蜥蜴と表計算と白血病：	- 日本語の憂鬱 -		1997.Dec.6-1998.Jun.13

　また昔話をしよう。ちょっと以下を見てね。

C:\NET\TST> crt -a
 ** 0 1 2 3 4 5 6 7 8 9 A B C D E F
 20   ! " # $ % & ' ( ) * + , - . /
 30 0 1 2 3 4 5 6 7 8 9 : ; < = > ?
 40 @ A B C D E F G H I J K L M N O
 50 P Q R S T U V W X Y Z [ \ ] ^ _
 60 ` a b c d e f g h i j k l m n o
 70 p q r s t u v w x y z { | } ~

C:\NET\TST> copy con tt.txt
CON => C:\NET\TST\TT.TXT
蜥蜴
表計算
白血病
^Z
     1 file(s) copied

C:\NET\TST> debug tt.txt
-d
15A2:0100  E5 92 E5 8E 0D 0A 95 5C-8C 76 8E 5A 0D 0A 94 92   .......\.v.Z....
15A2:0110  8C 8C 95 61 0D 0A      -                          ...a..
-q

　　ちなみにcrt.comはIBM-PC、Video BIOS int10hを使って00-FFまでのキャラクタを
　表示する(他にも色々できるけど)ツール。一度NiftyにUpしたけど、その後バージョン
　アップしたし、フォーラムも分裂したから今もあるのかは不明。
　　少なくとも最新版は私の手元にしかない。どこに出したとて、今更意味はないという
　のが非公開の理由(欲しい、というメールが来れば出しますけど？)。

　　まぁその。crt -aすると本当はもっと出力されるのだけど、ブラウザが発狂しても
　申し訳ないので危なそうな出力は削除してますってこと。debugのコマンド表示に
　しても然り。

　　…え？debugなど起動したことがないって？あう。
　　でも想像力ってものがあるでしょ？で、何をやってるかは明白でしょ？

　　んでと。分かる人はもうとっくに分かっていることでしょうが、何が怖いって、
　日本語なのです。老獪なプログラマ(私は、その域に達してないと思うけど)が漢字や
　半角カナのファイル/フォルダ/ディレクトリ名を蛇蝎のごとく嫌う、というのには
　理由があります。

　　debugのダンプリストを真面目に見て欲しい。E5ってあるでしょ？
　「はぁ。確かに。それが何か？」
　　あのね。Formatした直後のFDを*物理的に*読むと何が読めると思ってるの？
　それはE5なのよ。
　　つまり、蜥蜴.txtってのは、文字が20-7Fであると確信しているASCii諸国のOSに
　取ってはFormatしかしてない、無効データ領域であると判断されかねないという
　ことだ。
　　実際、どこかの(今更指摘してもしょうがないので名を伏せる)メーカのMS-DOS
　では蜥蜴.txtが作れなかった、という話がある。先頭文字がE5なもんで、有効な
　ファイル名であると判断されなかったのだ。

　　一方「表計算」は、ってこいつの場合5Cが問題なのだ。先のダンプリストだが、
　あ、もちろん改行を意味する0D 0Fは無視して眺めるのだよ。
　　ASCii文字で5Chと言えば'\'。つまり、そーなんです。「表」という文字はS-JISを
　理解できるアプリに取っては1つの漢字文字だが、そうでないアプリに取っては'\'
　というパスの区切り文字を含んでいる、ということだ。

　　英語なMS-DOSで「type 表計算.txt」とやって、「そんなディレクトリはねぇぞ」
　と言われたトラウマがあると、ピンと来る人も(希に)いるかもね。
　　英語版LapLinkで日本語のファイルを転送してパニックした、という人もいる？
　(英語版なDOSに何故そんなファイル名がある？という疑問を持った方は健全な
　 思考をしています。でも昔はそういう状況が平気で起こせたのです)

　　さて。「白血病」。これが提示する問題は前者2つとはちと違う。debugのダンプ
　を眺めて欲しい。8C 8Cと続くだろう？つまり、S-JISな文字列というのはある
　バイトを見てそれが漢字の1 byte目か2 byte目か、という判断が不可能なのである。
　　中途半端な日本語処理をしてるとここでひっかかる。
　　S-JIS文字列は基本的に後ろからは処理できないのである。

＃年寄りの話にここまでお付き合いいただき、誠にありがとうございました。
　この手の問題って、ASCii？EBCDIC？JIS？SJIS？それともEUC？って具合に話題が
　膨らむものです。Genericな対応が必要なら絶対に。
　最近ではUNICODE？という問いも加わりますか。

＃日本語何て嫌いだぁぁ！
＠ちなみにUNICODEですが、ハート文字が機種依存せずに使えるという一点だけは
　嬉しい。とだけ、言っておきます。それ以外は嫌いです。
　雪だるまの絵をも文字として採択するようなUNICODEな人の精神構造は私には
　理解不能なのです(なものを入れるぐらいなら……)

                                                                − 以上 −