perlebcdic
СОДЕРЖАНИЕ
- НАЗВАНИЕ
- ОПИСАНИЕ
- ОБЩИЕ НАБОРЫ КОДОВ СИМВОЛОВ
- ТАБЛИЦЫ С ОДНИМ БАЙТОМ
- ОПРЕДЕЛЕНИЕ НАБОРОВ КОДОВ СИМВОЛОВ
- ПРЕОБРАЗОВАНИЯ
- РАЗЛИЧИЯ В ОПЕРАТОРАХ
- РАЗЛИЧИЯ В ФУНКЦИЯХ
- РАЗЛИЧИЯ В РЕГУЛЯРНЫХ ВЫРАЖЕНИЯХ
- СОКЕТЫ
- СОРТИРОВКА
- ФОРМАТЫ ПРЕОБРАЗОВАНИЯ
- Порядок хеширования и контрольные суммы
- I18N И L10N
- НАБОРЫ СИМВОЛОВ С НЕСКОЛЬКИМИ БАЙТАМИ
- ПРОБЛЕМЫ С ОПЕРАЦИОННЫМИ СИСТЕМАМИ
- ОШИБКИ
- СМОТРИТЕ ТАКЖЕ
- СПИСОК ЛИТЕРАТУРЫ
- ИСТОРИЯ
- АВТОР
НАЗВАНИЕ
perlebcdic - Учёт особенностей работы Perl на платформах EBCDIC
ОПИСАНИЕ
Рассмотрение некоторых проблем, с которыми сталкиваются программисты Perl на компьютерах с EBCDIC.
Незавершенные части этого документа помечены как XXX.
Ранние версии Perl работали на некоторых машинах EBCDIC, но последняя известная версия, работавшая на EBCDIC, — v5.8.7, вплоть до v5.22, когда ядро Perl снова заработало на z/OS. Теоретически, она могла бы работать на OS/400 или Siemens' BS2000 (или их преемниках), но это не проверялось. В версиях 5.22 и 5.24 не все модули из CPAN, но поставляемые 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 числами, как мы вскоре увидим. Вам придётся что-то знать о платформах «ASCII», потому что документация предвзята и часто использует примеры чисел, которые не относятся к EBCDIC. Кроме того, существует очень мало модулей CPAN, написанных для EBCDIC и не работающих на ASCII; вместо этого подавляющее большинство модулей CPAN написаны для ASCII, и некоторые могут работать на EBCDIC, в то время как некоторые были разработаны для работы как на одной, так и на другой платформе.
Если ваш код просто использует 52 буквы A-Z и a-z, плюс ПРОБЕЛ, цифры 0-9 и знаки препинания, используемые Perl, плюс несколько управляющих символов, обозначаемых последовательностями экранирования, такими как \n и \t, то в использовании Perl нет ничего особенного, и ваш код, скорее всего, будет работать на машине ASCII без изменений.
Но если вы пишете код, в котором \005 означает ТАБУЛЯЦИЮ или \xC1 означает «А», или \xDF означает «ÿ» (маленькая "y" с диэрезом), 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 в данном документе акцент будет сделан на написании кода, переносимого между системами EBCDIC и ASCII. Опять же, если каждый символ, который вас интересует, легко вводится с вашей клавиатуры, вам не нужно ничего знать об ASCII, но многие клавиатуры не позволяют вам напрямую вводить, скажем, символ \xDF, поэтому вы должны указать его косвенно, например, используя последовательность экранирования "\xDF". В этих случаях проще 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 компьютер автоматически переведёт её в \xDF на вашей платформе и оставит её как \xFF на платформах ASCII. Или вы можете указать её по имени, \N{LATIN SMALL LETTER Y WITH DIAERESIS, и вам не нужно будет знать числа. В обоих случаях всё работает, но оба подхода требуют знакомства с Unicode.
ОБЩИЕ НАБОРЫ КОДОВ СИМВОЛОВ
ASCII
American Standard Code for Information Interchange (ASCII или US-ASCII) — набор целых чисел от 0 до 127 (десятичное), имеющий 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-битным ASCII». ASCII описывается документом Американского национального института стандартов ANSI X3.4-1986. Он также описан в ISO 646:1991 (с локализацией для символов валюты). Полный набор ASCII приводится в таблице ниже как первые 128 элементов. Языки, которые можно адекватно записать с символами ASCII, включают английский, гавайский, индонезийский, суахили и некоторые языки коренных американцев.
Большинство наборов символов, отличных от EBCDIC, являются надмножествами ASCII. То есть целые числа от 0 до 127 имеют то же значение, что и в ASCII. Но числа 128 и выше специфичны для набора символов.
