国際化/マルチリンガル化 w3m

                                                              2003/03/08
                                                              坂本 浩則

はじめに

w3m を国際化/マルチリンガル化しました。w3m-0.4.1 に対する拡張版を以下に置いてあります。

    http://www2u.biglobe.ne.jp/~hsaka/w3m/index-ja.html#m17n
                                          patch/w3m-0.4.1-m17n-20030308.tar.gz
                                          patch/README.m17n-ja

まだ開発版であり、(私が日本語しか解さないため)十分なテストはできていませんが興味ある方はお試しください。

現在のところ以下の機能があります。

扱える文字コード

日本語

EUC-JP           - US_ASCII, JIS X 0208, JIS X 0201, JIS X 0212
(EUC-JISX0213)     (JIS X 0213)
ISO-2022-JP      - US_ASCII, JIS X 0208, JIS X 0201, JIS X 0212, etc.
ISO-2022-JP-2    - US_ASCII, JIS X 0208, JIS X 0201, JIS X 0212,
                   GB 2312, KS X 1001, ISO 8859-1, ISO 8859-7, etc.
ISO-2022-JP-3    - US_ASCII, JIS X 0208, JIS X 0201, JIS X 0213, etc
Shift_JIS(CP932) - US_ASCII, JIS X 0208, JIS X 0201, CP932 の拡張文字
Shift_JISX0213   - US_ASCII, JIS X 0208, JIS X 0201, JIS X 0213

中国語(簡体字)

EUC-CN(GB2312) - US_ASCII, GB 2312
ISO-2022-CN    - US_ASCII, GB 2312, CNS-11643-1,..7, etc.
GBK(CP936)     - US_ASCII, GB 2312, GBK
GB18030        - US_ASCII, GB 2312, GBK, GB18030, Unicode
HZ-GB-2312     - US_ASCII, GB 2312

中国語(台湾、繁体字)

EUC-TW        - US_ASCII, CNS 11643-1,..16
ISO-2022-CN   - US_ASCII, CNS-11643-1,..7, GB 2312, etc.
Big5(CP950)   - Big5
HKSCS         - Big5, HKSCS

韓国語

EUC-KR        - US_ASCII, KS X 1001 Wansung
ISO-2022-KR   - US_ASCII, KS X 1001 Wansung, etc.
Johab         - US_ASCII, KS X 1001 Johab
UHC(CP949)    - US_ASCII, KS X 1001 Wansung, UHC

ベトナム語

TCVN-5712 VN-1, VISCII 1.1, VPS, CP1258

タイ語

TIS-620 (ISO-8859-11), CP874

その他

US_ASCII, ISO-8859-1 〜 10, 13 〜 15,
KOI8-R, KOI8-U, NeXT, CP437, CP737, CP775, CP850, CP852, CP855, CP856,
CP857, CP860, CP861, CP862, CP863, CP864, CP865, CP866, CP869, CP1006,
CP1250, CP1251, CP1252, CP1253, CP1254, CP1255, CP1256, CP1257

Unicode (UCS-4)

UTF-8, UTF-7

注意

JIS X 0201 のローマ字部分と GB 1988(中国語ASCII) は US_ASCII として扱います。これは、ISO-2022(7bit) で表されていると HTML のタグ部分が扱えなくなるからです。その他の US_ASCII の variant はそのままです。
JIS C 6226(旧JIS) は JIS X 0208 として扱います。
HZ-GB-2312 の '~\n' は対応していません。

表示

多言語表示させるためには現在のところ以下の方法があります。

(1) kterm + ISO-2022-JP/CN/KR

kterm は kterm-6.2.0 に対して、 http://www.st.rim.or.jp/~hanataka/kterm-6.2.0.ext02.patch.gz の patch をあてると、JIS X 0213, CNS 11643 等が使用可能になります。
kterm に対して -fl オプションまたは ~/.Xdefaults 等で fontList を設定します

-fl "*--16-*-jisx0213.2000-*,\
     *--16-*-jisx0212.1990-0,\
     *--16-*-ksc5601.1987-0,\
     *--16-*-gb2312.1980-0,\
     *--16-*-cns11643.1992-*,\
     *--16-*-iso8859-*"

JIS 以外のフォントは X11 (XFree86) や Mule の配布物に幾つかありますし、 Linux や FreeBSD の package からも使えます。 JIS X 0213 のフォントは、 http://www.mars.sphere.ne.jp/imamura/jisx0213.html にあるものが使えます。

w3m-m17n のオプション設定で表示コードを ISO-2022-JP (もしくは ISO-2022-JP-2, KR, CN) にし、後述の strict_iso2022 (厳密な ISO-2022-JP/KR/CN を使う) を OFF にします。

(2) xterm + UTF-8

xterm は XFree86 の最新版を使います。xterm-140 以降を推奨します。 http://www.clark.net/pub/dickey/xterm/xterm.html
Unicode のフォントは http://www.cl.cam.ac.uk/~mgk25/ucs-fonts.html http://openlab.ring.gr.jp/efont/ などにあります。
xterm を -u8 -wc オプション付きで使用します。フォントは、

