perlebcdic
СОДЕРЖАНИЕ
- НАЗВАНИЕ
- ОПИСАНИЕ
- ОБЩИЕ КОМПЛЕКТЫ КОДОВ СИМВОЛОВ
- ТАБЛИЦЫ ОДНОГО БАЙТА
- ОПРЕДЕЛЕНИЕ КОМПЛЕКТОВ КОДОВ СИМВОЛОВ
- ПРЕОБРАЗОВАНИЯ
- РАЗЛИЧИЯ В ОПЕРАТОРАХ
- РАЗЛИЧИЯ В ФУНКЦИЯХ
- РАЗЛИЧИЯ В РЕГУЛЯРНЫХ ВЫРАЖЕНИЯХ
- СОКЕТЫ
- СОРТИРОВКА
- ФОРМАТЫ ПРЕОБРАЗОВАНИЯ
- Порядок хэширования и контрольные суммы
- I18N И L10N
- КОМПЛЕКТЫ СИМВОЛОВ МНОГИХ БАЙТОВ
- ПРОБЛЕМЫ С ОПЕРАЦИОННОЙ СИСТЕМОЙ
- ОШИБКИ
- СМОТРИТЕ ТАКЖЕ
- СПИСОК ЛИТЕРАТУРЫ
- ИСТОРИЯ
- АВТОР
НАЗВАНИЕ
perlebcdic - Рассмотрение запуска Perl на платформах EBCDIC
ОПИСАНИЕ
Исследование некоторых проблем, с которыми сталкиваются программисты Perl на компьютерах, основанных на EBCDIC.
Незавершенные части этого документа помечены XXX.
Ранние версии Perl работали на некоторых машинах EBCDIC, но последняя известная версия, которая работала на EBCDIC, была v5.8.7, вплоть до v5.22, когда ядро Perl снова заработало на z/OS. Теоретически, она могла работать на OS/400 или BS2000 Siemens (или их преемниках), но это не протестировано. В v5.22 и 5.24 не все модули из CPAN, но поставлявшиеся с ядром Perl, работают на z/OS.
Если вы хотите использовать Perl на машине EBCDIC, отличной от z/OS, сообщите нам об этом по адресу https://github.com/Perl/perl5/issues.
Написание Perl на платформе EBCDIC ничем не отличается от написания на платформе «ASCII», но с другими лежащими в основе числами, как мы увидим вскоре. Вам нужно будет кое-что знать о платформах «ASCII», так как документация имеет предвзятость и часто использует примеры чисел, которые не относятся к EBCDIC. Также очень мало модулей CPAN, написанных для EBCDIC и не работающих на ASCII; вместо этого подавляющее большинство модулей CPAN написаны для ASCII, и некоторые могут случайно работать на EBCDIC, а некоторые были разработаны для работы в обоих случаях.
Если ваш код просто использует 52 буквы A-Z и a-z, плюс ПРОБЕЛ, цифры 0-9 и знаки препинания, которые использует Perl, плюс несколько управляющих символов, обозначенных последовательностями с экранированием, например \n и \t, то нет ничего особенного в использовании Perl, и ваш код, скорее всего, будет работать на машине ASCII без изменений.
Но если вы пишете код, который использует \005 для обозначения ТАБУЛЯЦИИ или \xC1 для обозначения «A», или \xDF для обозначения «ÿ» (маленькая "y" с диэрезисом), то ваш код, скорее всего, будет работать на вашей платформе EBCDIC, но не на платформе ASCII. Это нормально, если никто никогда не захочет запускать ваш код на платформе ASCII; но эта документация будет ориентирована на написание кода, совместимого с системами EBCDIC и ASCII. Опять же, если каждый символ, который вас интересует, легко вводится с вашей клавиатуры, вам не нужно ничего знать о ASCII, но многие клавиатуры не позволяют вам напрямую вводить, например, символ \xDF, поэтому вы должны указать его косвенно, например, используя последовательность экранирования "\xDF". В таких случаях легче всего знать что-то о наборах символов ASCII/Unicode. Если вы знаете, что маленькая «ÿ» это U+00FF, то вы можете вместо этого указать её как "\N{U+FF}", и позволить компьютеру автоматически преобразовать её в \xDF на вашей платформе и оставить её как \xFF на платформах ASCII. Или вы можете указать её по имени, \N{LATIN SMALL LETTER Y WITH DIAERESIS и не нужно знать номера. В любом случае работает, но оба варианта требуют знакомства с Unicode.
ОБЩИЕ КОМПЛЕКТЫ КОДОВ СИМВОЛОВ
ASCII
Американский стандартный код обмена информацией (ASCII или US-ASCII) представляет собой набор целых чисел от 0 до 127 (десятичное представление), имеющие стандартизированные интерпретации на компьютерах, использующих ASCII. Например, 65 означает букву «A». Диапазон 0..127 может быть охвачен установкой различных битов в 7-битном двоичном разряде, поэтому набор иногда называется «7-битный ASCII». ASCII описывался документом Американского национального института стандартов ANSI X3.4-1986. Он также описывался стандартом ISO 646:1991 (с локализацией для символов валют). Полный набор ASCII приведён в таблице ниже в виде первых 128 элементов. Языки, которые могут быть адекватно написаны символами ASCII, включают английский, гавайский, индонезийский, суахили и некоторые индейские языки.
Большинство наборов символов, отличных от EBCDIC, являются надмножествами ASCII. То есть целые числа от 0 до 127 означают то же, что и в ASCII. Но целые числа 128 и выше специфичны для набора символов.
Многие из них полностью помещаются в 8 бит, используя ASCII как 0-127, а задавая значения для 128-255, и не используя ничего выше 255. Таким образом, это наборы символов с одним байтом (или октетом, если хотите). Важным из них (так как Unicode является его надмножеством) является набор символов ISO 8859-1.
ISO 8859
ISO 8859-$n — это набор наборов кодов символов от Международной организации по стандартизации (ISO), каждый из которых добавляет символы к набору ASCII, обычно встречающиеся в различных языках, многие из которых основаны на латинском алфавите. Большинство предназначены для европейских языков, но также существуют наборы для арабского, греческого, иврита и тайского. Есть хорошие ссылки в Интернете на все эти наборы.
Latin 1 (ISO 8859-1)
Конкретное 8-битное расширение ASCII, включающее буквы с диакритическими знаками (ударениями) латинского алфавита. Языки, которые могут использовать ISO 8859-1, включают все языки, охваченные ASCII, а также африкаанс, албанский, баскский, каталонский, датский, фарерский, финский, норвежский, португальский, испанский и шведский. Голландский также охватывается, но без лигатуры ij. Французский также охватывается, но без лигатуры oe. Немецкий может использовать ISO 8859-1, но должен делать это без немецких кавычек. Этот набор основан на западноевропейских расширениях ASCII и часто встречается в работе в сети Интернет. В терминологии IBM для идентификации наборов символов ISO 8859-1 также известен как CCSID 819 (или иногда 0819 или даже 00819).
EBCDIC
Расширенный двоичный код обмена десятичным кодом относится к большому количеству наборов кодов символов с одним и несколькими байтами, которые значительно отличаются от ASCII и ISO 8859-1, и все они немного отличаются друг от друга; они обычно используются на хост-компьютерах. Кодировки EBCDIC основаны на 8-битных расширениях кодировок перфокарт Холлерита, которые появились задолго до ASCII. Макет на картах был таким, что старшие биты устанавливались для заглавных и строчных букв латинского алфавита [a-z] и [A-Z], но в каждом диапазоне латинского алфавита были пробелы, видимые в таблице ниже. Эти пробелы могут создавать сложности.
Некоторые наборы символов EBCDIC IBM могут быть известны по номерам идентификации наборов кодов символов (номерам CCSID) или номерам кодовых страниц.
Perl может быть скомпилирован на платформах, на которых работают любой из трёх обычно используемых наборов символов EBCDIC, перечисленных ниже.
13 вариантов символов
Среди наборов кодов символов EBCDIC IBM есть 13 символов, которые часто отображаются с различными целыми значениями. Эти символы известны как 13 «вариантных» символов и представляют собой:
\ [ ] { } ^ ~ ! # | $ @ `Когда Perl компилируется для платформы, он анализирует все эти символы, чтобы предположить, какой набор символов EBCDIC использует платформа, и соответственно адаптируется к этой платформе. Если платформа использует набор символов, который не входит в число трёх известных Perl, Perl либо откажется от компиляции, либо ошибочно и молча выберет один из трёх.
Символ «Перенос строки» (LF) на самом деле является 14-м вариантом символа, и Perl проверяет его также.
Кодовые страницы EBCDIC, распознаваемые Perl
- 0037
-
Идентификатор кодовой страницы 0037 — это отображение символов ASCII плюс Latin-1 (т. е. ISO 8859-1) в кодовую страницу EBCDIC. 0037 используется в локалях Северной Америки (английский) на операционной системе OS/400, работающей на компьютерах AS/400. CCSID 0037 отличается от ISO 8859-1 в 236 местах; другими словами, они совпадают только в 20 значениях кодовых точек.
- 1047
-
Идентификатор кодовой страницы 1047 также является отображением символов ASCII плюс Latin-1 (т. е. ISO 8859-1) в кодовую страницу EBCDIC. 1047 используется в службах Unix System Services для OS/390 или z/OS, а также в OpenEdition для VM/ESA. CCSID 1047 отличается от CCSID 0037 в восьми местах и от ISO 8859-1 в 236.
- POSIX-BC
-
Кодовая страница EBCDIC, используемая в системе Siemens BS2000, отличается от 1047 и 0037. Она идентифицируется как набор POSIX-BC. Как и 0037 и 1047, она совпадает с ISO 8859-1 в 20 значениях кодовых точек.
Кодовые точки Unicode и EBCDIC
В терминологии Unicode кодовая точка — это число, присвоенное символу: например, в EBCDIC символу «A» обычно присваивается число 193. В Unicode символу «A» присваивается число 65. Все кодовые точки ASCII и Latin-1 (ISO 8859-1) имеют одинаковое значение в Unicode. Все три распознанные кодовые страницы EBCDIC имеют 256 кодовых точек, и в каждой кодовой странице все 256 кодовых точек отображаются в эквивалентные кодовые точки Latin1. Очевидно, «A» отображается на «A», «B» — на «B», «%» — на «%» и т. д. для всех печатных символов в Latin1 и этих кодовых страницах.
Оказывается, что EBCDIC имеет почти точные эквиваленты для управляющих символов ASCII/Latin1 C0 и управляющего символа УДАЛЕНИЯ. (Управляющие символы C0 — это те, у которых кодовые точки ASCII равны 0..0x1F; такие как TAB, ACK, BEL и т. д.) Установлено отображение между этими управляющими символами ASCII/EBCDIC. Не существует такого точного отображения между управляющими символами C1 на платформах ASCII и оставшимися управляющими символами EBCDIC. Было сделано отображение этих управляющих символов, в основном произвольно, на некоторый другой символ в другой кодовой странице. Большинство из них в настоящее время очень редко используются в EBCDIC, и их имена были исключены без особых нареканий. Например, управляющий символ EBCDIC EO (Eight Ones) (состоящий из восьми единиц = 0xFF) отображается на управляющий символ C1 APC (0x9F), и вы не можете использовать имя «EO».