Многие из них полностью помещаются в 8 бит, используя ASCII как 0-127, при этом указывается значение 128-255 и не используется ничего выше 255. Таким образом, это наборы символов с одним байтом (или октетом, если хотите). Один важный набор (поскольку Unicode является его надмножеством) — 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 из них предназначены для европейских языков, но также есть наборы для арабского, греческого, иврита и тайского. Есть хорошие ссылки в Интернете обо всех этих наборах.
Latin 1 (ISO 8859-1)
Конкретное 8-битное расширение ASCII, включающее латинские символы с диакритическими знаками. 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 язык также охвачен, но без лигатуры ij. Французский также охвачен, но без лигатуры oe. Немецкий язык может использовать ISO 8859-1, но при этом не должен использовать знаки кавычек немецкого типа. Этот набор основан на западноевропейских расширениях ASCII и часто встречается в работе в сети Интернет. В терминологии идентификации наборов символов IBM ISO 8859-1 также известен как CCSID 819 (или иногда 0819 или даже 00819).
EBCDIC
Расширенный двоичный код обмена десятичными знаками — это большой набор однобайтовых и многобайтовых наборов кодированных символов, существенно отличающихся от ASCII и ISO 8859-1, и все они немного отличаются друг от друга; они обычно используются на хост-компьютерах. Кодировки EBCDIC произошли от 8-битных байтовых расширений кодировок перфокарт Холлерита, которые появились задолго до ASCII. Размещение на картах было таким, что старшие биты устанавливались для прописных и строчных букв алфавита [a-z] и [A-Z], но в каждом диапазоне латинского алфавита были пробелы, которые видны в таблице ниже. Эти пробелы могут вызывать сложности.
Некоторые наборы символов IBM EBCDIC могут быть известны по номерам идентификации наборов символов (номерам CCSID) или номерам кодовых страниц.
Perl можно компилировать на платформах, на которых работают любые из трех наиболее часто используемых наборов символов EBCDIC, перечисленных ниже.
13 вариантов символов
Среди наборов символов IBM EBCDIC есть 13 символов, которые часто отображаются в разных целочисленных значениях. Эти символы известны как 13 «вариантных» символов и таковы:
\ [ ] { } ^ ~ ! # | $ @ `Когда Perl компилируется для платформы, он проверяет все эти символы, чтобы определить, какой набор символов EBCDIC используется на платформе, и соответствующим образом адаптируется к этой платформе. Если на платформе используется набор символов, который не входит в число трех известных Perl, Perl либо не сможет скомпилироваться, либо ошибочно и молча выберет один из трех.
Символ «Переход на новую строку» (LF) на самом деле является 14-м вариантом символа, и Perl тоже проверяет его.
Наборы кодировок EBCDIC, распознаваемые Perl
- 0037
-
Идентификатор набора символов 0037 представляет собой отображение символов ASCII плюс Latin-1 (т. е. ISO 8859-1) на набор EBCDIC. 0037 используется в локалях Северной Америки (английский) в 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 набора символов 1047 также представляет собой отображение символов ASCII плюс Latin-1 (т. е. ISO 8859-1) на набор EBCDIC. 1047 используется в Unix System Services для OS/390 или z/OS, и OpenEdition для VM/ESA. CCSID 1047 отличается от CCSID 0037 в восьми местах и от ISO 8859-1 в 236 местах.
- POSIX-BC
-
Страница кодировки EBCDIC, используемая в системе Siemens BS2000, отличается от 1047 и 0037. Она идентифицируется ниже 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 в ASCII и Latin-1 (ISO 8859-1) имеют одинаковое значение в Unicode. Все три распознаваемых набора кодировок EBCDIC имеют 256 кодовых точек, и в каждом наборе все 256 кодовых точек отображаются на эквивалентные кодовые точки Latin1. Очевидно, что "A" будет отображаться на "A", "B" => "B", "%" => "%", и т. д. для всех печатаемых символов в Latin1 и этих наборов кодировок.
Оказывается, что EBCDIC имеет почти точные эквиваленты для ASCII/Latin1-управляющих символов C0 и символа УДАЛЕНИЯ. (Управляющие символы C0 — это те, чьи 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 остальными управляющими символами EBCDIC. Сделано отображение этих управляющих символов, в основном произвольно, на некоторый другой, в противном случае не сопоставленный символ в другом наборе символов. Большинство из них в наши дни используются крайне редко в EBCDIC, и их названия были отброшены, без особых возражений. Например, управляющий символ EBCDIC EO (Eight Ones) (состоящий из восьми единиц = 0xFF) отображается на управляющий символ C1 APC (0x9F), и вы не можете использовать название "EO".
