「プログラマのための文字コード技術入門」で勉強中(5)

プログラマのための文字コード技術入門 (WEB+DB PRESS plus) (WEB+DB PRESS plusシリーズ)

• 電子メールと文字コード
  • メールの基本はASCII(7ビットの文字コード)
  • ISO-2022-JP
  • uuencode
  • MIME(Mutipurpose Internet Mail Extensions)
    • charset パラメータで文字コードを指定する
    • IANA
  • character set という言葉が非常に混乱して使われている
    • 大抵は set of characters (文字の集合)を刺しているのでは無い
    • coded character set か character encoding といった意味で使われている
  • テキストを更に符号化する
    • quoted-printable, base64
    • Content-Transfer-Encoding
  • ヘッダの符号化
    • B符号化、Q符号化、RFC 2047
    • nkf による複号
  • 添付ファイル名の符号化
    • ASCII 以外の文字コードを使う方法は RFC 2231 として定義された
    • B符号化などの使用は RFC 2047 によって明示的に禁じられているが
    • B符号化などを使用するソフトウェアは少なくない
• Webと文字コード
  • HTML
    • 文字参照
    • meta 要素で文字コードを指定する
    • lang 属性の影響
  • CSS
    • @charset
    • Unicode文字の参照
  • XML
  • URL
    • URL符号化、Percent-Encoding (RFC 3986)
  • HTTP
    • HTML文書内部の文字コード指定
      • 文字コードが不明な時点でmeta要素での文字コード指定を読む必要がある
    • HTTPヘッダによる文字コードの指定
  • CGI
    • フォームから入力されるテキストの文字コード
    • form 要素の accept-charset 属性
    • 送信用の文字コードで符号化できない文字の扱い
      • 文字参照形式の文字列が送られることがある
• ファイル名の文字コードの変換
  • convmv
  • convmv -r -f euc-jp -t utf8 * --notest