Управляющие символы EBCDIC предоставляют три возможных символа окончания строки: CR (0x0D), LF (0x25) и NL (0x15). На платформах ASCII символы «NL» и «LF» относятся к одному и тому же символу, но в строгой терминологии EBCDIC они разные. EBCDIC NL отображается на управляющий символ C1 с именем «NEL» («Next Line»; вот случай, когда отображение имеет вполне определенный смысл, а не является просто произвольным). На некоторых платформах EBCDIC таким символом окончания строки является NL или NEL. Это верно для z/OS и BS2000. В этих платформах компиляторы C будут переключать кодовые точки LF и NEL, так что "\n" равно 0x15 и относится к NL. Perl тоже это делает; вы можете увидеть это в таблице кодов ниже. Это делает вещи, как правило, «работающими» без необходимости осознавать, что происходит переключение.
Unicode и UTF
UTF означает «Unicode Transformation Format». UTF-8 — это кодировка Unicode в последовательности 8-битных блоков байтов, основанная на ASCII и Latin-1. Длина последовательности, необходимой для представления кодовой точки Unicode, зависит от порядкового номера этой кодовой точки, при этом большие числа требуют больше байтов. UTF-EBCDIC подобен UTF-8, но основан на EBCDIC. Они достаточно похожи, что часто неформальное использование смешивает эти два термина и использует «UTF-8», чтобы означать как UTF-8 на платформах ASCII, так и UTF-EBCDIC на платформах EBCDIC.
Вы можете встретить термин «инвариантный» символ или кодовая точка. Это просто означает, что символ имеет то же числовое значение и представление при кодировании в UTF-8 (или UTF-EBCDIC), что и без кодирования. (Обратите внимание, что это совершенно другое понятие, чем «13 вариантов символов», упомянутые выше. Внимательная формулировка будет использовать термин «инвариант UTF-8», а не просто «инвариант», но чаще всего вы увидите просто «инвариант».) Например, порядковое значение «A» равно 193 в большинстве кодовых страниц EBCDIC, а также 193 при кодировании в UTF-EBCDIC. Все кодовые точки UTF-8 (или UTF-EBCDIC) варианта занимают как минимум два байта при кодировании в UTF-8 (или UTF-EBCDIC); по определению, инвариантные кодовые точки UTF-8 (или UTF-EBCDIC) занимают ровно один байт при кодировании в UTF-8 (или UTF-EBCDIC) или без него. (К этому моменту вы понимаете, почему люди обычно говорят просто «UTF-8», когда подразумевают также «UTF-EBCDIC». В остальной части этого документа мы будем поступать также достаточно неформально.) В ASCII UTF-8 кодовые точки, соответствующие 128 низшим порядковым номерам (0-127: символы ASCII), инвариантны. В UTF-EBCDIC существует 160 инвариантных символов. (Если вас это интересует, инвариантные EBCDIC — это символы, которые имеют эквиваленты ASCII, плюс те, которые соответствуют управляющим символам C1 (128-159 на платформах ASCII).)
Строка, закодированная в UTF-EBCDIC, может быть длиннее (очень редко короче), чем строка, закодированная в UTF-8. Perl расширяет как UTF-8, так и UTF-EBCDIC, чтобы они могли кодировать кодовые точки, превышающие максимальное значение Unicode U+10FFFF.
UTF-EBCDIC определен в Техническом отчете Unicode #16 (часто упоминаемом как просто TR16). Он определен на основе CCSID 1047, не учитывая различия для других кодовых страниц. Это позволяет легко обмениваться текстом между компьютерами, работающими с разными кодовыми страницами, но делает его непригодным без адаптации для Perl на других кодовых страницах.
Причина этой непригодности заключается в том, что основное предположение Perl заключается в том, что символы, которые его интересуют при анализе и лексическом анализе, одинаковы, независимо от того, закодирован ли текст в UTF-8. Например, Perl ожидает, что символ "[" будет иметь то же представление, независимо от того, закодирована ли содержащая его строка (или текст программы) в UTF-8 или нет. Для обеспечения этого Perl адаптирует UTF-EBCDIC к конкретной кодовой странице, чтобы все символы, которые он ожидает как инвариантные UTF-8, на самом деле были инвариантными UTF-8. Это означает, что текст, созданный на компьютере, работающем с одной версией UTF-EBCDIC Perl, должен быть переведен, чтобы быть понятным компьютеру, работающему с другой версией.
TR16 подразумевает метод расширения UTF-EBCDIC для кодирования точек до 2 ** 31 - 1. Perl использует этот метод для кодовых точек до 2 ** 30 - 1, но использует несовместимый метод для больших, чтобы иметь возможность обрабатывать гораздо большие кодовые точки, чем в противном случае.
Использование Encode
Начиная с Perl 5.8, вы можете использовать стандартный модуль Encode для перевода из кодовых страниц EBCDIC в Latin-1. Encode знает больше кодовых страниц EBCDIC, чем Perl в настоящее время может быть скомпилирован для работы на них.
use Encode 'from_to';
my %ebcdic = ( 176 => 'cp37', 95 => 'cp1047', 106 => 'posix-bc' );
# $a is in EBCDIC code points
from_to($a, $ebcdic{ord '^'}, 'latin1');
# $a is ISO 8859-1 code pointsи от кодовых точек Latin-1 к кодовым точкам EBCDIC
use Encode 'from_to';
my %ebcdic = ( 176 => 'cp37', 95 => 'cp1047', 106 => 'posix-bc' );
# $a is ISO 8859-1 code points
from_to($a, 'latin1', $ebcdic{ord '^'});
# $a is in EBCDIC code pointsДля выполнения ввода-вывода рекомендуется использовать автоматические функции перевода PerlIO, см. perluniintro.
Начиная с версии 5.8 Perl использует библиотеку ввода-вывода PerlIO. Это позволяет вам использовать различные кодировки для каждого канала ввода-вывода. Например, вы можете использовать
use Encode;
open($f, ">:encoding(ascii)", "test.ascii");
print $f "Hello World!\n";
open($f, ">:encoding(cp37)", "test.ebcdic");
print $f "Hello World!\n";
open($f, ">:encoding(latin1)", "test.latin1");
print $f "Hello World!\n";
open($f, ">:encoding(utf8)", "test.utf8");
print $f "Hello World!\n";чтобы получить четыре файла, содержащие «Hello World!\n» в ASCII, CP 0037 EBCDIC, ISO 8859-1 (Latin-1) (в этом примере идентично ASCII, так как были напечатаны только символы ASCII), и UTF-EBCDIC (в этом примере идентично стандартному EBCDIC, так как были напечатаны только символы, не отличающиеся между EBCDIC и UTF-EBCDIC). Подробности см. в документации по Encode::PerlIO.
Поскольку уровень PerlIO использует внутренние операции ввода-вывода (байты), всё это полностью игнорирует такие вещи, как тип вашей файловой системы (ASCII или EBCDIC).
ТАБЛИЦЫ С ОДНИМ БАЙТОМ
В следующих таблицах перечислены упорядоченные наборы ASCII и Latin 1, включая подмножества: управляющие символы C0 (0..31), графические символы ASCII (32..7e), символ удаления (7f), управляющие символы C1 (80..9f) и Latin-1 (также известный как ISO 8859-1) (a0..ff). В названиях таблиц расширений Latin 1 до ASCII использованы имена символов, приблизительно соответствующие The Unicode Standard, Version 6.1, но со заменами, такими как s/LATIN// и s/VULGAR// во всех случаях; s/CAPITAL LETTER// в некоторых случаях; и s/SMALL LETTER ([A-Z])/\l$1/ в некоторых других случаях. Управляющие символы перечислены с использованием сокращений Unicode 6.2. Различия между наборами 0037 и 1047 помечены **. Различия между наборами 1047 и POSIX-BC помечены ##. Все ord() перечисленные числа — десятичные. Если вы хотели бы видеть эту таблицу со значениями в восьмеричной системе, то запустите таблицу (то есть текст исходного кода pod этого документа, так как этот рецепт может не работать с переводом pod2_other_format) через:
- рецепт 0
perl -ne 'if(/(.{29})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)/)' \
-e '{printf("%s%-5.03o%-5.03o%-5.03o%.03o\n",$1,$2,$3,$4,$5)}' \