Управляющие символы EBCDIC предоставляют три возможных символа завершения строки: CR (0x0D), LF (0x25) и NL (0x15). На платформах ASCII символы "NL" и "LF" относятся к одному символу, но в строгой терминологии EBCDIC они являются разными. EBCDIC NL отображается на управляющий символ C1, называемый "NEL" ("Next Line"; здесь отображение имеет вполне понятный смысл, а значит, не является произвольным). В некоторых платформах EBCDIC этот NL или NEL является типичным символом завершения строки. Это относится к z/OS и BS2000. В этих платформах компиляторы C будут менять кодовые точки LF и NEL, так что "\n" равно 0x15 и относится к NL. Perl делает то же самое; вы можете увидеть это в таблице кодов ниже. Это делает вещи обычно "работающими" без необходимости даже знать, что существует замена.
Unicode и UTF
UTF означает "Unicode Transformation Format". UTF-8 — это кодировка Unicode в последовательность блоков байтов по 8 бит, основанная на ASCII и Latin-1. Длина последовательности, необходимой для представления кодовой точки Unicode, зависит от порядкового номера этой кодовой точки, причём для больших чисел требуется больше байтов. UTF-EBCDIC похож на UTF-8, но основан на EBCDIC. Они достаточно похожи, что часто случайное использование смешивает два термина и использует "UTF-8", имея в виду как UTF-8 на платформах ASCII, так и UTF-EBCDIC на платформах EBCDIC.
Вы можете увидеть 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 другой концепции, чем "13 вариантов символов", упомянутые выше. Внимательная формулировка будет использовать термин "инвариантный UTF-8", а не просто "инвариантный", но чаще всего вы увидите просто "инвариантный".) Например, порядковое значение "A" равно 193 в большинстве наборов кодировок EBCDIC, а также 193 при кодировании в UTF-EBCDIC. Все кодовые точки UTF-8 (или UTF-EBCDIC) с вариантами занимают не менее двух байтов при кодировании в UTF-8 (или UTF-EBCDIC); по определению, инвариантные кодовые точки UTF-8 (или UTF-EBCDIC) занимают ровно один байт, независимо от того, кодируются ли они в UTF-8 (или UTF-EBCDIC) или нет. (Теперь вы понимаете, почему люди обычно говорят просто "UTF-8", когда имеют в виду также "UTF-EBCDIC". В остальной части этого документа мы также будем чаще использовать такой упрощённый вариант.) В ASCII UTF-8 кодовые точки, соответствующие 128 самым низким порядковым номерам (0—127: символы ASCII), являются инвариантными. В UTF-EBCDIC существует 160 инвариантных символов. (Если вам интересно, инвариантными в EBCDIC являются символы, имеющие эквиваленты в ASCII, плюс те, что 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 определён в Техническом отчёте Unicode #16 (часто упоминаемом как просто TR16). Он определён на основе CCSID 1047, не учитывая различий в других наборах кодировок. Это позволяет легко обмениваться текстом между компьютерами, работающими с разными наборами кодировок, но делает его непригодным без адаптации для Perl на других наборах кодировок.
Причина этой непригодности заключается в том, что основное предположение Perl заключается в том, что символы, которые его интересуют для разбора и лексического анализа, одинаковы, независимо от того, закодирован ли текст в UTF-8. Например, Perl ожидает, что символ "[" будет иметь то же самое 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 конкретному набору кодировок таким образом, чтобы все символы, которые он ожидает, будут инвариантными для UTF-8. Это означает, что текст, сгенерированный на компьютере, работающем с одной версией UTF-EBCDIC Perl, должен быть преобразован, чтобы быть понятным компьютеру, работающему с другой.
TR16 подразумевает метод расширения UTF-EBCDIC для кодирования точек вплоть до 2 ** 31 - 1. Perl использует этот метод для кодовых точек вплоть до 2 ** 30 - 1, но использует несовместимый метод для больших, чтобы иметь возможность обрабатывать гораздо большие кодовые точки, чем иначе.
Использование Encode
Начиная с Perl 5.8, вы можете использовать стандартный модуль Encode для преобразования кодовых точек EBCDIC в Latin-1.
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 из кодовых точек Latin-1 в кодовые точки 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 '^'});
# $a is in EBCDIC code pointsДля выполнения операций ввода/вывода рекомендуется использовать функции автоматического перевода PerlIO, см. perluniintro.
Начиная с версии 5.8 Perl использует библиотеку ввода/вывода PerlIO. Это позволяет использовать различные кодировки на каждом канале ввода/вывода. Например, вы можете использовать
use Encode;
open($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";для получения четырёх файлов, содержащих "Hello World!\n" в ASCII, EBCDIC CP 0037, ISO 8859-1 (Latin-1) (в этом примере идентично ASCII, так как печатались только символы ASCII), и UTF-EBCDIC (в этом примере идентично обычной EBCDIC, так как печатались только символы, которые не различаются в EBCDIC и UTF-EBCDIC). Подробнее см. документацию Encode::PerlIO.
