方式かどうか判別してくれるかを示しました。△は失敗することもあるのを示しています。
• 行番号の表示：シンタクスチェックを掛けたときにエラーの行をすぐに見つけるには、折り返しを無視した改行だけを数える行番号の表示（秀丸でいう「エディタ的」）があると便利です。
• Unicodeによる入力:Unicodeが分かっている場合の文字入力でコード入力が可能かを示しています。

便利なツール

charmapx

UTF-8ページの作成手順例

1. まず、Shift-JISで日本語の部分を作っておき、xyzzyでUnicode(UTF-8N)を指定して保存して、UTF-8に変換します。ロシア文字、普通のギリシア文字も変換してくれます。UTF-8をサポートしていないユーザーエージェントや全文検索エンジンのためにShift-JISのページも残します。
2. ギリシア文字の語尾のσの様にShift-JISコードにない文字をCharamapx等で見つけて貼り付けます。ここで、（編集）－（クリップボードエンコーディング）をUTF-16にしておきます。毎回指定するのが面倒な場合、xyzzyの下のsite-lispディレクトリにsiteinit.lと言うファイルを作り、
   (setq-default *clipboard-char-encoding* *encoding-utf16*)
   と書いておくと便利です。また、Windows系のキーボードマッピングの方が使いやすい方は、「ビル・ゲイツの犬」といわれることを覚悟して、
   (load-library "Gates")
   も追加しておくと便利です。これらの操作の後は、xyzzyフォルダの下のxyzzy.w2kを削除してxyzzyの再起動してダンプをやり直します。
3. C q(CTRLキーを押しながらqキーを押す)とするとUnicodeを直接指定することも出来ます。
4. 補助漢字については、Windows 2000のフォントでも「ＭＳ 明朝」等でないと表示できないので、スタイルシートかfontタグで指定しておきます。ただし、日本語によるフォント指定は、Netscape Navigator(4.7x以前、以下同様)を混乱させるので、スタイルシートにして@importでInternet Explorerだけに見せるのがお勧めです。つまり本文は、
   <head>
   　　　・
   <style type="text/css"><!--
   @import url(./ie.css);
   --></STYLE>
   </head>
   　　　・
   　<span class=min>補助漢字の文字</span>
   としておいて、ie.cssというファイルをUTF-8で、
   .min { font-family: "ＭＳ 明朝"}
   と書いておきます。
5. Netscape Navigatorは、unicodeでも、cssにせよfontにせよ日本語の名前のフォント指定を無視しますので、(Edit)-(Preference)のフォントで「ＭＳ 明朝」を指定して、文書全体のフォントを変更するように「お願い」を書いておきます。実は、フォント指定だけをShift-JISで書けばうまく行くのですが、もちろんInternet Explorerでは読めません。
   
6. 逆にJISコードにあるギリシア文字やキリル文字を「ＭＳ 明朝」で表示すると幅が広くて格好が悪いので、Times New Roman, Garamond, Bookman Old Style, Tahomaとフォントを並べて見ました。ただし、Netscape Navigatorは日本語に対する英字用のフォント指定を無視します。Mac版のNetscape Navigatorはさらに悪いことに日本語に対して英字用フォントを指定すると「豆腐」になります。これを逃げるために、Internet Explorerしかサポートしていない、@importで取りこみを指定したファイルにこのフォント指定を移します。（これはInternet Explorer 5になり、UTF-8のhtml文書の中で文字によってフォントを選んでくれるようになったので意味がなくなりました。）
7. これはUTF-8に限りませんが、<head>と</head>の間に次のタグを入れてエンコーディング方式を指定しておかないと文字化けするようです。正式にはhttpヘッダで指定しますが、ダウンロードした後に参照すること等を考えると書いておいて悪いことはないでしよう。
   　<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=utf-8">
   
8. UTF-8に限らずHTML文法のチェックは、99/7/15以来UTF-8もサポートしたAnother HTML-lintで行うことをお勧めします。ローカルに使う方法はAnother HTML-lintをWindows 2000で動かす(l)を参照ください。

ユーザーエージェント(ブラウザ)の仕様

Windows 2000用　Mozilla 1.6 Netscape Navigator 6.0

Windows95/98用　Internet Explorer 4.01SP1

Windows95/98用　Internet Explorer 5

Windows 2000用　Internet Explorer 5

Windows 2000用　Internet Explorer 5.5

Tango 3.1.1

• JIS X 0212-1990(JIS補助漢字)はサポートしていません。
• JIS X 0208(JIS漢字)の範囲でもUTF-8に出来ない文字があります。各ツールでのUnicodeの見え方を参照ください。
• CSSは未サポートです。
• この機能の不備について問い合わせたのですが、エンハンス予定もないそうです。

Opera 6.05

実施例

規格

RFC 2279 UTF-8, a transformation format of ISO 10646

Unicode Consortium

文字の変換について

• FrontPage Express 2.02.1131
• Netscape Composer 4.7
• Netscape Composer 4.72
• Mozilla 0.8, Netscape Navigator 6.0
• xyzzy 0.2.0.177
• Aprotool TM Editor 3.09
• Meadow 1.10 + Mule-UCS 0.82
• JVim 3.0
• Uniedit 1.3(1998)
• EmEditor 3.05
• 秀丸エディタ 3.08 β1
• akira21 1.00.5
• Ziro 0.115β
• J2SE RE 5

　また、それぞれの出力するコードと伊藤隆幸さんと川俣晶さんが指摘されているUnicodeが各ツールでどう見えるかを示しました。Windows 2000上でフォントをMS 明朝に指定して確認しました。「双柱、平行」に対してNetscape Composerの出力する「小さい黒四角」はNetscape Composerで見てもそうなります。(^_^;また、実際UTF-8でのコードがどうなるか分かるようにWindows 2000上の各ツールの出力するUnicodeも用意しました。
　U+2016については最初「豆腐」になったのですが、少し間隔の狭い「双柱、平行」になりました。中文フォントのMingLiuやMS SongやMS Heiで表示できているようです。簡体字中国語か繁体字中国語のサポートを組み込むと見えるようになるようです。

　ここで、Unicodeのそれぞれの文字の説明はUnicode ConsortiumのUnicode 3.0 Code Chartsを参照しました。

全文検索エンジンのサポート状況

• goo
  「IPA発音記号の一覧」の検索結果にUTF-8の頁もありちゃんとコード変換もしていました。

• Google
  「IPA 発音記号の一覧」の検索結果にUTF-8の頁もありちゃんとコード変換もしていました。
• infoseek
  「IPA発音記号の一覧」の検索結果にUTF-8の頁もありちゃんとコード変換もしていました。
• excite
  「IPA発音記号の一覧」の検索結果にUTF-8の頁もありちゃんとコード変換もしていました。
• msn Search
  「IPA発音記号の一覧」の検索結果にUTF-8の頁もありちゃんとコード変換もしていました。

参考文献

文字コードの話

文字コード問題を考える

シフトJISからUnicodeへの変換テーブルの相違

紹介いただいているページ

• エムソフト ホーム ページ
• jme 漢字コード変換プログラム　莎華さんのUTF-8を含む漢字コード変換プログラムの頁です。

ホーム(x)