INASOFT 管理人のひとこと

■『禰󠄀豆子』に含まれる特殊な文字コードを自前のシステムで扱えるか確認

先日Twitterで、

という話を目にしました。

ソフトウェアの対応というのは結構大変です。Windowsの標準コンポーネントを使っている場合は、とりあえず入力と表示は問題なくできます（そこから文字列を取り出して扱おうとするのはさておき）。ただ、エディタのような、独自に入力と表示を行う仕組みを持つ場合は、大変です。「竈門禰󠄀豆子」の表記は、手元にあるソフトでは、メモ帳では表示できますが、サクラエディタでは表示できませんでした。

さて、自前で作成した、この「管理人のひとこと」のシステムで扱えるのかな？ということが気になりました。

この「管理人のひとこと」システムの背後には、さくらインターネットで準備しているデータベースが控えており、そこの文字コードをきちんと設定したっけ？ということが気になりまして。

いちおう手元の環境(PCとスマホ)では、正しく表示されているように見えるので、どうやら正しく設定されているようですね。

ちなみに、『禰󠄀豆子』は、内部的にはUTF-8で「E7A6B0EDAD80EDB480E8B186E5AD90」と表されるようです。

禰󠄀だけバイト表現が長いのは、この異体字セレクタというやつのせい。禰だと「E7A6B0」になります。

ちなみに、
煉󠄁 ＝ E78589EDAD80EDB481（煉＋異体字セレクタ）
辻󠄀 ＝ E8BEBBEDAD80EDB480（辻＋異体字セレクタ）
です。

他にも、文字コード上、扱いが特殊になる文字と言えば、以前(2014年)にも、𡈽[F0A188BD：UTF-8で4バイト]、𠮟[F0A0AE9F：UTF-8で4バイト]であったり、絵文字（✌[UTF-8でE29C8C]など）を扱えるかの実験も行いましたっけね。この先のネタで、ヒエログリフ(𓈍[UTF-8でF093888D]など)も扱う予定。

また、かつてShift-JISを多用していた時代には「表」(SJISで955Cとなり、文字コード0x5Cが登場する^※）が正しく扱えるかというのもありましたっけ。

※0x5c(\) …… 一部プログラミング言語でのエスケープ文字として扱われたり、Windowsでのディレクトリ区切り記号として使われるため、例えば「表」を含むファイル名をうまく扱えないソフトウェアが存在した。

【追記】製作・公開しているアプリケーションの方だとどうだろう？

基本的に、Windows NT以降では、アプリケーションがUTF-16対応して、かつ、OSの機能に頼り切って作っていれば、だいたいなんとかなるようですね。

NTFSがUnicodeの範囲内の文字なら大体ファイル名として使えるとあって、禰󠄀豆子だろうが絵文字だろうがヒエログリフだろうが、ファイル名になる…ということは、アラームを鳴らすためにwavファイルを選択できるようにしたアプリケーションも、禰󠄀豆子や絵文字やヒエログリフを扱えることが求められます。

なので、アラーム機能を持ち、wavファイルを選択することができる「マウスのお供」は、禰󠄀豆子や絵文字やヒエログリフへの対応が求められます。OS機能に頼り切りの「マウスのお供」なら、上記の通り、無事に扱うことができていました。

この条件を満たさない、初期の頃の疑似シリーズや、「いじくるつくーる」「すっきり!! デフラグ」は、多分、禰󠄀豆子や絵文字やヒエログリフは扱えないだろうなと思われます。