Поскольку слой PerlIO использует внутренне сырые операции ввода/вывода (байты), всё это полностью игнорирует такие вещи, как тип вашей файловой системы (ASCII или EBCDIC).
ТАБЛИЦЫ ОДНОГО БАЙТА
В следующих таблицах перечислены наборы ASCII и Latin-1 с подмножествами: управляющие символы C0 (0..31), графические символы ASCII (32..7e), символ удаления (7f), управляющие символы C1 (80..9f) и Latin-1 (а. к. а. ISO 8859-1) (a0..ff). В заголовках таблиц названия расширений Latin-1 до ASCII были обозначены именами символов, примерно соответствующими The Unicode Standard, Version 6.1, хотя и с 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 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 хотите увидеть эту таблицу с октальными значениями, то запустите таблицу (то есть текст исходного файла 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 формате скрипта 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 увидеть эту таблицу с шестнадцатеричными значениями, 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 увидеть таблицу выше в порядке CCSID 0037 вместо порядка 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($_,34,3)]}@l;}' perlebcdic.podЕсли вы хотите увидеть её в порядке CCSID 1047, измените число 34 в последней строке на 39, например:
- рецепт 5
perl \
-ne 'if(/.{29}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}/)'\
-e '{push(@l,$_)}' \
-e 'END{print map{$_->[0]}' \
-e ' sort{$a->[1] <=> $b->[1]}' \
-e ' map{[$_,substr($_,39,3)]}@l;}' perlebcdic.podЕсли вы хотите увидеть её в порядке POSIX-BC, то измените число 34 в последней строке на 44, например:
- рецепт 6
perl \
-ne 'if(/.{29}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}\s{2,4}\d{1,3}/)'\
-e '{push(@l,$_)}' \
-e 'END{print map{$_->[0]}' \
-e ' sort{$a->[1] <=> $b->[1]}' \
-e ' map{[$_,substr($_,44,3)]}@l;}' perlebcdic.podТаблица в шестнадцатеричном формате, отсортированная по набору 1047
С момента написания этого документа всё чаще используется шестнадцатеричная запись кодовых точек. Для этого с рецептами и также для сортировки требуется многошаговый процесс, поэтому для удобства ниже приведена таблица из предыдущего раздела, повторно отсортированная по набору кодировки 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 КОДОВЫХ СИМВОЛОВ
Можно определить используемый набор символов. Но сначала убедитесь, что вам это действительно нужно. Ваш код будет проще и, вероятно, не менее переносимым, если вам не придётся проверять набор символов и делать разные вещи в зависимости от него. На самом деле существует только очень мало случаев, когда нет лёгкого способа написать код, который будет переносимым для всех наборов символов. См. "Unicode и EBCDIC" в perluniintro для того, как задать символы переносимым способом.
Но есть некоторые случаи, когда вам может понадобиться знать, какой набор символов используется. Одним из возможных примеров является сортировка во внутренних циклах, где важна производительность.
Чтобы определить, работаете ли вы в ASCII или EBCDIC, можно использовать значение, возвращаемое ord() или chr(), для проверки одного или нескольких 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;Необходимо различать кодовые страницы EBCDIC ещё меньше, но для этого попробуйте посмотреть на один или несколько символов, отличающихся 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) при всех этих кодовых наборах символов. Но также обратите внимание, что поскольку "\n" это chr(13) и "\r" это chr(10) в старых Macintosh (которая является платформой ASCII), второй $is_ascii тест приведёт к проблемам там.
Чтобы определить, был ли perl скомпилирован под кодовой страницей EBCDIC, можно 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 входной числовой код символа в одном кодировании и возвращают его эквивалентное значение в другом.
См. utf8.
tr///
Для преобразования строки символов из одного набора символов в другой достаточно простого списка чисел, как в правых столбцах в таблице выше, вместе с оператором tr/// Perl. Данные в таблице упорядочены по ASCII/Latin1, поэтому столбцы EBCDIC предоставляют простые в использовании операции преобразования ASCII/Latin1 в EBCDIC, которые также легко обратимы.
Например, для преобразования ASCII/Latin1 в кодовую страницу 037 возьмите выходные данные второго числового столбца из рецепта 2 (изменённого для добавления "\" символов) и используйте их 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 переставьте аргументы tr/// следующим образом:
my $ascii_string = $ebcdic_string;
eval '$ascii_string =~ tr/' . $cp_037 . '/\000-\377/';Аналогично, можно взять выходные данные третьего числового столбца из рецепта 2, чтобы получить $cp_1047 таблицу. Четвёртый числовой столбец выходных данных из рецепта 2 может предоставить $cp_posix_bc таблицу, подходящую также для транскодирования.