perlebcdic.podЕсли вы хотите сохранить кодовые точки UTF-x, то в виде сценария вы можете написать:
- рецепт 1
open(FH,"<perlebcdic.pod") or die "Could not open perlebcdic.pod: $!";
while (<FH>) {
if (/(.{29})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\.?(\d*)
\s+(\d+)\.?(\d*)/x)
{
if ($7 ne '' && $9 ne '') {
printf(
"%s%-5.03o%-5.03o%-5.03o%-5.03o%-3o.%-5o%-3o.%.03o\n",
$1,$2,$3,$4,$5,$6,$7,$8,$9);
}
elsif ($7 ne '') {
printf("%s%-5.03o%-5.03o%-5.03o%-5.03o%-3o.%-5o%.03o\n",
$1,$2,$3,$4,$5,$6,$7,$8);
}
else {
printf("%s%-5.03o%-5.03o%-5.03o%-5.03o%-5.03o%.03o\n",
$1,$2,$3,$4,$5,$6,$8);
}
}
}Если вы хотите видеть эту таблицу со значениями в шестнадцатеричной системе, то запустите таблицу через:
- рецепт 2
perl -ne 'if(/(.{29})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)/)' \
-e '{printf("%s%-5.02X%-5.02X%-5.02X%.02X\n",$1,$2,$3,$4,$5)}' \
perlebcdic.podИли, чтобы сохранить кодовые точки UTF-x в шестнадцатеричном формате:
- рецепт 3
open(FH,"<perlebcdic.pod") or die "Could not open perlebcdic.pod: $!";
while (<FH>) {
if (/(.{29})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\.?(\d*)
\s+(\d+)\.?(\d*)/x)
{
if ($7 ne '' && $9 ne '') {
printf(
"%s%-5.02X%-5.02X%-5.02X%-5.02X%-2X.%-6.02X%02X.%02X\n",
$1,$2,$3,$4,$5,$6,$7,$8,$9);
}
elsif ($7 ne '') {
printf("%s%-5.02X%-5.02X%-5.02X%-5.02X%-2X.%-6.02X%02X\n",
$1,$2,$3,$4,$5,$6,$7,$8);
}
else {
printf("%s%-5.02X%-5.02X%-5.02X%-5.02X%-5.02X%02X\n",
$1,$2,$3,$4,$5,$6,$8);
}
}
}
ISO
8859-1 POS- CCSID
CCSID CCSID CCSID IX- 1047
chr 0819 0037 1047 BC UTF-8 UTF-EBCDIC
---------------------------------------------------------------------
<NUL> 0 0 0 0 0 0
<SOH> 1 1 1 1 1 1
<STX> 2 2 2 2 2 2
<ETX> 3 3 3 3 3 3
<EOT> 4 55 55 55 4 55
<ENQ> 5 45 45 45 5 45
<ACK> 6 46 46 46 6 46
<BEL> 7 47 47 47 7 47
<BS> 8 22 22 22 8 22
<HT> 9 5 5 5 9 5
<LF> 10 37 21 21 10 21 **
<VT> 11 11 11 11 11 11
<FF> 12 12 12 12 12 12
<CR> 13 13 13 13 13 13
<SO> 14 14 14 14 14 14
<SI> 15 15 15 15 15 15
<DLE> 16 16 16 16 16 16
<DC1> 17 17 17 17 17 17
<DC2> 18 18 18 18 18 18
<DC3> 19 19 19 19 19 19
<DC4> 20 60 60 60 20 60
<NAK> 21 61 61 61 21 61
<SYN> 22 50 50 50 22 50
<ETB> 23 38 38 38 23 38
<CAN> 24 24 24 24 24 24
<EOM> 25 25 25 25 25 25
<SUB> 26 63 63 63 26 63
<ESC> 27 39 39 39 27 39
<FS> 28 28 28 28 28 28
<GS> 29 29 29 29 29 29
<RS> 30 30 30 30 30 30
<US> 31 31 31 31 31 31
<SPACE> 32 64 64 64 32 64
! 33 90 90 90 33 90
" 34 127 127 127 34 127
# 35 123 123 123 35 123
$ 36 91 91 91 36 91
% 37 108 108 108 37 108
& 38 80 80 80 38 80
' 39 125 125 125 39 125
( 40 77 77 77 40 77
) 41 93 93 93 41 93
* 42 92 92 92 42 92
+ 43 78 78 78 43 78
, 44 107 107 107 44 107
- 45 96 96 96 45 96
. 46 75 75 75 46 75
/ 47 97 97 97 47 97
0 48 240 240 240 48 240
1 49 241 241 241 49 241
2 50 242 242 242 50 242
3 51 243 243 243 51 243
4 52 244 244 244 52 244
5 53 245 245 245 53 245
6 54 246 246 246 54 246
7 55 247 247 247 55 247
8 56 248 248 248 56 248
9 57 249 249 249 57 249
: 58 122 122 122 58 122
; 59 94 94 94 59 94
< 60 76 76 76 60 76
= 61 126 126 126 61 126
> 62 110 110 110 62 110
? 63 111 111 111 63 111
@ 64 124 124 124 64 124
A 65 193 193 193 65 193
B 66 194 194 194 66 194
C 67 195 195 195 67 195
D 68 196 196 196 68 196
E 69 197 197 197 69 197
F 70 198 198 198 70 198
G 71 199 199 199 71 199
H 72 200 200 200 72 200
I 73 201 201 201 73 201
J 74 209 209 209 74 209
K 75 210 210 210 75 210
L 76 211 211 211 76 211
M 77 212 212 212 77 212
N 78 213 213 213 78 213
O 79 214 214 214 79 214
P 80 215 215 215 80 215
Q 81 216 216 216 81 216
R 82 217 217 217 82 217
S 83 226 226 226 83 226
T 84 227 227 227 84 227
U 85 228 228 228 85 228
V 86 229 229 229 86 229
W 87 230 230 230 87 230
X 88 231 231 231 88 231
Y 89 232 232 232 89 232
Z 90 233 233 233 90 233
[ 91 186 173 187 91 173 ** ##
\ 92 224 224 188 92 224 ##
] 93 187 189 189 93 189 **
^ 94 176 95 106 94 95 ** ##
_ 95 109 109 109 95 109
` 96 121 121 74 96 121 ##
a 97 129 129 129 97 129
b 98 130 130 130 98 130
c 99 131 131 131 99 131
d 100 132 132 132 100 132
e 101 133 133 133 101 133
f 102 134 134 134 102 134
g 103 135 135 135 103 135
h 104 136 136 136 104 136
i 105 137 137 137 105 137
j 106 145 145 145 106 145
k 107 146 146 146 107 146
l 108 147 147 147 108 147
m 109 148 148 148 109 148
n 110 149 149 149 110 149
o 111 150 150 150 111 150
p 112 151 151 151 112 151
q 113 152 152 152 113 152
r 114 153 153 153 114 153
s 115 162 162 162 115 162
t 116 163 163 163 116 163
u 117 164 164 164 117 164
v 118 165 165 165 118 165
w 119 166 166 166 119 166
x 120 167 167 167 120 167
y 121 168 168 168 121 168
z 122 169 169 169 122 169
{ 123 192 192 251 123 192 ##
| 124 79 79 79 124 79
} 125 208 208 253 125 208 ##
~ 126 161 161 255 126 161 ##
<DEL> 127 7 7 7 127 7
<PAD> 128 32 32 32 194.128 32
<HOP> 129 33 33 33 194.129 33
<BPH> 130 34 34 34 194.130 34
<NBH> 131 35 35 35 194.131 35
<IND> 132 36 36 36 194.132 36
<NEL> 133 21 37 37 194.133 37 **
<SSA> 134 6 6 6 194.134 6
<ESA> 135 23 23 23 194.135 23
<HTS> 136 40 40 40 194.136 40
<HTJ> 137 41 41 41 194.137 41
<VTS> 138 42 42 42 194.138 42
<PLD> 139 43 43 43 194.139 43
<PLU> 140 44 44 44 194.140 44
<RI> 141 9 9 9 194.141 9
<SS2> 142 10 10 10 194.142 10
<SS3> 143 27 27 27 194.143 27
<DCS> 144 48 48 48 194.144 48
<PU1> 145 49 49 49 194.145 49
<PU2> 146 26 26 26 194.146 26
<STS> 147 51 51 51 194.147 51
<CCH> 148 52 52 52 194.148 52
<MW> 149 53 53 53 194.149 53
<SPA> 150 54 54 54 194.150 54
<EPA> 151 8 8 8 194.151 8
<SOS> 152 56 56 56 194.152 56
<SGC> 153 57 57 57 194.153 57
<SCI> 154 58 58 58 194.154 58
<CSI> 155 59 59 59 194.155 59
<ST> 156 4 4 4 194.156 4
<OSC> 157 20 20 20 194.157 20
<PM> 158 62 62 62 194.158 62
<APC> 159 255 255 95 194.159 255 ##
<NON-BREAKING SPACE> 160 65 65 65 194.160 128.65
<INVERTED "!" > 161 170 170 170 194.161 128.66
<CENT SIGN> 162 74 74 176 194.162 128.67 ##
<POUND SIGN> 163 177 177 177 194.163 128.68
<CURRENCY SIGN> 164 159 159 159 194.164 128.69
<YEN SIGN> 165 178 178 178 194.165 128.70
<BROKEN BAR> 166 106 106 208 194.166 128.71 ##
<SECTION SIGN> 167 181 181 181 194.167 128.72
<DIAERESIS> 168 189 187 121 194.168 128.73 ** ##
<COPYRIGHT SIGN> 169 180 180 180 194.169 128.74
<FEMININE ORDINAL> 170 154 154 154 194.170 128.81
<LEFT POINTING GUILLEMET> 171 138 138 138 194.171 128.82
<NOT SIGN> 172 95 176 186 194.172 128.83 ** ##
<SOFT HYPHEN> 173 202 202 202 194.173 128.84
<REGISTERED TRADE MARK> 174 175 175 175 194.174 128.85
<MACRON> 175 188 188 161 194.175 128.86 ##
<DEGREE SIGN> 176 144 144 144 194.176 128.87
<PLUS-OR-MINUS SIGN> 177 143 143 143 194.177 128.88
<SUPERSCRIPT TWO> 178 234 234 234 194.178 128.89
<SUPERSCRIPT THREE> 179 250 250 250 194.179 128.98
<ACUTE ACCENT> 180 190 190 190 194.180 128.99
<MICRO SIGN> 181 160 160 160 194.181 128.100
<PARAGRAPH SIGN> 182 182 182 182 194.182 128.101
<MIDDLE DOT> 183 179 179 179 194.183 128.102
<CEDILLA> 184 157 157 157 194.184 128.103
<SUPERSCRIPT ONE> 185 218 218 218 194.185 128.104
<MASC. ORDINAL INDICATOR> 186 155 155 155 194.186 128.105
<RIGHT POINTING GUILLEMET> 187 139 139 139 194.187 128.106
<FRACTION ONE QUARTER> 188 183 183 183 194.188 128.112
<FRACTION ONE HALF> 189 184 184 184 194.189 128.113
<FRACTION THREE QUARTERS> 190 185 185 185 194.190 128.114
<INVERTED QUESTION MARK> 191 171 171 171 194.191 128.115
<A WITH GRAVE> 192 100 100 100 195.128 138.65
<A WITH ACUTE> 193 101 101 101 195.129 138.66
<A WITH CIRCUMFLEX> 194 98 98 98 195.130 138.67
<A WITH TILDE> 195 102 102 102 195.131 138.68
<A WITH DIAERESIS> 196 99 99 99 195.132 138.69
<A WITH RING ABOVE> 197 103 103 103 195.133 138.70
