http://ja.wikipedia.org/wiki/%E5%85%A8% ... A%E8%A7%92
全角は漢字を含む２バイト文字、半角は英数字記号とｶﾀｶﾅの１バイト文字という意味で使っていましたので、ここでの呼び方は２バイト文字と１バイト文字に統一します。
さて、文字列に中身に挑む第２弾です。
先程の文字列は１バイト文字の集まりでした。
１バイトで表せるのは0x00～0xFFの２５６種の文字だけですよね。
でも漢字とか普通に扱ってません？
漢字の文字種なんて何千種類もありますよ。足りませんよね？
って事で、その秘密がシフトＪＩＳです。
シフトＪＩＳは、英数字記号とｶﾀｶﾅは１バイトで漢字などの全角文字は２バイトで文字を表現しましょう。って文字コードの規格です。これ以外にも文字コードの規格はＥＵＣやらＵＴＦ－８やら色々あるのですが、今回関係あるのはWindowsのＣ言語で主につかわれるシフトＪＩＳに付いて解説します。
「シフトＪＩＳ」
http://ja.wikipedia.org/wiki/Shift_JIS
で、問題なのは１バイト文字なのか２バイト文字なのかの判断です。
なんせ、そのままだと1バイト文字コードが並んでいるだけにしか見えませんので、文字コードを見て１バイト文字と２バイト文字を自動判断出来ないといけません。
シフトＪＩＳはwikipediaに書かれたとおり、１バイト文字で使わない文字コードを使って２バイト文字文字に拡張するって仕組みを持っています。つまり１バイト目がある特定の文字コードの場合は続けて２バイトも文字コードとして扱うって仕組みです。
これは、１バイト目が0x81～0x9Fか0xE0～0xFFである場合は２バイト文字として扱うことで漢字までを扱えるような文字コードに拡張しようって裏技的なテクニックなんですね。
「シフトJIS キャラクタコード表」を見てもらえば漢字の１バイト目が特徴的なのが分かると思います。
http://www.tamasoft.co.jp/ja/general-info/sjis2.html
今回のウィンドウ・システムでは、関数で１バイト目が0x81～0x9Fか0xE0～0xFFで判断して２バイト文字か１バイト文字かを判断します。
これは、メッセージ出力で一文字づつ出力する必要があるので２バイト文字か１バイト文字かを判断しないと表示できないためです。
じゃあ、またまたテストコードです。
#include
#include
#include
#include
void hexDump(char *str)
{
int i;
unsigned char *bstr = (unsigned char *)str;
// 文字列をそのまま出力
printf( "%s", str );
// 文字列を１６進ダンプ
for( i=0 ; str[i]!='\0' ; i++ ) {
// ２バイトコード文字コード？
if( ( 0x81<=bstr[i] && bstr[i]<=0x9F ) ||
( 0xE0<=bstr[i] && bstr[i]<=0xFF ) ) {
// ２バイト文字コード
printf( "%02X%02X ", bstr[i],bstr[i+1] );
i++;//１バイト余分にすすませる。
} else {
// １バイト文字コード
printf( "%02X ", bstr[i] );
}
}
printf( "\n" );
}
int main()
{
int a;
char *str1="abc\n";
char *str2="ａｂｃ\n";
char *str3="ｱｲｳアイウ\n";
// そのまま１６進ダンプ
hexDump(str1);
hexDump(str2);
hexDump(str3);
(a=-999) + (rand()%1999);
_getch();
return 0;
}
- EASY-RPG_con2.png (61.82 KiB) 閲覧数: 2869 回
次回は、禁則処理とプロポーショナルフォントです。
メニュー
カレンダー
Clock
最新メンバー
投稿数
統計データ
Link to us
カウンター