Если вам нужны обратные таблицы, вам сначала нужно отсортировать нужный числовой столбец, как в рецептах 4, 5 или 6, а затем взять выходные данные первого числового столбца.
iconv
XPG совместимость часто подразумевает наличие утилиты iconv, доступной из оболочки или из библиотеки C. Обратитесь к документации вашей системы за информацией об iconv.
В OS/390 или z/OS см. страницу руководства iconv(1). Один способ вызвать утилиту iconv оболочки изнутри perl:
# OS/390 or z/OS example
$ascii_data = `echo '$ebcdic_data'| iconv -f IBM-1047 -t ISO8859-1`или обратное отображение:
# 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 ОПЕРАТОРОВ
Оператор диапазона .. обрабатывает определённые диапазоны символов с осторожностью на платформах EBCDIC. Например, следующий массив будет содержать двадцать шесть элементов на платформах EBCDIC или ASCII:
@alphabet = ('A'..'Z'); # $#alphabet == 25Битовые операторы, такие как & ^ |, могут возвращать разные результаты при работе со строковыми или символьными данными в программе Perl, запущенной на платформе EBCDIC, по сравнению с запуском на платформе ASCII. Вот пример, адаптированный из примера в perlop:
# EBCDIC-based examples
print "j p \n" ^ " a h"; # prints "JAPH\n"
print "JA" | " ph\n"; # prints "japh\n"
print "JAPH\nJunk" & "\277\277\277\277\277"; # prints "japh\n";
print 'p N$' ^ " E<H\n"; # prints "Perl\n";Интересное свойство 32 управляющих символов C0 в таблице ASCII заключается в том, что их можно «буквально» создать как управляющие символы в Perl, например, (chr(0) eq \c@)> (chr(1) eq \cA)> и так далее. Perl на платформах EBCDIC был адаптирован для обработки \c@ до chr(0) и \cA до chr(1) и так далее, 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 одном месте (21 десятичный). 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 завершающий символ. Но \c\X является FILE SEPARATOR конкатенированным с X для всех X. Исключительный символ \c? на ASCII, который приводит к не-C0 управляющему символу DEL, приводит к исключительному управляющему символу APC на EBCDIC, который не находится в блоке смежных управляющих символов. Обратите внимание на тонкость этого: \c? на платформах ASCII — это символ ASCII, в то время как он не эквивалентен ни одному символу ASCII 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 как порядковый номер 127 (DEL) на платформах ASCII, но так как порядковый номер 127 не является управляющим символом на EBCDIC-машинах, \c? вместо этого отображается на них как APC, что равно 255 в 0037 и 1047 и 95 в POSIX-BC.
РАЗЛИЧИЯ ФУНКЦИЙ
-
chr() -
chr()на платформе EBCDIC необходимо передать числовой аргумент кода EBCDIC для получения желаемого возвращаемого символа на платформе EBCDIC. Например:$CAPITAL_LETTER_A = chr(193); -
ord() -
ord()на платформе EBCDIC вернёт числовые значения кодов EBCDIC. Например:$the_number_193 = ord("A"); -
pack() -
Шаблоны
"c"и"C"дляpack()зависят от кодировки набора символов. Примеры использования на EBCDIC включают:$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); # $foo eq "AB\0\0CD"Шаблон
"U"переведён на «Unicode» на всех платформах, так чтоpack("U", 65) eq 'A'верно на всех платформах. Если вам нужны собственные кодовые точки для низких 256, используйте шаблон
"W". Это означает, что эквивалентностиpack("W", ord($character)) eq $character unpack("W", $character) == ord $characterбудут выполняться.
-
print() -
Следует быть осторожным со скалярными значениями и строками, передаваемыми в print, содержащими кодировки ASCII. Распространённым местом для этого является вывод заголовка типа MIME для написания скриптов CGI. Например, многие руководства по программированию Perl рекомендуют что-то подобное:
print "Content-type:\ttext/html\015\012\015\012"; # this may be wrong on EBCDICВместо этого можно написать
print "Content-type:\ttext/html\r\n\r\n"; # OK for DGW et alи это будет работать на всех платформах.
Это потому, что преобразование из EBCDIC в ASCII в этом случае выполняется веб-сервером. Обратитесь к документации вашего веб-сервера для получения дополнительной информации.