<CAPITAL LIGATURE AE> 198 158 158 158 195.134 138.71
<C WITH CEDILLA> 199 104 104 104 195.135 138.72
<E WITH GRAVE> 200 116 116 116 195.136 138.73
<E WITH ACUTE> 201 113 113 113 195.137 138.74
<E WITH CIRCUMFLEX> 202 114 114 114 195.138 138.81
<E WITH DIAERESIS> 203 115 115 115 195.139 138.82
<I WITH GRAVE> 204 120 120 120 195.140 138.83
<I WITH ACUTE> 205 117 117 117 195.141 138.84
<I WITH CIRCUMFLEX> 206 118 118 118 195.142 138.85
<I WITH DIAERESIS> 207 119 119 119 195.143 138.86
<CAPITAL LETTER ETH> 208 172 172 172 195.144 138.87
<N WITH TILDE> 209 105 105 105 195.145 138.88
<O WITH GRAVE> 210 237 237 237 195.146 138.89
<O WITH ACUTE> 211 238 238 238 195.147 138.98
<O WITH CIRCUMFLEX> 212 235 235 235 195.148 138.99
<O WITH TILDE> 213 239 239 239 195.149 138.100
<O WITH DIAERESIS> 214 236 236 236 195.150 138.101
<MULTIPLICATION SIGN> 215 191 191 191 195.151 138.102
<O WITH STROKE> 216 128 128 128 195.152 138.103
<U WITH GRAVE> 217 253 253 224 195.153 138.104 ##
<U WITH ACUTE> 218 254 254 254 195.154 138.105
<U WITH CIRCUMFLEX> 219 251 251 221 195.155 138.106 ##
<U WITH DIAERESIS> 220 252 252 252 195.156 138.112
<Y WITH ACUTE> 221 173 186 173 195.157 138.113 ** ##
<CAPITAL LETTER THORN> 222 174 174 174 195.158 138.114
<SMALL LETTER SHARP S> 223 89 89 89 195.159 138.115
<a WITH GRAVE> 224 68 68 68 195.160 139.65
<a WITH ACUTE> 225 69 69 69 195.161 139.66
<a WITH CIRCUMFLEX> 226 66 66 66 195.162 139.67
<a WITH TILDE> 227 70 70 70 195.163 139.68
<a WITH DIAERESIS> 228 67 67 67 195.164 139.69
<a WITH RING ABOVE> 229 71 71 71 195.165 139.70
<SMALL LIGATURE ae> 230 156 156 156 195.166 139.71
<c WITH CEDILLA> 231 72 72 72 195.167 139.72
<e WITH GRAVE> 232 84 84 84 195.168 139.73
<e WITH ACUTE> 233 81 81 81 195.169 139.74
<e WITH CIRCUMFLEX> 234 82 82 82 195.170 139.81
<e WITH DIAERESIS> 235 83 83 83 195.171 139.82
<i WITH GRAVE> 236 88 88 88 195.172 139.83
<i WITH ACUTE> 237 85 85 85 195.173 139.84
<i WITH CIRCUMFLEX> 238 86 86 86 195.174 139.85
<i WITH DIAERESIS> 239 87 87 87 195.175 139.86
<SMALL LETTER eth> 240 140 140 140 195.176 139.87
<n WITH TILDE> 241 73 73 73 195.177 139.88
<o WITH GRAVE> 242 205 205 205 195.178 139.89
<o WITH ACUTE> 243 206 206 206 195.179 139.98
<o WITH CIRCUMFLEX> 244 203 203 203 195.180 139.99
<o WITH TILDE> 245 207 207 207 195.181 139.100
<o WITH DIAERESIS> 246 204 204 204 195.182 139.101
<DIVISION SIGN> 247 225 225 225 195.183 139.102
<o WITH STROKE> 248 112 112 112 195.184 139.103
<u WITH GRAVE> 249 221 221 192 195.185 139.104 ##
<u WITH ACUTE> 250 222 222 222 195.186 139.105
<u WITH CIRCUMFLEX> 251 219 219 219 195.187 139.106
<u WITH DIAERESIS> 252 220 220 220 195.188 139.112
<y WITH ACUTE> 253 141 141 141 195.189 139.113
<SMALL LETTER thorn> 254 142 142 142 195.190 139.114
<y WITH DIAERESIS> 255 223 223 223 195.191 139.115Если вы хотите видеть вышеприведенную таблицу в порядке CCSID 0037, а не в порядке ASCII + Latin-1, то запустите таблицу через:
- рецепт 4
perl \
-ne 'if(/.{29}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}/)'\
-e '{push(@l,$_)}' \
-e 'END{print map{$_->[0]}' \
-e ' sort{$a->[1] <=> $b->[1]}' \
-e ' map{[$_,substr($_,34,3)]}@l;}' perlebcdic.podЕсли вы хотите увидеть ее в порядке CCSID 1047, измените число 34 в последней строке на 39, как это:
- рецепт 5
perl \
-ne 'if(/.{29}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}/)'\
-e '{push(@l,$_)}' \
-e 'END{print map{$_->[0]}' \
-e ' sort{$a->[1] <=> $b->[1]}' \
-e ' map{[$_,substr($_,39,3)]}@l;}' perlebcdic.podЕсли вы хотите увидеть ее в порядке POSIX-BC, измените число 34 в последней строке на 44, как это:
- рецепт 6
perl \
-ne 'if(/.{29}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}/)'\
-e '{push(@l,$_)}' \
-e 'END{print map{$_->[0]}' \
-e ' sort{$a->[1] <=> $b->[1]}' \
-e ' map{[$_,substr($_,44,3)]}@l;}' perlebcdic.podТаблица в шестнадцатеричном формате, отсортированная по порядку 1047
С момента написания этого документа конвенция всё больше склоняется к использованию шестнадцатеричной нотации для кодовых точек. Чтобы сделать это с рецептами и также отсортировать, нужен многоступенчатый процесс, поэтому для удобства здесь приводится таблица из выше, пересортированная по порядку кодовой страницы 1047 и с использованием шестнадцатеричной нотации.
ISO
8859-1 POS- CCSID
CCSID CCSID CCSID IX- 1047
chr 0819 0037 1047 BC UTF-8 UTF-EBCDIC
---------------------------------------------------------------------
<NUL> 00 00 00 00 00 00
<SOH> 01 01 01 01 01 01
<STX> 02 02 02 02 02 02
<ETX> 03 03 03 03 03 03
<ST> 9C 04 04 04 C2.9C 04
<HT> 09 05 05 05 09 05
<SSA> 86 06 06 06 C2.86 06
<DEL> 7F 07 07 07 7F 07
<EPA> 97 08 08 08 C2.97 08
<RI> 8D 09 09 09 C2.8D 09
<SS2> 8E 0A 0A 0A C2.8E 0A
<VT> 0B 0B 0B 0B 0B 0B
<FF> 0C 0C 0C 0C 0C 0C
<CR> 0D 0D 0D 0D 0D 0D
<SO> 0E 0E 0E 0E 0E 0E
<SI> 0F 0F 0F 0F 0F 0F
<DLE> 10 10 10 10 10 10
<DC1> 11 11 11 11 11 11
<DC2> 12 12 12 12 12 12
<DC3> 13 13 13 13 13 13
<OSC> 9D 14 14 14 C2.9D 14
<LF> 0A 25 15 15 0A 15 **
<BS> 08 16 16 16 08 16
<ESA> 87 17 17 17 C2.87 17
<CAN> 18 18 18 18 18 18
<EOM> 19 19 19 19 19 19
<PU2> 92 1A 1A 1A C2.92 1A
<SS3> 8F 1B 1B 1B C2.8F 1B
<FS> 1C 1C 1C 1C 1C 1C
<GS> 1D 1D 1D 1D 1D 1D
<RS> 1E 1E 1E 1E 1E 1E
<US> 1F 1F 1F 1F 1F 1F
<PAD> 80 20 20 20 C2.80 20
<HOP> 81 21 21 21 C2.81 21
<BPH> 82 22 22 22 C2.82 22
<NBH> 83 23 23 23 C2.83 23
<IND> 84 24 24 24 C2.84 24
<NEL> 85 15 25 25 C2.85 25 **
<ETB> 17 26 26 26 17 26
<ESC> 1B 27 27 27 1B 27
<HTS> 88 28 28 28 C2.88 28
<HTJ> 89 29 29 29 C2.89 29
<VTS> 8A 2A 2A 2A C2.8A 2A
<PLD> 8B 2B 2B 2B C2.8B 2B
<PLU> 8C 2C 2C 2C C2.8C 2C
<ENQ> 05 2D 2D 2D 05 2D
<ACK> 06 2E 2E 2E 06 2E
<BEL> 07 2F 2F 2F 07 2F
<DCS> 90 30 30 30 C2.90 30
<PU1> 91 31 31 31 C2.91 31
<SYN> 16 32 32 32 16 32
<STS> 93 33 33 33 C2.93 33
<CCH> 94 34 34 34 C2.94 34
<MW> 95 35 35 35 C2.95 35
<SPA> 96 36 36 36 C2.96 36
<EOT> 04 37 37 37 04 37
<SOS> 98 38 38 38 C2.98 38
<SGC> 99 39 39 39 C2.99 39
<SCI> 9A 3A 3A 3A C2.9A 3A
<CSI> 9B 3B 3B 3B C2.9B 3B
<DC4> 14 3C 3C 3C 14 3C
<NAK> 15 3D 3D 3D 15 3D
<PM> 9E 3E 3E 3E C2.9E 3E
<SUB> 1A 3F 3F 3F 1A 3F
<SPACE> 20 40 40 40 20 40
<NON-BREAKING SPACE> A0 41 41 41 C2.A0 80.41
<a WITH CIRCUMFLEX> E2 42 42 42 C3.A2 8B.43
<a WITH DIAERESIS> E4 43 43 43 C3.A4 8B.45
<a WITH GRAVE> E0 44 44 44 C3.A0 8B.41
<a WITH ACUTE> E1 45 45 45 C3.A1 8B.42
<a WITH TILDE> E3 46 46 46 C3.A3 8B.44
<a WITH RING ABOVE> E5 47 47 47 C3.A5 8B.46
<c WITH CEDILLA> E7 48 48 48 C3.A7 8B.48
<n WITH TILDE> F1 49 49 49 C3.B1 8B.58
<CENT SIGN> A2 4A 4A B0 C2.A2 80.43 ##
. 2E 4B 4B 4B 2E 4B
< 3C 4C 4C 4C 3C 4C
( 28 4D 4D 4D 28 4D
+ 2B 4E 4E 4E 2B 4E
| 7C 4F 4F 4F 7C 4F
& 26 50 50 50 26 50
<e WITH ACUTE> E9 51 51 51 C3.A9 8B.4A
<e WITH CIRCUMFLEX> EA 52 52 52 C3.AA 8B.51
<e WITH DIAERESIS> EB 53 53 53 C3.AB 8B.52
<e WITH GRAVE> E8 54 54 54 C3.A8 8B.49
<i WITH ACUTE> ED 55 55 55 C3.AD 8B.54
<i WITH CIRCUMFLEX> EE 56 56 56 C3.AE 8B.55
<i WITH DIAERESIS> EF 57 57 57 C3.AF 8B.56
<i WITH GRAVE> EC 58 58 58 C3.AC 8B.53
<SMALL LETTER SHARP S> DF 59 59 59 C3.9F 8A.73
! 21 5A 5A 5A 21 5A
$ 24 5B 5B 5B 24 5B
* 2A 5C 5C 5C 2A 5C
) 29 5D 5D 5D 29 5D
; 3B 5E 5E 5E 3B 5E
^ 5E B0 5F 6A 5E 5F ** ##
- 2D 60 60 60 2D 60
/ 2F 61 61 61 2F 61
<A WITH CIRCUMFLEX> C2 62 62 62 C3.82 8A.43
<A WITH DIAERESIS> C4 63 63 63 C3.84 8A.45
<A WITH GRAVE> C0 64 64 64 C3.80 8A.41
<A WITH ACUTE> C1 65 65 65 C3.81 8A.42
<A WITH TILDE> C3 66 66 66 C3.83 8A.44
<A WITH RING ABOVE> C5 67 67 67 C3.85 8A.46
<C WITH CEDILLA> C7 68 68 68 C3.87 8A.48
<N WITH TILDE> D1 69 69 69 C3.91 8A.58
