XEmacs 21.2.19 UTF-2000 Version 0.6 (東部市場前) を ftp://ftp.m17n.org/pub/utf-2000/ に置きました。 UTF-2000 に関する議論は当面 xemacs-beta-ja(a)xemacs.org でお願いします。 ;; もしかすると utf-2000(a)m17n.org ができているかも知れないので、一応 ;; cc: しときます。もし、できているとしたら後で戸村さんから announce ;; があると思います。 [主な変更点] ・character.h, mule-charset.h, buffer.h 等に散在していた文字表現、文字 列表現に関する部分を character.h 文字表現 char-1byte.h unibyte 表現 (非 MULE 用) char-lb.h leading-byte 表現 char-ucs.h UCS-2000 表現 ;; 従来の character.h の中身の大部分は char-ucs.h に移動し ;; た multibyte.h 多byte文字列界面 mb-1byte.h unibyte 表現 (非 MULE 用) mb-lb.h leading-byte 表現 mb-utf-8.h UTF-2000 表現 に整理した（けれど、mule-charset.h はあんまりいじっていない）。 ・ucs-bmp も make-char できるようにしてみた（256 文字集合での問題を修 正したつもり） ・latin-iso8859-2, -3, -4, -9, latin-jisx0201, vietnamese-viscii-upper, -lower 用の変換表を作って、BMP に写像するよ うにした。これにより（FULLWIDTH 系を除く）Latin 文字に関する重複符号 化は解消された ・上記を実現するために、簡単な UCS 用の文字→byte 表管理機構を作った （これにより、gmalloc の bug に遭遇したが、とりあえず見なかったこと にする(^_^;） ・coding-system の encoder の内部表現依存部を小さくすべく、 coding-system encoder を再実装した (text-coding.c) [既知の問題点] Latin 文字の重複符号化を廃止したが、文脈・状況に応じて文字の属すべき符 号化文字集合を判別する機構はまだ実装していないために、例えば、Latin-2 と Latin-1 の双方に属する文字は常に Latin-1 の文字として扱われる。この ため、iso-8859-2 の文字だけで書かれた file であっても、それを UTF-2000 0.6 で編集して iso-8859-2 として save すると一部が iso-8859-1 の文字と 見倣され、指示シーケンスが入ることとなる。 [今回のバッタモン] 大量の組込み変換表をでっちあげた。 ;; 将来的には charset に入れて、Lisp level でも定義できるようにするつ ;; もり。 MAKE_CHAR, breakup_char_1 の条件分岐がまた増殖した。(^_^;;; [お願い・その１] 今回、coding-system encoder を試験的に再実装しました。もしよろしければ これの performance を従来方式と比較し、この実装の可否を評価してくださ い。 [背景] coding-system の定義をする時、できれば、対象である文字符号固有の性質 だけを記述して、内部表現には依存しないように書きたいのが人情です。従 来の実装では、decode に関しては文字を内部表現に変換する部分をうまく macro に隠蔽できていたために、そんなに苦労せずにすみましたが、encode に関してはほぼ同様な内部表現の parse 用の code を coding-system-type × 内部表現 の組み合わせ分書く必要がありました。 この問題を解決するには、encoder を (1) 内部表現を parse して１文字を取り出す部分 (2) １文字を coding-system-type に応じて符号化する部分 に分離して書けば良いと言えます。つまり、(1) の generic な encode scheme を書き、その中で１文字が溜る毎に (2) を呼び出す訳です。 しかしながら、この方法は関数呼び出しを伴うため、従来の方法よりも遅く なると考えられます。そこで、実際にどの程度遅くなったかを調べたい訳で す。もし、そんなに遅くなってないなら、記述が楽な新方式に移行するのが 良いといえるでしょう。 [方法] まず、./configure に --with-mule --with-utf-2000 を付けて作った XEmacs(a) と --with-mule --with-utf-2000 --with-text-coding を付けて作った XEmacs(b) を用意します（上記以外の option は同一にし ます）。 この (a), (b) に於いて、coding-system-type が iso2022 か utf-8 であ る各 coding-system で適当な長さの buffer を符号化し、その時間を計り ます。 そして、各長さと含まれる MULE charset の種類毎に結果を集計します。 [お願い・その２] 当面、再配布は控えてください（これは仁義の問題なので、無視することは 可能です）。また、どうしても配布したい方は御連絡ください。 -- ===『幾千億の分子に分かれても ======================================== 決して忘れない。 この宇宙が終るまで』 守岡 知彦 (MORIOKA Tomohiko) ======================================== Email: <tomo(a)etl.go.jp&gt; ===== ;; PGP public key: http://www.etl.go.jp/~tomo/hiko/pgp.key