-
printf() -
Форматы, которые могут преобразовывать символы в числа и наоборот, будут отличаться от своих аналогов для ASCII, когда они выполняются на платформе EBCDIC. Примеры включают:
printf("%c%c%c",193,194,195); # prints ABC -
sort() -
Результаты сортировки EBCDIC могут отличаться от результатов сортировки ASCII, особенно для строк со смешанным регистром. Подробнее об этом рассказывается ниже.
-
sprintf() -
См. обсуждение
"printf()"выше. Пример использования sprintf:$CAPITAL_LETTER_A = sprintf("%c",193); -
unpack() -
См. обсуждение
"pack()"выше.
Обратите внимание, что можно написать переносимый код для этих элементов, указав вещи в числовых значениях 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 РЕГУЛЯРНЫХ ВЫРАЖЕНИЙ
Вы можете писать регулярные выражения так же, как кто-то на платформе ASCII. Но имейте в виду, что использование восьмеричной или шестнадцатеричной нотации для указания конкретной кодовой точки даст вам символ, который кодовая страница EBCDIC отображает к ней напрямую. (Это также относится ко всем строкам в двойных кавычках.) Если вы хотите написать переносимый код, просто используйте нотацию \N{U+...} везде, где вы бы использовали \x{...}, и не используйте восьмеричную нотацию вообще.
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 содержит все печатные символы, которые содержит набор символов ASCII.
До версии v5.22 вы не могли указывать какие-либо диапазоны переносимым образом, за исключением (начиная с Perl v5.5.3) всех подмножеств диапазонов [A-Z] и [a-z] специально запрограммированы так, чтобы не выбирать пропущенные символы. Например, символы, такие как "ô" (o WITH CIRCUMFLEX), которые находятся между "I" и "J", не будут соответствовать диапазону регулярного выражения /[H-K]/. Но если хотя бы один из конечных точек диапазона явно является числовым (и ни один из них не указан с помощью \N{U+...}), пропущенные символы будут совпадать:
/[\x89-\x91]/будет соответствовать \x8e, даже если \x89 это "i", \x91 это "j", а \x8e - пропущенный символ с точки зрения алфавита.
Ещё одна конструкция, которой следует опасаться, - это некорректное использование шестнадцатеричных (если не используется \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 верны только для платформ 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 несколько альтернативных способов переносимого написания:
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:]]/;
}Ещё один способ написания Is_latin_1() — это использование символов в диапазоне явно:
sub Is_latin_1 {
my $char = substr(shift,0,1);
$char =~ /[ ¡¢£¤¥¦§¨©ª«¬®¯°±²³´µ¶·¸¹º»¼½¾¿ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏ]
[ÐÑÒÓÔÕÖ×ØÙÚÛÜÝÞßàáâãäåæçèéêëìíîïðñòóôõö÷øùúûüýþÿ]/x;
}Хотя такая форма может столкнуться с проблемами при передаче по сети (из-за наличия 8-битных символов) или на не-ISO-латинских наборах символов. Но это позволяет Is_c1 быть переписанным так, чтобы он работал в Perl, у которого нет 'unicode_strings' (раньше версии 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 программных средств для работы с сокетами предполагает кодировки символов ASCII в сетевом порядке байтов. Исключения могут включать написание скриптов CGI на хост-веб-сервере, где сервер может позаботиться о преобразовании для вас. Большинство хост-веб-серверов преобразуют данные EBCDIC в ISO-8859-1 или Unicode при выводе.
СОРТИРОВКА
Существенное различие между наборами символов на основе ASCII и EBCDIC заключается в относительных позициях символов при сортировке в родном порядке. Наиболее важны прописные и строчные буквы, цифры и символ нижнего подчеркивания ("_"). На платформах ASCII родной порядок сортировки имеет цифры перед прописными буквами, которые предшествуют знаку нижнего подчеркивания, а тот — строчным буквам. На EBCDIC символ нижнего подчеркивания идёт первым, затем строчные буквы, затем прописные и, наконец, цифры. Если сортировка выполняется на платформе, основанной на ASCII, двухбуквенный код врача предшествует двухбуквенному коду машины; то есть:
@sorted = sort(qw(Dr. dr.)); # @sorted holds ('Dr.','dr.') on ASCII,
# but ('dr.','Dr.') on EBCDICСвойство расположения строчных букв перед заглавными буквами в кодировке EBCDIC сохраняется и для страниц Latin 1 EBCDIC, таких как 0037 и 1047. Например, «Ë» (E WITH DIAERESIS, 203) идёт перед «ë» (e WITH DIAERESIS, 235) на платформе ASCII, но последняя (83) идёт перед первой (115) на платформе EBCDIC. (Внимательные читатели заметят, что заглавная версия «ß» SMALL LETTER SHARP S — это просто «SS», а заглавные версии «ÿ» (маленькая y WITH DIAERESIS) и «µ» (MICRO SIGN) не находятся в диапазоне 0..255, а находятся в Unicode, в Perl с поддержкой Unicode).