<BROKEN BAR> A6 6A 6A D0 C2.A6 80.47 ##
, 2C 6B 6B 6B 2C 6B
% 25 6C 6C 6C 25 6C
_ 5F 6D 6D 6D 5F 6D
> 3E 6E 6E 6E 3E 6E
? 3F 6F 6F 6F 3F 6F
<o WITH STROKE> F8 70 70 70 C3.B8 8B.67
<E WITH ACUTE> C9 71 71 71 C3.89 8A.4A
<E WITH CIRCUMFLEX> CA 72 72 72 C3.8A 8A.51
<E WITH DIAERESIS> CB 73 73 73 C3.8B 8A.52
<E WITH GRAVE> C8 74 74 74 C3.88 8A.49
<I WITH ACUTE> CD 75 75 75 C3.8D 8A.54
<I WITH CIRCUMFLEX> CE 76 76 76 C3.8E 8A.55
<I WITH DIAERESIS> CF 77 77 77 C3.8F 8A.56
<I WITH GRAVE> CC 78 78 78 C3.8C 8A.53
` 60 79 79 4A 60 79 ##
: 3A 7A 7A 7A 3A 7A
# 23 7B 7B 7B 23 7B
@ 40 7C 7C 7C 40 7C
' 27 7D 7D 7D 27 7D
= 3D 7E 7E 7E 3D 7E
" 22 7F 7F 7F 22 7F
<O WITH STROKE> D8 80 80 80 C3.98 8A.67
a 61 81 81 81 61 81
b 62 82 82 82 62 82
c 63 83 83 83 63 83
d 64 84 84 84 64 84
e 65 85 85 85 65 85
f 66 86 86 86 66 86
g 67 87 87 87 67 87
h 68 88 88 88 68 88
i 69 89 89 89 69 89
<LEFT POINTING GUILLEMET> AB 8A 8A 8A C2.AB 80.52
<RIGHT POINTING GUILLEMET> BB 8B 8B 8B C2.BB 80.6A
<SMALL LETTER eth> F0 8C 8C 8C C3.B0 8B.57
<y WITH ACUTE> FD 8D 8D 8D C3.BD 8B.71
<SMALL LETTER thorn> FE 8E 8E 8E C3.BE 8B.72
<PLUS-OR-MINUS SIGN> B1 8F 8F 8F C2.B1 80.58
<DEGREE SIGN> B0 90 90 90 C2.B0 80.57
j 6A 91 91 91 6A 91
k 6B 92 92 92 6B 92
l 6C 93 93 93 6C 93
m 6D 94 94 94 6D 94
n 6E 95 95 95 6E 95
o 6F 96 96 96 6F 96
p 70 97 97 97 70 97
q 71 98 98 98 71 98
r 72 99 99 99 72 99
<FEMININE ORDINAL> AA 9A 9A 9A C2.AA 80.51
<MASC. ORDINAL INDICATOR> BA 9B 9B 9B C2.BA 80.69
<SMALL LIGATURE ae> E6 9C 9C 9C C3.A6 8B.47
<CEDILLA> B8 9D 9D 9D C2.B8 80.67
<CAPITAL LIGATURE AE> C6 9E 9E 9E C3.86 8A.47
<CURRENCY SIGN> A4 9F 9F 9F C2.A4 80.45
<MICRO SIGN> B5 A0 A0 A0 C2.B5 80.64
~ 7E A1 A1 FF 7E A1 ##
s 73 A2 A2 A2 73 A2
t 74 A3 A3 A3 74 A3
u 75 A4 A4 A4 75 A4
v 76 A5 A5 A5 76 A5
w 77 A6 A6 A6 77 A6
x 78 A7 A7 A7 78 A7
y 79 A8 A8 A8 79 A8
z 7A A9 A9 A9 7A A9
<INVERTED "!" > A1 AA AA AA C2.A1 80.42
<INVERTED QUESTION MARK> BF AB AB AB C2.BF 80.73
<CAPITAL LETTER ETH> D0 AC AC AC C3.90 8A.57
[ 5B BA AD BB 5B AD ** ##
<CAPITAL LETTER THORN> DE AE AE AE C3.9E 8A.72
<REGISTERED TRADE MARK> AE AF AF AF C2.AE 80.55
<NOT SIGN> AC 5F B0 BA C2.AC 80.53 ** ##
<POUND SIGN> A3 B1 B1 B1 C2.A3 80.44
<YEN SIGN> A5 B2 B2 B2 C2.A5 80.46
<MIDDLE DOT> B7 B3 B3 B3 C2.B7 80.66
<COPYRIGHT SIGN> A9 B4 B4 B4 C2.A9 80.4A
<SECTION SIGN> A7 B5 B5 B5 C2.A7 80.48
<PARAGRAPH SIGN> B6 B6 B6 B6 C2.B6 80.65
<FRACTION ONE QUARTER> BC B7 B7 B7 C2.BC 80.70
<FRACTION ONE HALF> BD B8 B8 B8 C2.BD 80.71
<FRACTION THREE QUARTERS> BE B9 B9 B9 C2.BE 80.72
<Y WITH ACUTE> DD AD BA AD C3.9D 8A.71 ** ##
<DIAERESIS> A8 BD BB 79 C2.A8 80.49 ** ##
<MACRON> AF BC BC A1 C2.AF 80.56 ##
] 5D BB BD BD 5D BD **
<ACUTE ACCENT> B4 BE BE BE C2.B4 80.63
<MULTIPLICATION SIGN> D7 BF BF BF C3.97 8A.66
{ 7B C0 C0 FB 7B C0 ##
A 41 C1 C1 C1 41 C1
B 42 C2 C2 C2 42 C2
C 43 C3 C3 C3 43 C3
D 44 C4 C4 C4 44 C4
E 45 C5 C5 C5 45 C5
F 46 C6 C6 C6 46 C6
G 47 C7 C7 C7 47 C7
H 48 C8 C8 C8 48 C8
I 49 C9 C9 C9 49 C9
<SOFT HYPHEN> AD CA CA CA C2.AD 80.54
<o WITH CIRCUMFLEX> F4 CB CB CB C3.B4 8B.63
<o WITH DIAERESIS> F6 CC CC CC C3.B6 8B.65
<o WITH GRAVE> F2 CD CD CD C3.B2 8B.59
<o WITH ACUTE> F3 CE CE CE C3.B3 8B.62
<o WITH TILDE> F5 CF CF CF C3.B5 8B.64
} 7D D0 D0 FD 7D D0 ##
J 4A D1 D1 D1 4A D1
K 4B D2 D2 D2 4B D2
L 4C D3 D3 D3 4C D3
M 4D D4 D4 D4 4D D4
N 4E D5 D5 D5 4E D5
O 4F D6 D6 D6 4F D6
P 50 D7 D7 D7 50 D7
Q 51 D8 D8 D8 51 D8
R 52 D9 D9 D9 52 D9
<SUPERSCRIPT ONE> B9 DA DA DA C2.B9 80.68
<u WITH CIRCUMFLEX> FB DB DB DB C3.BB 8B.6A
<u WITH DIAERESIS> FC DC DC DC C3.BC 8B.70
<u WITH GRAVE> F9 DD DD C0 C3.B9 8B.68 ##
<u WITH ACUTE> FA DE DE DE C3.BA 8B.69
<y WITH DIAERESIS> FF DF DF DF C3.BF 8B.73
\ 5C E0 E0 BC 5C E0 ##
<DIVISION SIGN> F7 E1 E1 E1 C3.B7 8B.66
S 53 E2 E2 E2 53 E2
T 54 E3 E3 E3 54 E3
U 55 E4 E4 E4 55 E4
V 56 E5 E5 E5 56 E5
W 57 E6 E6 E6 57 E6
X 58 E7 E7 E7 58 E7
Y 59 E8 E8 E8 59 E8
Z 5A E9 E9 E9 5A E9
<SUPERSCRIPT TWO> B2 EA EA EA C2.B2 80.59
<O WITH CIRCUMFLEX> D4 EB EB EB C3.94 8A.63
<O WITH DIAERESIS> D6 EC EC EC C3.96 8A.65
<O WITH GRAVE> D2 ED ED ED C3.92 8A.59
<O WITH ACUTE> D3 EE EE EE C3.93 8A.62
<O WITH TILDE> D5 EF EF EF C3.95 8A.64
0 30 F0 F0 F0 30 F0
1 31 F1 F1 F1 31 F1
2 32 F2 F2 F2 32 F2
3 33 F3 F3 F3 33 F3
4 34 F4 F4 F4 34 F4
5 35 F5 F5 F5 35 F5
6 36 F6 F6 F6 36 F6
7 37 F7 F7 F7 37 F7
8 38 F8 F8 F8 38 F8
9 39 F9 F9 F9 39 F9
<SUPERSCRIPT THREE> B3 FA FA FA C2.B3 80.62
<U WITH CIRCUMFLEX> DB FB FB DD C3.9B 8A.6A ##
<U WITH DIAERESIS> DC FC FC FC C3.9C 8A.70
<U WITH GRAVE> D9 FD FD E0 C3.99 8A.68 ##
<U WITH ACUTE> DA FE FE FE C3.9A 8A.69
<APC> 9F FF FF 5F C2.9F FF ##ОПРЕДЕЛЕНИЕ НАБОРОВ СИМВОЛОВ
Можно определить, с какой кодовой страницей вы работаете. Но сначала вы должны быть абсолютно уверены в том, что вам нужно это сделать. Ваш код будет проще и, вероятно, не менее переносимым, если вам не придётся проверять кодовую страницу и делать разные вещи в зависимости от неё. На самом деле существует всего несколько ситуаций, когда сложно написать прямой код, который был бы переносимым на все кодовые страницы. См. "Unicode и EBCDIC" в perluniintro для того, как можно задать символы переносимым образом.
Но есть некоторые случаи, когда вы можете захотеть узнать, с какой кодовой страницей вы работаете. Одним из возможных примеров является выполнение сортировки во внутренних циклах, где производительность является критически важной.
Для определения, работаете ли вы под ASCII или EBCDIC, вы можете использовать возвращаемое значение ord() или chr(), чтобы проверить одно или несколько значений символов. Например:
$is_ascii = "A" eq chr(65);
$is_ebcdic = "A" eq chr(193);
$is_ascii = ord("A") == 65;
$is_ebcdic = ord("A") == 193;Еще меньше необходимости различать страницы кодировки EBCDIC, но для этого попробуйте посмотреть на один или несколько символов, которые отличаются между ними.
$is_ascii = ord('[') == 91;
$is_ebcdic_37 = ord('[') == 186;
$is_ebcdic_1047 = ord('[') == 173;
$is_ebcdic_POSIX_BC = ord('[') == 187;Однако было бы неразумно писать тесты, такие как:
$is_ascii = "\r" ne chr(13); # WRONG
$is_ascii = "\n" ne chr(10); # ILL ADVISEDОчевидно, что первый из них не сможет отличить большинство платформ ASCII от CCSID 0037, 1047 или платформы POSIX-BC EBCDIC, так как "\r" eq chr(13) под всеми этими наборами кодированных символов. Но обратите также внимание, что, поскольку "\n" является chr(13), а "\r" является chr(10) на старых Macintosh (который является ASCII-платформой), второй $is_ascii тест приведет к проблемам там.
Чтобы определить, была ли perl скомпилирована под страницей кодировки EBCDIC, вы можете использовать модуль Config следующим образом:
use Config;
$is_ebcdic = $Config{'ebcdic'} eq 'define';ПРЕОБРАЗОВАНИЯ
utf8::unicode_to_native() и utf8::native_to_unicode()
Эти функции принимают входное числовое кодовое значение в одной кодировке и возвращают его эквивалентное значение в другой.
См. utf8.
tr///
Для преобразования строки символов из одного набора символов в другой достаточно простого списка чисел, например, в правых столбцах в таблице выше, а также оператор tr/// Perl. Данные в таблице находятся в порядке ASCII/Latin1, поэтому столбцы EBCDIC предоставляют удобные для использования операции ASCII/Latin1 в EBCDIC, которые также легко обратимы.
Например, для преобразования ASCII/Latin1 в кодовую страницу 037 возьмите выходные данные второго столбца чисел из рецепта 2 (измененного для добавления "\" символов) и используйте его в tr/// следующим образом:
$cp_037 =
'\x00\x01\x02\x03\x37\x2D\x2E\x2F\x16\x05\x25\x0B\x0C\x0D\x0E\x0F' .
