基本编用语说如明13.pptVIP

基本編の用語説明　その２エディタと日本語入力 エディタ エディタ(editor)：文書を作成、編集するアプリケーションソフトウェア 教育用計算機システムのエディタは、　　　　テキストエディット 基本的な編集方法はここ カーソル：文字が入力される位置を表している目印 カッペ、コピペ 検索と置換 編集結果の保存 文系のみなさんには興味はないだろうがemacsというエディタもある さて、いよいよ日本語入力だが。。。 文字コード： 　コンピュータの内部　?対応?画面やキーボードで見える文字 　　（2進数で表現）　　　文字コード　　（人間に読める：フォント） フォント：画面にみえる字の形 Unicode: 世界の主な文字を文字集合として 16ビットの文字コード詳しくはここ アスキーコード：7ビットで英数字を表す文字コード ビット：2進数1桁のこと。計算機で情報を表す最小単位 漢字コード：漢字は8ビットでは表現できないので、16ビット以上使うコードになる ShiftJIS(SJIS), EUC, JISなどが混在。　　　 これらのコードが混在した状態でいったいどうやって文字コードを認識するのだろうか？　　　　　　　　　 ISO 646 (ASCII) 文字セット MacOSでの日本語入力はここ 全角と半角 半角カタカナや全角英文字は避けましょう。 ここから先は難しいので、根性の無い人は、これ以上進んではいけません：コードの歴史 ASCII(American Standard Code for Information Interchange) ? ANSI ISO 646 = 95文字のラテン文字 アルファベット＋数字＋特殊文字 制御コード：　LF, CR などの表示制御と　　　ACK,DEL などの通信制御　、など JISX0201ではASCIIの特殊文字の一部が異なる（￥の使用など） 日本語コードの話 1バイトでは最大２５６文字 字種の多い言語では多バイトコード 1バイトコードで事足りる欧米言語と多バイトコードが必要なアジアの言語とのバトルグランド 文字コードのような基本的情報インフラの標準化は社会への影響莫大 ISO2022 エスケープシーケンスにより文字を拡張するための各種のメカニズム 各国のISO646　（アメリカならASCII、日本ならJIS X 0201）　を別個の文字集合として指定し切り替えて使える。 ちなみに西ヨーロッパの文字では、ISO8859/1 ISO2022　エスケープシーケンス ＪＩＳコードの歴史 ＪＩＳＸ０２０８（１９７８）　当時はＪＩＳＣ６２２６　カタカナ（いわゆる半角カタカナ）および全角英字はいまや無用の長物ないしは有害 半角カタカナと全角英字は97JISでは使わないことに決めた シフトＪＩＳ 78JIS　?　83JIS　? 90JIS ? 97JIS 内部状態を持つ文字コードと持たない文字コード 1バイトコードのASCIIは内部状態なし ２バイトの内部状態なしコードを目指したのがユニコード エスケープシーケンスのある文字コード ISO2022 に則るコードは内部状態を持つ。 内部状態を持つと何がまずいのか？ JISコードにおける漢字 78JISの第１水準　２９６５文字＝都道府県　　　　　名、市町村名を全て記述できる。　　　　　　第２水準　３３８４文字 JISX 0212 の補助漢字　５８０１文字 日本語ＥＵＣ Unixで常用される2バイトコード 第1バイト最上位ビット＝０ ? JIS X0201（ASCII対応部分） 第1バイト最上位ビット＝１　かつ第2バイト最上位ビット＝１　? JIS漢字 第1バイト＝8E かつ第2バイト最上位ビット＝１ ? JISカタカナ 第1バイト＝8E かつ第2バイト最上位ビット＝１かつ第3バイト最上位ビット＝１　? JIS補助漢字 上位ビットを見るだけで字種を判別できる シフトＪＩＳ ＪＩＳＸ０２０８で使用していない文字を漢字の1バイト目に使う。すなわち、 1バイト目、 最上位ビット＝0 ?JIS X0201(英数字など ASCII対応部分） 最上位ビット＝1 ?JISカタカナ #x81-9F（JIS X 0201では未使用）, E0-EF（ISO2022の制御符号部分） ?漢字 2バイト目は#x40-EF 合計２４５７６文字 台湾、中国、韓国版として　Big5, GBK,UHC 漢字の形 「包摂」　とは　異なる字形を同一視の基準のこと。　例えば、「高」や「富」や「国」のふたつの字形など そもそも字形のぶれをきちんと定義できるのか？ 計算機技術によって解決できる種類の問題？ 文字と文字コードと字形の関係 情報検索という目的だとどうなるか 人名を