Порядок сортировки будет различаться между результатами, полученными на платформах ASCII и EBCDIC. Ниже приведены некоторые рекомендации по работе с этими различиями.
Игнорирование различий в сортировке ASCII и EBCDIC.
Это стратегия с наименьшими вычислительными затратами. Возможно, потребуется обучение пользователей.
Использование вспомогательной функции сортировки
Это полностью универсальная, но самая вычислительно затратная стратегия. Выберите один или другой набор символов и преобразуйте их для каждого сравнения при сортировке. 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($b);
}
sort ascii_order @list;Преобразование в один регистр, затем сортировка данных (для нецифр, не знаков подчеркивания)
Если вам неважно, в какой регистр попадут цифры и символы подчеркивания, вы можете сделать что-то вроде этого
sub case_insensitive_order { # Sort helper
return lc($a) cmp lc($b)
}
sort case_insensitive_order @list;Если производительность является проблемой, и вас не беспокоит, будет ли вывод в том же регистре, что и входные данные, используйте tr///, чтобы преобразовать в регистр, наиболее часто используемый в данных. Если данные в основном состоят из заглавных букв, не являющихся символами Latin-1, то примените tr/[a-z]/[A-Z]/, а затем sort(). Если данные в основном состоят из строчных букв, не являющихся символами Latin-1, то примените tr/[A-Z]/[a-z]/ перед сортировкой. Если данные в основном состоят из заглавных букв и содержат символы Latin-1, то примените:
tr/[a-z]/[A-Z]/;
tr/[àáâãäåæçèéêëìíîïðñòóôõöøùúûüýþ]/[ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝÞ/;
s/ß/SS/g;затем sort(). Если у вас есть выбор, лучше привести вещи в нижний регистр, чтобы избежать проблем с двумя символами Latin-1, верхний регистр которых находится вне Latin-1: «ÿ» (маленькая y WITH DIAERESIS) и «µ» (MICRO SIGN). Если вам необходимо привести символы в верхний регистр, вы можете с помощью Perl с поддержкой Unicode сделать:
tr/ÿ/\x{178}/;
tr/µ/\x{39C}/;Выполнение сортировки только на одном типе платформы.
Эта стратегия может использовать сетевое подключение. Поэтому она будет вычислительно затратной.
ФОРМАТЫ ПРЕОБРАЗОВАНИЯ
Существует множество способов преобразования данных с использованием внутринабора символов для отображения, которые служат различным целям. Сортировка обсуждалась в предыдущем разделе, и несколько других популярных методов отображения обсуждаются далее.
Декодирование и кодирование URL
Обратите внимание, что некоторые URL-адреса содержат шестнадцатеричные ASCII-кодовые точки в попытке обойти проблемы с символами или ограничениями протокола. Например, символ тильды не присутствует на каждой клавиатуре, поэтому URL-адрес вида:
http://www.pvhp.com/~pvhp/также может быть выражен как любой из следующих:
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 задачи 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 подстановку s/// только к соответствующим частям.
Кодирование и декодирование uu
Шаблон u в pack() или unpack() отобразит данные EBCDIC в символах EBCDIC, эквивалентных их аналогам ASCII. 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 уу-декодер, который будет работать с 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 Quoted-Printable
На платформах с кодировкой ASCII можно удалить символы, не входящие в набор печатаемых символов, 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 легко изменяется, чтобы работать с платформы ASCII и 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, работающий 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 рабочем коде замены могли бы выполняться в ветке EBCDIC с вызовом функции и отдельно в ветке ASCII без издержек на отображение; в Perl v5.22 отображение оптимизировано, поэтому издержек нет, но альтернатива выше проще и также доступна 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, работающий 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». Одноалфавитный сдвиг иногда называют вращением, а величина сдвига указывается как число $n после строки 'rot' или "rot$n". Rot0 и rot26 обозначают отображение тождества в 26-буквенной английской версии латинского алфавита. Rot13 имеет интересное свойство, что последующие вызовы являются отображениями тождества (следовательно, rot13 является своим собственным нетривиальным обратным элементом в группе из 26 вращений алфавита). Поэтому следующее является кодировщиком и декодировщиком 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 хеширования и контрольные суммы
Perl преднамеренно случайным образом изменяет порядок хешей для обеспечения безопасности на платформах ASCII и EBCDIC.
Контрольные суммы EBCDIC будут отличаться для одного и того же файла, преобразованного в ASCII и наоборот.