'\x10\x11\x12\x13\x3C\x3D\x32\x26\x18\x19\x3F\x27\x1C\x1D\x1E\x1F' .
'\x40\x5A\x7F\x7B\x5B\x6C\x50\x7D\x4D\x5D\x5C\x4E\x6B\x60\x4B\x61' .
'\xF0\xF1\xF2\xF3\xF4\xF5\xF6\xF7\xF8\xF9\x7A\x5E\x4C\x7E\x6E\x6F' .
'\x7C\xC1\xC2\xC3\xC4\xC5\xC6\xC7\xC8\xC9\xD1\xD2\xD3\xD4\xD5\xD6' .
'\xD7\xD8\xD9\xE2\xE3\xE4\xE5\xE6\xE7\xE8\xE9\xBA\xE0\xBB\xB0\x6D' .
'\x79\x81\x82\x83\x84\x85\x86\x87\x88\x89\x91\x92\x93\x94\x95\x96' .
'\x97\x98\x99\xA2\xA3\xA4\xA5\xA6\xA7\xA8\xA9\xC0\x4F\xD0\xA1\x07' .
'\x20\x21\x22\x23\x24\x15\x06\x17\x28\x29\x2A\x2B\x2C\x09\x0A\x1B' .
'\x30\x31\x1A\x33\x34\x35\x36\x08\x38\x39\x3A\x3B\x04\x14\x3E\xFF' .
'\x41\xAA\x4A\xB1\x9F\xB2\x6A\xB5\xBD\xB4\x9A\x8A\x5F\xCA\xAF\xBC' .
'\x90\x8F\xEA\xFA\xBE\xA0\xB6\xB3\x9D\xDA\x9B\x8B\xB7\xB8\xB9\xAB' .
'\x64\x65\x62\x66\x63\x67\x9E\x68\x74\x71\x72\x73\x78\x75\x76\x77' .
'\xAC\x69\xED\xEE\xEB\xEF\xEC\xBF\x80\xFD\xFE\xFB\xFC\xAD\xAE\x59' .
'\x44\x45\x42\x46\x43\x47\x9C\x48\x54\x51\x52\x53\x58\x55\x56\x57' .
'\x8C\x49\xCD\xCE\xCB\xCF\xCC\xE1\x70\xDD\xDE\xDB\xDC\x8D\x8E\xDF';
my $ebcdic_string = $ascii_string;
eval '$ebcdic_string =~ tr/\000-\377/' . $cp_037 . '/';Для преобразования из EBCDIC 037 в ASCII просто измените порядок аргументов tr/// следующим образом:
my $ascii_string = $ebcdic_string;
eval '$ascii_string =~ tr/' . $cp_037 . '/\000-\377/';Аналогично, можно взять выходные данные третьего столбца чисел из рецепта 2, чтобы получить $cp_1047 таблицу. Четвертый столбец чисел из результата рецепта 2 может обеспечить $cp_posix_bc таблицу, подходящую также для транскодирования.
Если вам нужны обратные таблицы, вам сначала нужно отсортировать желаемый столбец чисел, как в рецептах 4, 5 или 6, а затем взять выходные данные первого столбца чисел.
iconv
Операционная совместимость XPG часто подразумевает наличие утилиты iconv, доступной из командной строки или из библиотеки C. Обратитесь к документации вашей системы за информацией об iconv.
В системах OS/390 или z/OS см. страницу справки iconv(1). Один из способов вызова утилиты iconv командной строки изнутри perl:
# OS/390 or z/OS example
$ascii_data = `echo '$ebcdic_data'| iconv -f IBM-1047 -t ISO8859-1`или обратная карта:
# OS/390 or z/OS example
$ebcdic_data = `echo '$ascii_data'| iconv -f ISO8859-1 -t IBM-1047`Для других вариантов преобразования на основе Perl см. модули Convert::* в CPAN.
C RTL
Библиотеки времени выполнения C OS/390 и z/OS предоставляют функции _atoe() и _etoa().
РАЗЛИЧИЯ В ОПЕРАТОРАХ
Оператор диапазона .. обращается с осторожностью к определенным диапазонам символов на платформах EBCDIC. Например, в следующем массиве будет двадцать шесть элементов как на платформе EBCDIC, так и на платформе ASCII:
@alphabet = ('A'..'Z'); # $#alphabet == 25Битовые операторы, такие как & ^ |, могут возвращать разные результаты при работе со строковыми или символьными данными в программе Perl, выполняемой на платформе EBCDIC, по сравнению с выполнением на платформе ASCII. Вот пример, адаптированный из примера в perlop:
# EBCDIC-based examples
print "j p \n" ^ " a h"; # prints "JAPH\n"
print "JA" | " ph\n"; # prints "japh\n"
print "JAPH\nJunk" & "\277\277\277\277\277"; # prints "japh\n";
print 'p N$' ^ " E<H\n"; # prints "Perl\n";Интересной особенностью 32 управляющих символов C0 в таблице ASCII является то, что их можно «буквально» построить как управляющие символы в Perl, например, (chr(0) eq \c@)> (chr(1) eq \cA)> и так далее. Perl на платформах EBCDIC был перенесен для обработки \c@ в chr(0) и \cA в chr(1), и т.д., но символы, которые получаются, зависят от используемой кодовой страницы. В таблице ниже используются стандартные аббревиатуры для управляющих символов. Наборы POSIX-BC и 1047 идентичны в этом диапазоне и отличаются от набора 0037 только в одной точке (21 десятичное значение). Обратите внимание, что символ конца строки может быть сгенерирован \cJ на платформах ASCII, но \cU на платформах 1047 или POSIX-BC и не может быть сгенерирован как "\c.letter." управляющий символ на платформах 0037. Также обратите внимание, что \c\ не может быть последним элементом в строке или регулярном выражении, так как он поглотит терминатор. Но \c\X является FILE SEPARATOR соединенным с X для всех X. Аномалия \c? в ASCII, которая дает не-C0 управляющий символ DEL, дает аномальный управляющий символ APC в EBCDIC, тот, который не находится в блоке смежных управляющих символов. Обратите внимание на тонкость, что \c? на платформах ASCII является ASCII-символом, в то время как он не эквивалентен ни одному ASCII-символу на платформах EBCDIC.
chr ord 8859-1 0037 1047 && POSIX-BC
-----------------------------------------------------------------------
\c@ 0 <NUL> <NUL> <NUL>
\cA 1 <SOH> <SOH> <SOH>
\cB 2 <STX> <STX> <STX>
\cC 3 <ETX> <ETX> <ETX>
\cD 4 <EOT> <ST> <ST>
\cE 5 <ENQ> <HT> <HT>
\cF 6 <ACK> <SSA> <SSA>
\cG 7 <BEL> <DEL> <DEL>
\cH 8 <BS> <EPA> <EPA>
\cI 9 <HT> <RI> <RI>
\cJ 10 <LF> <SS2> <SS2>
\cK 11 <VT> <VT> <VT>
\cL 12 <FF> <FF> <FF>
\cM 13 <CR> <CR> <CR>
\cN 14 <SO> <SO> <SO>
\cO 15 <SI> <SI> <SI>
\cP 16 <DLE> <DLE> <DLE>
\cQ 17 <DC1> <DC1> <DC1>
\cR 18 <DC2> <DC2> <DC2>
\cS 19 <DC3> <DC3> <DC3>
\cT 20 <DC4> <OSC> <OSC>
\cU 21 <NAK> <NEL> <LF> **
\cV 22 <SYN> <BS> <BS>
\cW 23 <ETB> <ESA> <ESA>
\cX 24 <CAN> <CAN> <CAN>
\cY 25 <EOM> <EOM> <EOM>
\cZ 26 <SUB> <PU2> <PU2>
\c[ 27 <ESC> <SS3> <SS3>
\c\X 28 <FS>X <FS>X <FS>X
\c] 29 <GS> <GS> <GS>
\c^ 30 <RS> <RS> <RS>
\c_ 31 <US> <US> <US>
\c? * <DEL> <APC> <APC>* Примечание: \c? отображается в порядковом значении 127 (DEL) на платформах ASCII, но поскольку порядковое значение 127 не является управляющим символом на машинах EBCDIC, \c? вместо этого отображается на них как APC, которое равно 255 в 0037 и 1047, и 95 в POSIX-BC.
РАЗЛИЧИЯ В ФУНКЦИЯХ
-
chr() -
chr()должен быть аргументом кода EBCDIC, чтобы получить желаемое значение символа на платформе EBCDIC. Например:$CAPITAL_LETTER_A = chr(193); -
ord() -
ord()вернет значения кода EBCDIC на платформе EBCDIC. Например:$the_number_193 = ord("A"); -
pack() -
Шаблоны
"c"и"C"дляpack()зависят от кодировки набора символов. Примеры использования в EBCDIC:$foo = pack("CCCC",193,194,195,196); # $foo eq "ABCD" $foo = pack("C4",193,194,195,196); # same thing $foo = pack("ccxxcc",193,194,195,196); # $foo eq "AB\0\0CD"Шаблон
"U"был перенесен на все платформы для обозначения «Unicode», поэтомуpack("U", 65) eq 'A'является истинным на всех платформах. Если вы хотите получить родные кодовые точки для низких 256, используйте шаблон
"W". Это означает, что эквивалентностиpack("W", ord($character)) eq $character unpack("W", $character) == ord $characterбудут соблюдаться.
-
print() -
Нужно быть осторожным с скалярами и строками, передаваемыми в print, содержащими ASCII-кодировки. Одно распространенное место, где это происходит, — в выходных данных заголовка типа MIME для написания скриптов CGI. Например, многие руководства по программированию Perl рекомендуют что-то вроде:
print "Content-type:\ttext/html\015\012\015\012"; # this may be wrong on EBCDICВместо этого можно написать
print "Content-type:\ttext/html\r\n\r\n"; # OK for DGW et alи это будет работать переносимо.
Это потому, что преобразование из EBCDIC в ASCII в этом случае выполняется веб-сервером. Обратитесь к документации вашего веб-сервера для получения дополнительной информации.
-
printf() -
Форматы, которые могут преобразовывать символы в числа и обратно, будут отличаться от своих ASCII-аналогов при выполнении на платформе EBCDIC. Примеры включают:
printf("%c%c%c",193,194,195); # prints ABC -
sort() -
Результаты сортировки EBCDIC могут отличаться от результатов сортировки ASCII, особенно для строк со смешанным регистром. Подробнее об этом см. ниже в разделе СОРТИРОВКА.
-
sprintf() -
См. обсуждение
"printf()"выше. Пример использования sprintf:$CAPITAL_LETTER_A = sprintf("%c",193); -
unpack() -
См. обсуждение
"pack()"выше.
Обратите внимание, что можно написать переносимый код для этого, указав вещи в числах Unicode и используя функцию преобразования:
printf("%c",utf8::unicode_to_native(65)); # prints A on all
# platforms
print utf8::native_to_unicode(ord("A")); # Likewise, prints 65См. "Unicode и EBCDIC" в perluniintro и "ПРЕОБРАЗОВАНИЯ" для других вариантов.
