プログラミング基礎 I

第二回 (2006年 5月 1日)

日本語など世界の文字の扱い方

http://www.sw.it.aoyama.ac.jp/2006/PB1/lecture2.html

Martin J. Dürst

duerst@it.aoyama.ac.jp, O 棟 529号室

© 2006 Martin J. Dürst 青山学院大学

目次

• XML の主な部品: XML 宣言、要素、属性
• XML での文字符号化
• 演習

先々週の宿題

自分のパソコンにソフトをインストールする:

• Opera 8.5
• notepad2 日本語版

先々週の XML の例

<?xml version="1.0" ?>
<Letter date="2006-04-17">
    <to>Students</to>
    <from>Martin</from>
    <Title>Reminder</Title>
    <Text>Please don't forget
        your homework.</Text>
</Letter>

XML 宣言

(XML declaration)

<?xml version="1.0" ?>

文字符号化の指定の場合:

<?xml version="1.0" encoding="文字符号化" ?>

バージョンが 1.0 で、符号化が UTF-8 (又は UTF-16 か別途指定の場合) の場合には XML 宣言が無くてもよい

encoding で指定したものと実際の符号化が合わないといけない!

文字の符号化

(Character encoding)

文字をコンピュータの中で表すやり方が複数ある。このやり方は(文字) 符号化という。

符号化の種類:

• US-ASCII: ローマ字と一部の特殊文字だけ。ほぼ世界全体で使われている。
• Shift_JIS (シフト JIS、SJIS): PC や MacIntosh で伝統的な日本語用の符号化
• EUC-JP (EUC): UNIX/Linux などで伝統的な日本語用の符号化
• iso-2022-jp (JIS): 電子メールなどで伝統的に使われている日本語用の符号化
• UTF-8: ユニコードに基づく世界の文字を (ほぼ) すべて扱える符号化。US-ASCII と互換
• UTF-16: UTF-8 と似ているが、US-ASCII と互換でない

括弧内は通称、encoding では必ず正式なラベルを使う (大文字・小文字は問わない)

要素

(element)

例: <to>Students</to>

• 要素は普通「開始タグ」(start tag) で始まって、「終了タグ」(end tag) で終わる
• 要素には要素名 (element name) がある
• 開始タグと終了タグの間には要素の内容がある (単なるテクストもしくは更なる要素)
• 開始タグは < と > で区切る。
• 終了タグは </ と > で区切る。

属性

(attribute)

• 要素の開始タグには要素名の後に属性が使える
• 例: date="2006-04-17"
• 属性はスペース (半角!) で区切る
• 属性名と属性値の間は = が入る
• 属性値は必ず " (もしくは ') で囲む (両側は同じでないといけない)

要素名と属性名

• 日本語も世界の他の言語の文字も使える
• 半角カナ、全角ローマ字、中点など一部の文字は使えない
• 最初の文字として数字は使えない (漢数字は大丈夫)
• 名前の中にはスペースは使えない

文字を数字で表す

XML では文字符号化と関係なくテクストのところでユニコードのすべての文字を、数字を使って表せる (要素名などを抜く)

書き方:

• 十六進数 (普通): &#xABCD;
• 十進数 (例外): &#12345;
• 十六進数は 0-9 以外にA-F (もしくは a-f) も使う
• &#x の x は小文字でないといけない
• & そのものは & で表す。他に &lt; (<), &gt; (>), &apos; ('), &quot; (") がある

演習 1: XML 文書に日本語を入れる

• 先々週作った XML 文書を「メモ帳」(notepad2 ではなく!) で開く
• 文書の一部を日本語に変更する
• 上書き保存する
• IE で確認してみる
• 一行目を次に変更:
  <?xml version="1.0" encoding="shift_jis" ?>
• IE で確認してみる

演習 2: 特殊文字の追加

• <from> のところを「Martin J. Dürst」に完成する (ヒント: 名前の書き方の「MS IME」参照)
• 「メモ帳」で上書き保存 (警告を無視)
• IE で確認してみる
• 「メモ帳」で名前をつけて保存。「文字コード」で「UTF-8」を選ぶ
  (「ファイルの種類」を「すべてのファイル」にすることを忘れないように)
• IE で確認してみる
• 一行目を次のいずれかに変更:
  <?xml version="1.0" encoding="UTF-8" ?>
<?xml version="1.0" ?>
• IE で確認してみる (上の両方を確認してみるとよい)

演習 3: 文字を数字で表す

• 演習 2 のファイルを notepad2 で開く
• notepad2 の「ファイル」→「文字コード」→「UTF-8」 (with signature ではない方!) に設定する
• <to> のところの「Students」を自分の名前に変更する
• IE で確認してみる
• 自分の名前一字一字を数字 (十六進数) で表す
  (ヒント: IME パッド→文字一覧→Unicode→CJK 統合漢字で探す。マウスで押すとUnicode: 0xABCD みたいな番号が出る。これを ꯍ として XML 文書に入れる)
  
• IE で確認してみる

演習 4: 要素名、属性名も日本語にする

• 文書を (<from> の内容以外) 完全に日本語にする
• 要素名も日本語にする
• 属性名も日本語にする
• 文書を拡張する (テクストの追加、属性の追加、要素の追加)

次回のための準備

• 今日出来なかった演習を宿題として完成する
• 出来た文書を電子的に持ってくる
  (来週の授業に電子的に提出)