I18N И L10N
Международный стандарт (I18N) и локализация (L10N) поддерживаются, по крайней мере, в принципе, даже на платформах EBCDIC. Подробности зависят от системы и обсуждаются в разделе «ПРОБЛЕМЫ ОПЕРАЦИОННЫХ СИСТЕМ» ниже.
МНОГОБАЙТОВЫЕ НАБОРА СИМВОЛОВ
Perl работает с UTF-EBCDIC, многобайтовой кодировкой. В версиях Perl, предшествующих v5.22, могут быть различные ошибки в этом отношении.
Устаревшие многобайтовые кодовые страницы EBCDIC XXX.
ПРОБЛЕМЫ ОПЕРАЦИОННЫХ СИСТЕМ
Существуют некоторые зависящие от системы проблемы, которые могут волновать программистов Perl для EBCDIC.
OS/400
- PASE
-
Окружение 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 выполняется в 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 руководства iconv(1) и iconv(3).
- Локали
-
Локали поддерживаются. Могут быть неполадки, когда локаль — это другая кодовая страница EBCDIC, которая имеет некоторые из символов кодовой страницы с вариациями в других позициях.
В настоящее время реальных локали UTF-8 нет, даже если в некоторых именах локали присутствует строка «UTF-8».
См. perllocale для получения информации о локалях. Файлы L10N находятся в /usr/nls/locale.
$Config{d_setlocale}—'define'в OS/390 или z/OS.
POSIX-BC?
XXX.
ОШИБКИ
-
Не все оболочки позволят правильно объединить несколько
-eстроковых аргументов для perl, как, возможно, предполагают рецепты в данном документе 0, 2, 4, 5 и 6. -
В модулях CPAN, поставляемых с Perl v5.22 и 5.24, есть большое количество ошибок в тестах. Они присутствуют только в модулях, которые не поддерживаются в первую очередь разработчиками Perl 5. Некоторые из них — это ошибки только в тестах: они не понимают, что получить разные результаты на платформах EBCDIC — это правильно. И некоторые из этих проблем — реальные ошибки. Если вы скомпилируете и выполните
make testна Perl, все тесты в каталоге/cpanбудут пропущены.Encode частично работает.
-
В более ранних версиях Perl, когда байтовые и символьные данные были конкатенированы, новая строка иногда создавалась путем декодирования байтовых строк как ISO 8859-1 (Latin-1), даже если старая строка Unicode использовала EBCDIC.
СМОТРИТЕ ТАКЖЕ
perllocale, perlfunc, perlunicode, utf8.
СПИСОК ЛИТЕРАТУРЫ
http://std.dkuug.dk/i18n/charmaps
https://www.unicode.org/reports/tr16/
https://www.sr-ix.com/Archive/CharCodeHist/index.html ASCII: American Standard Code for Information Infiltration Том Дженнингс, сентябрь 1999 года.
The Unicode Standard, Version 3.0 Консорциум Unicode, Лиза Мур, ред., ISBN 0-201-61633-5, Addison Wesley Developers Press, февраль 2000 года.
CDRA: IBM - Character Data Representation Architecture - Reference and Registry, IBM SC09-2190-00, декабрь 1996 года.
«Разгадывание наборов символов», Андреа Вайн, Многоязычное компьютерное и технологическое обеспечение, #26 Вып. 10 № 4, август/сентябрь 1999 г.; ISSN 1523-0309; Многоязычное компьютерное обеспечение Inc. Сандпойнт, штат Айдахо, США.
Codes, Ciphers, and Other Cryptic and Clandestine Communication Фред Б. Уиксон, ISBN 1-57912-040-7, Black Dog & Leventhal Publishers, 1998.
http://www.bobbemer.com/P-BIT.HTM IBM - EBCDIC и бит P; Самая большая компьютерная ошибка Роберт Бемер.
ИСТОРИЯ
15 апреля 2001 г.: добавлены UTF-8 и UTF-EBCDIC в главную таблицу, pvhp.
АВТОР
Питер Приммер pvhp@best.com написал это в 1999 и 2000 годах с помощью CCSID 0819 и 0037, с помощью Криса Лича и Андре Пирара A.Pirard@ulg.ac.be, а также с помощью Thomas Dorner Thomas.Dorner@start.de по вопросам POSIX-BC. Также большое спасибо Викки Купер, Филипу Ньютону, Уильяму Раффлоэру и Джо Смиту. Торговые марки, зарегистрированные товарные знаки, знаки обслуживания и зарегистрированные знаки обслуживания, используемые в этом документе, являются собственностью соответствующих владельцев.
В настоящее время поддерживается Perl5 Портерами.
© 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/5.36.0/perlebcdic