РАЗЛИЧИЯ В РЕГУЛЯРНЫХ ВЫРАЖЕНИЯХ
Вы можете писать свои регулярные выражения так же, как это делал бы пользователь на платформе ASCII. Но помните, что использование восьмеричной или шестнадцатеричной нотации для указания конкретной кодовой точки даст вам символ, к которому кодовая страница EBCDIC отображает его в родном виде. (Это также относится ко всем строкам в двойных кавычках.) Если вы хотите писать переносимый код, просто используйте нотацию \N{U+...} везде, где вы бы использовали \x{...}, и вообще не используйте восьмеричную нотацию.
Начиная с Perl v5.22, это относится к диапазонам в квадратных скобках. Например, qr/[\N{U+20}-\N{U+7F}]/, означает символы \N{U+20}, \N{U+21}, ..., \N{U+7F}. Этот диапазон охватывает все печатные символы, содержащиеся в наборе символов ASCII.
До версии v5.22 вы не могли указывать какие-либо диапазоны переносимо, за исключением (начиная с Perl v5.5.3) все подмножества диапазонов [A-Z] и [a-z] специально разработаны таким образом, чтобы не выбирать пробелы. Например, символы, такие как "ô" (o WITH CIRCUMFLEX), находящиеся между "I" и "J", не будут соответствовать диапазону регулярного выражения /[H-K]/. Но если один из конечных точек диапазона явно числовой (и ни один не задается с помощью \N{U+...}), пробелы соответствуют:
/[\x89-\x91]/будет соответствовать \x8e, даже если \x89 — это "i", а \x91 — "j", и \x8e — пробельный символ с точки зрения алфавита.
Другая конструкция, от которой следует предостеречь, — это неправильное использование шестнадцатеричных (если вы не используете \N{U+...}) или восьмеричных констант в регулярных выражениях. Рассмотрим следующий набор подпрограмм:
sub is_c0 {
my $char = substr(shift,0,1);
$char =~ /[\000-\037]/;
}
sub is_print_ascii {
my $char = substr(shift,0,1);
$char =~ /[\040-\176]/;
}
sub is_delete {
my $char = substr(shift,0,1);
$char eq "\177";
}
sub is_c1 {
my $char = substr(shift,0,1);
$char =~ /[\200-\237]/;
}
sub is_latin_1 { # But not ASCII; not C1
my $char = substr(shift,0,1);
$char =~ /[\240-\377]/;
}Они допустимы только на платформах ASCII. Начиная с Perl v5.22, простое изменение восьмеричных констант на эквивалентные значения \N{U+...} делает их переносимыми:
sub is_c0 {
my $char = substr(shift,0,1);
$char =~ /[\N{U+00}-\N{U+1F}]/;
}
sub is_print_ascii {
my $char = substr(shift,0,1);
$char =~ /[\N{U+20}-\N{U+7E}]/;
}
sub is_delete {
my $char = substr(shift,0,1);
$char eq "\N{U+7F}";
}
sub is_c1 {
my $char = substr(shift,0,1);
$char =~ /[\N{U+80}-\N{U+9F}]/;
}
sub is_latin_1 { # But not ASCII; not C1
my $char = substr(shift,0,1);
$char =~ /[\N{U+A0}-\N{U+FF}]/;
}Вот еще несколько альтернативных переносимых способов их записи:
sub Is_c0 {
my $char = substr(shift,0,1);
return $char =~ /[[:cntrl:]]/a && ! Is_delete($char);
# Alternatively:
# return $char =~ /[[:cntrl:]]/
# && $char =~ /[[:ascii:]]/
# && ! Is_delete($char);
}
sub Is_print_ascii {
my $char = substr(shift,0,1);
return $char =~ /[[:print:]]/a;
# Alternatively:
# return $char =~ /[[:print:]]/ && $char =~ /[[:ascii:]]/;
# Or
# return $char
# =~ /[ !"\#\$%&'()*+,\-.\/0-9:;<=>?\@A-Z[\\\]^_`a-z{|}~]/;
}
sub Is_delete {
my $char = substr(shift,0,1);
return utf8::native_to_unicode(ord $char) == 0x7F;
}
sub Is_c1 {
use feature 'unicode_strings';
my $char = substr(shift,0,1);
return $char =~ /[[:cntrl:]]/ && $char !~ /[[:ascii:]]/;
}
sub Is_latin_1 { # But not ASCII; not C1
use feature 'unicode_strings';
my $char = substr(shift,0,1);
return ord($char) < 256
&& $char !~ /[[:ascii:]]/
&& $char !~ /[[:cntrl:]]/;
}Еще один способ записи Is_latin_1() — это явное использование символов в диапазоне:
sub Is_latin_1 {
my $char = substr(shift,0,1);
$char =~ /[ ¡¢£¤¥¦§¨©ª«¬®¯°±²³´µ¶·¸¹º»¼½¾¿ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏ]
[ÐÑÒÓÔÕÖ×ØÙÚÛÜÝÞßàáâãäåæçèéêëìíîïðñòóôõö÷øùúûüýþÿ]/x;
}Хотя эта форма может столкнуться с проблемами при передаче по сети (из-за наличия символов с 8 битами) или на не-ISO-латинских наборах символов. Но она позволяет Is_c1 быть переписанным так, чтобы он работал в Perl, не имеющем 'unicode_strings' (раньше v5.14):
sub Is_latin_1 { # But not ASCII; not C1
my $char = substr(shift,0,1);
return ord($char) < 256
&& $char !~ /[[:ascii:]]/
&& ! Is_latin1($char);
}СОКЕТЫ
Большинство программ сокетов предполагает ASCII-кодировки символов в сетевом порядке байтов. Исключением может быть написание скриптов CGI на хост-веб-сервере, где сервер может позаботиться о переводе за вас. Большинство хост-веб-серверов преобразуют данные EBCDIC в ISO-8859-1 или Unicode на выходе.
СОРТИРОВКА
Одно из главных различий между наборами символов, основанными на ASCII, и наборами символов EBCDIC, заключается в относительном расположении символов при сортировке в родном порядке. Наиболее важными являются прописные и строчные буквы, цифры и символ подчеркивания ("_"). В платформах ASCII родной порядок сортировки имеет цифры перед заглавными буквами, которые идут перед символом подчеркивания, который, в свою очередь, предшествует строчным буквам. В EBCDIC, символ подчеркивания идет первым, затем строчные буквы, а затем прописные, и, наконец, цифры. Если сортировать на платформе, основанной на ASCII, двухбуквенное сокращение от имени врача предшествует двухбуквенному сокращению от слова «drive»; то есть:
@sorted = sort(qw(Dr. dr.)); # @sorted holds ('Dr.','dr.') on ASCII,
# but ('dr.','Dr.') on EBCDICСвойство строчных букв перед заглавными в EBCDIC сохраняется даже в страницах Latin 1 EBCDIC, таких как 0037 и 1047. Например, «Ë» (E WITH DIAERESIS, 203) идет перед «ë» (e WITH DIAERESIS, 235) на платформе ASCII, но последняя (83) идет перед первой (115) на платформе EBCDIC. (Внимательные читатели заметят, что заглавная версия «ß» SMALL LETTER SHARP S — это просто «SS», а заглавные версии «ÿ» (маленькое y WITH DIAERESIS) и «µ» (MICRO SIGN) не входят в диапазон 0..255, но находятся в Unicode, в Perl с поддержкой Unicode).
Порядок сортировки приведет к различиям в результатах, полученных на платформах ASCII и EBCDIC. Ниже приведены некоторые рекомендации по работе с этими различиями.
Отклонение различий в сортировке ASCII и EBCDIC.
Это стратегия с наименьшими вычислительными затратами. Возможно, потребуется обучение пользователей.
Использование вспомогательной функции сортировки
Это совершенно универсальная, но самая ресурсоемкая стратегия. Выберите один из наборов символов и преобразуйте его для каждого сравнения сортировки. Вот полный пример преобразования в порядок сортировки ASCII:
sub native_to_uni($) {
my $string = shift;
# Saves time on an ASCII platform
return $string if ord 'A' == 65;
my $output = "";
for my $i (0 .. length($string) - 1) {
$output
.= chr(utf8::native_to_unicode(ord(substr($string, $i, 1))));
}
# Preserve utf8ness of input onto the output, even if it didn't need
# to be utf8
utf8::upgrade($output) if utf8::is_utf8($string);
return $output;
}
sub ascii_order { # Sort helper
return native_to_uni($a) cmp native_to_uni($b);
}
sort ascii_order @list;Преобразование в одинаковый регистр, затем сортировка данных (для нецифр и без символа подчеркивания)
Если вам неважно, где располагаются цифры и символ подчеркивания при сортировке, вы можете сделать что-то вроде этого
sub case_insensitive_order { # Sort helper
return lc($a) cmp lc($b)
}
sort case_insensitive_order @list;Если производительность является проблемой, и вам все равно, в каком регистре будет вывод, используйте tr/// для преобразования в регистр, наиболее часто используемый в данных. Если данные в основном заглавные и не содержат Latin-1 символов, примените tr/[a-z]/[A-Z]/, а затем sort(). Если данные в основном строчные и не содержат Latin-1 символов, то примените tr/[A-Z]/[a-z]/ перед сортировкой. Если данные в основном заглавные и содержат символы Latin-1, то примените:
tr/[a-z]/[A-Z]/;
tr/[àáâãäåæçèéêëìíîïðñòóôõöøùúûüýþ]/[ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝÞ/;
s/ß/SS/g;затем sort(). Если есть выбор, лучше преобразовать в строчные буквы, чтобы избежать проблем с двумя символами Latin-1, чьи заглавные версии находятся за пределами Latin-1: «ÿ» (маленькое y WITH DIAERESIS) и «µ» (MICRO SIGN). Если вам все-таки нужно преобразовать в заглавные буквы, с помощью Perl с поддержкой Unicode, можно сделать:
tr/ÿ/\x{178}/;
tr/µ/\x{39C}/;Произвести сортировку только на одном типе платформы.
Эта стратегия может использовать сетевое соединение. Как следствие, она будет ресурсоемкой.
ФОРМАТЫ ПРЕОБРАЗОВАНИЯ
Существует множество способов преобразования данных с внутринабора символов сопоставлением, которые служат различным целям. Сортировка обсуждалась в предыдущем разделе, а несколько других популярных методов сопоставления будут рассмотрены далее.
Декодирование и кодирование URL
Обратите внимание, что некоторые URL-адреса содержат шестнадцатеричные ASCII-кодовые точки в попытке преодолеть проблемы с символами или ограничениями протокола. Например, тильда не присутствует на каждой клавиатуре, поэтому URL-адрес вида:
http://www.pvhp.com/~pvhp/также может быть выражен как один из:
http://www.pvhp.com/%7Epvhp/
http://www.pvhp.com/%7epvhp/где 7E — шестнадцатеричная ASCII-кодовая точка для «~». Вот пример декодирования такого URL-адреса в любой кодовой странице EBCDIC:
$url = 'http://www.pvhp.com/%7Epvhp/';
$url =~ s/%([0-9a-fA-F]{2})/
pack("c",utf8::unicode_to_native(hex($1)))/xge;И наоборот, вот частичное решение для кодирования такого URL-адреса в любой кодовой странице EBCDIC:
$url = 'http://www.pvhp.com/~pvhp/';
# The following regular expression does not address the
# mappings for: ('.' => '%2E', '/' => '%2F', ':' => '%3A')
$url =~ s/([\t "#%&\(\),;<=>\?\@\[\\\]^`{|}~])/
sprintf("%%%02X",utf8::native_to_unicode(ord($1)))/xge;где более полное решение разделило бы URL-адрес на компоненты и применило бы полную замену s/// только к соответствующим частям.
Кодирование и декодирование uu
Шаблон u в pack() или unpack() отобразит данные EBCDIC в символах EBCDIC, эквивалентных их ASCII-аналогам. Например, следующее выведет «Да, действительно\n» как на компьютере ASCII, так и на компьютере EBCDIC:
$all_byte_chrs = '';
for (0..255) { $all_byte_chrs .= chr($_); }
$uuencode_byte_chrs = pack('u', $all_byte_chrs);
($uu = <<'ENDOFHEREDOC') =~ s/^\s*//gm;
M``$"`P0%!@<("0H+#`T.#Q`1$A,4%187&!D:&QP='A\@(2(C)"4F)R@I*BLL
M+2XO,#$R,S0U-C<X.3H[/#T^/T!!0D-$149'2$E*2TQ-3D]045)35%565UA9
M6EM<75Y?8&%B8V1E9F=H:6IK;&UN;W!Q<G-T=79W>'EZ>WQ]?G^`@8*#A(6&
MAXB)BHN,C8Z/D)&2DY25EI>8F9J;G)V>GZ"AHJ.DI::GJ*FJJZRMKJ^PL;*S
MM+6VM[BYNKN\O;Z_P,'"P\3%QL?(R<K+S,W.S]#1TM/4U=;7V-G:V]S=WM_@
?X>+CY.7FY^CIZNOL[>[O\/'R\_3U]O?X^?K[_/W^_P``
ENDOFHEREDOC
if ($uuencode_byte_chrs eq $uu) {
print "Yes ";
}
$uudecode_byte_chrs = unpack('u', $uuencode_byte_chrs);
if ($uudecode_byte_chrs eq $all_byte_chrs) {
print "indeed\n";
}Вот очень простой декодер uudecoder, который будет работать на EBCDIC:
#!/usr/local/bin/perl
$_ = <> until ($mode,$file) = /^begin\s*(\d*)\s*(\S*)/;
open(OUT, "> $file") if $file ne "";
while(<>) {
last if /^end/;
next if /[a-z]/;
next unless int((((utf8::native_to_unicode(ord()) - 32 ) & 077)
+ 2) / 3)
== int(length() / 4);
print OUT unpack("u", $_);
}
close(OUT);
chmod oct($mode), $file;Кодирование и декодирование с использованием Quoted-Printable
В платформах с кодировкой ASCII можно удалить символы, не входящие в напечатанный набор, используя:
# This QP encoder works on ASCII only
$qp_string =~ s/([=\x00-\x1F\x80-\xFF])/
sprintf("=%02X",ord($1))/xge;Начиная с Perl v5.22, это тривиально можно изменить, чтобы портировать работу как на платформы ASCII, так и на платформы EBCDIC.
# This QP encoder works on both ASCII and EBCDIC
$qp_string =~ s/([=\N{U+00}-\N{U+1F}\N{U+80}-\N{U+FF}])/
sprintf("=%02X",ord($1))/xge;Для более ранних версий Perl кодировщик QP, который работает как на платформах ASCII, так и на платформах EBCDIC, будет выглядеть примерно так:
$delete = utf8::unicode_to_native(ord("\x7F"));
$qp_string =~
s/([^[:print:]$delete])/
sprintf("=%02X",utf8::native_to_unicode(ord($1)))/xage;(хотя в производственном коде замены могут быть выполнены в ветке EBCDIC с вызовом функции и отдельно в ветке ASCII без затрат на отображение тождества; в Perl v5.22 отображения тождества оптимизированы, поэтому нет затрат, но приведенный выше вариант проще и также доступен в v5.22).
Такие строки QP можно декодировать с помощью:
# This QP decoder is limited to ASCII only
$string =~ s/=([[:xdigit:][[:xdigit:])/chr hex $1/ge;
$string =~ s/=[\n\r]+$//;В то время как декодер QP, который работает как на платформах ASCII, так и на платформах EBCDIC, будет выглядеть примерно так:
$string =~ s/=([[:xdigit:][:xdigit:]])/
chr utf8::native_to_unicode(hex $1)/xge;
$string =~ s/=[\n\r]+$//;Шифры Цезаря
Практика сдвига алфавита на один или несколько символов для шифрования насчитывает тысячи лет и была подробно описана Гаем Юлием Цезарем в его тексте «Записки о Галльской войне». Сдвиг алфавита на один символ иногда называют вращением, а величина сдвига обозначается числом $n после строки «rot» или «rot$n». Rot0 и rot26 обозначают отображения тождества в 26-буквенной английской версии латинского алфавита. Rot13 имеет интересное свойство: последующие вызовы являются отображениями тождества (следовательно, rot13 является своей собственной нетривиальной обратной функцией в группе 26 вращений алфавита). Следовательно, следующее — это кодировщик и декодер rot13, который будет работать на платформах ASCII и EBCDIC:
#!/usr/local/bin/perl
while(<>){
tr/n-za-mN-ZA-M/a-zA-Z/;
print;
}В виде однострочника:
perl -ne 'tr/n-za-mN-ZA-M/a-zA-Z/;print'Порядок хэширования и контрольные суммы
Perl преднамеренно случайным образом распределяет порядок хэширования для обеспечения безопасности как на платформах ASCII, так и на платформах EBCDIC.
Контрольные суммы EBCDIC будут отличаться для одного и того же файла, переведенного в ASCII и наоборот.
I18N И L10N
Международный язык (I18N) и локализация (L10N) поддерживаются, по крайней мере в принципе, даже на платформах EBCDIC. Подробности зависят от системы и обсуждаются в разделе «ВОПРОСЫ ОПЕРАЦИОННЫХ СИСТЕМ» ниже.
МУЛЬТИБАЙТОВЫЕ НАБОРЫ СИМВОЛОВ
Perl работает с UTF-EBCDIC, многобайтовой кодировкой. В версиях Perl до v5.22 могут быть различные ошибки в этом отношении.
Устаревшие многобайтовые кодовые страницы EBCDIC XXX.
ВОПРОСЫ ОПЕРАЦИОННЫХ СИСТЕМ
Может возникнуть несколько проблем, зависящих от системы, которые могут интересовать программистов Perl для EBCDIC.
OS/400
- PASE
-
Среда PASE — это среда выполнения для OS/400, которая может запускать исполняемые файлы, созданные для PowerPC AIX в OS/400; см. perlos400. PASE основана на ASCII, а не на EBCDIC, как ILE.
- Доступ к IFS
-
XXX.
OS/390, z/OS
Perl работает под Unix Systems Services или USS.
sigaction-
SA_SIGINFOможет привести к ошибке сегментации. chcp-
chcp поддерживается как утилита оболочки для отображения и изменения кодовой страницы. См. также chcp(1).
- Доступ к наборам данных
-
Для последовательного доступа к наборам данных попробуйте:
my @ds_records = `cat //DSNAME`;или:
my @ds_records = `cat //'HLQ.DSNAME'`;См. также модуль OS390::Stdio на CPAN.
iconv-
iconv поддерживается как утилитой оболочки, так и процедурой C RTL. См. также страницы руководства iconv(1) и iconv(3).
- Локали
-
Локали поддерживаются. Могут возникнуть проблемы, если локаль — это другая кодовая страница EBCDIC, в которой некоторые символы-варианты кодовой страницы находятся в других позициях.
В настоящее время нет реальных UTF-8 локалей, даже если некоторые имена локалей содержат строку «UTF-8».
См. perllocale для получения информации о локалях. Файлы L10N находятся в каталоге /usr/nls/locale.
$Config{d_setlocale}— это'define'в OS/390 или z/OS.
POSIX-BC?
XXX.
ОШИБКИ
-
Не все оболочки позволят правильно объединить несколько
-eстроковых аргументов в perl как рецепты, показанные в документации (0, 2, 4, 5 и 6). -
Есть значительное количество неудачных тестов в модулях CPAN, поставляемых с Perl v5.22 и 5.24. Это относится только к модулям, не поддерживаемым в первую очередь разработчиками Perl 5. Некоторые из них — ошибки только в тестах: они не понимают, что на платформах EBCDIC можно получить разные результаты. И некоторые — это реальные ошибки. Если вы скомпилируете и выполните
make testв Perl, все тесты в каталоге/cpanбудут пропущены.Encode частично работает.
-
В более ранних версиях Perl, когда байтовые и символьные данные объединялись, новая строка иногда создавалась путем декодирования байтовых строк как ISO 8859-1 (Latin-1), даже если старая строка Unicode использовала EBCDIC.
См. также
perllocale, perlfunc, perlunicode, utf8.
СПИСОК ЛИТЕРАТУРЫ
http://anubis.dkuug.dk/i18n/charmaps
https://www.unicode.org/unicode/reports/tr16/
http://www.wps.com/projects/codes/ ASCII: Американский стандартный код для информационной инфильтрации Том Дженнингс, сентябрь 1999 г.
Стандарт Unicode, версия 3.0 Консорциум Unicode, Лиза Мур ред., ISBN 0-201-61633-5, Addison Wesley Developers Press, февраль 2000 г.
CDRA: IBM - Архитектура представления данных символов - Справочник и реестр, IBM SC09-2190-00, декабрь 1996 г.
«Разгадывая наборы символов», Андреа Вайн, Multilingual Computing & Technology, #26 Вып. 10, № 4, август/сентябрь 1999 г.; ISSN 1523-0309; Multilingual Computing Inc. Sandpoint ID, США.
Коды, шифры и другие криптографические и скрытые способы связи Фред Б. Вриксен, ISBN 1-57912-040-7, Black Dog & Leventhal Publishers, 1998.
END_OF_DOCUMENT_MARKERhttp://www.bobbemer.com/P-BIT.HTM IBM - EBCDIC и бит P; Самая большая ошибка в вычислительной технике Роберт Бемер.
HISTORY
15 апреля 2001: добавлены UTF-8 и UTF-EBCDIC в основную таблицу, pvhp.
AUTHOR
Питер Приммер pvhp@best.com написал это в 1999 и 2000 годах с помощью CCSID 0819 и 0037 при содействии Криса Лича и Андре Пирарда A.Pirard@ulg.ac.be, а также помощи POSIX-BC от Томаса Дорнера Thomas.Dorner@start.de. Также выражаем благодарность Вики Купер, Филипу Ньютону, Уильяму Раффлоеру и Джо Смиту. Торговые марки, зарегистрированные торговые марки, знаки обслуживания и зарегистрированные знаки обслуживания, используемые в данном документе, являются собственностью соответствующих владельцев.
Сейчас поддерживается Perl5 Porters.
© 1993–2021 Larry Wall and others
Licensed under the GNU General Public License version 1 or later, or the Artistic License.
The Perl logo is a trademark of the Perl Foundation.
https://perldoc.perl.org/5.34.0/perlebcdic