-fn "*-medium-*--13-*-iso10646-1" \
-fb "*-bold-*--13-*-iso10646-1" \
-fw "*-medium-*-ja-13-*-iso10646-1"

の様に指定します。

w3m-m17n のオプション設定で表示コードを UTF-8 にします。後述の pre_conv (文書の読み込み時に文字コードを変換する) を ON にしておく方が良いです。そうしておかない場合、 ISO 2022 系の多バイト文字集合(JIS)の一部を表示する場合、レンダリングが崩れる可能性があります。

(3) mlterm + ISO-2022-JP/KR/CN or UTF-8

Homepage http://mlterm.sourceforge.net/
エンコーディングを ISO-2022-JP/KR/CN または UTF-8 にします。

本当の多言語表示をさせるのは以上の方法だけですが、 EUC-JP の場合、中国語や ISO-8859-* を疑似的に表示させることもできます。

kterm や日本語対応端末のフォントを JIS X 0213 にします。

備考

しなくてもいいのですが、かなり表現能力が落ちます。

w3m-m17n のオプション設定で表示コードを EUC-JP にします。後述の pre_conv, use_gb12345_map, use_jisx0213 を ON にします。 EUC-JP の SS3 (JIS X 0212) を解する端末の場合は、 use_jisx0212 も ON にします。

また、w3m-m17n は表示コードを切替えることも可能です。端末がフォントを切替えられるならば文書の言語に従って表示コードとフォントを切替えて使用することも可能です。

コマンドラインオプション

-I <優先文書コード>
-O <表示/出力コード>

基本的に MIME での charset としますが、以下の略号も受け付けます。

j(p):      ISO-2022-JP
j(p)2:     ISO-2022-JP-2
j(p)3:     ISO-2022-JP-3
cn:        ISO-2022-CN
kr:        ISO-2022-KR
e(j):      EUC-JP
ec,g(b):   EUC-CN(GB2312)
et:        EUC-TW
ek:        EUC-KR
s(jis):    Shift-JIS
sjisx0213: Shift-JISX0213
gbk:       GBK
gb18030:   GB18030
h(z):      HZ-GB-2312
b(ig5):    Big5
hk(scs):   HKSCS
jo(hab):   Johab
uhc:       UHC
l?:        ISO-8859-?
t(is):     TIS-620(ISO-8859-11)
tc(vn):    TCVN-5712 VN-1
v(iscii):  VISCII 1.1
vp(s):     VPS
ko(i8r):   KOI8-R
koi8u:     KOI8-U
n(ext):    NeXT
cp???:     CP???
w12??:     CP12??
u(tf8):    UTF-8
u(tf)7:    UTF-7

オプションパネル

   display_charset
       表示用文字コード
   document_charset
       文書の標準の文字コード
   auto_detect
       文書の読み込み時に文字コードの自動判定を行う(デフォルト ON)
   system_charset
       システムの文字コード。設定ファイルやファイル名に使用する。
   follow_locale
       Locale(環境変数 LANG) に従って、システムの文字コードを設定する。
       (デフォルト ON)
   ext_halfdump
       表示用文字コードで halfdump の出力を行う
   search_conv
       検索文字列を文書の文字コードに変換する(デフォルト ON)
   use_wide
       複数カラムの文字を使う(デフォルト ON)
   use_combining
       結合文字を使う(デフォルト ON)
   use_language_tag
       Unicode の言語タグを使う(デフォルト ON)
   ucs_conv
       Unicode を介したコード変換(デフォルト ON)
   pre_conv
       文書の読み込み時に文字コードを変換する(デフォルト OFF)
   fix_width
       文字幅の変わる変換をしない(デフォルト ON)
       OFF にするとレンダリングが崩れる可能性がある。
   use_gb12345_map
       GB 12345 の Unicode マップを GB 2312 用に使う(デフォルト OFF)
       ON にすると EUC-CN, HZ を EUC-JP や EUC-TW で出力する場合に有用。
   use_jisx0201
       ISO-2022-JP で JIS X 0201 Roman を使う(デフォルト OFF)
   use_jisc6226
       ISO-2022-JP で JIS C 6226:1978 (旧JIS) を使う(デフォルト OFF)
   use_jisx0201k
       JIS X 0201 Katakana を使う(デフォルト OFF)
       OFF にすると通常は JIS X 0208 に変換される。
   use_jisx0212
       JIS X 0212:1990 (補助漢字) を使う(デフォルト OFF)
   use_jisx0213
       JIS X 0213:2000 (2000JIS) を使う(デフォルト OFF)
       ON の場合、EUC-JP は EUC-JISX0213 相当。
       OFF の場合、Shift_JISX0213 は純粋な Shift_JIS になる。
   strict_iso2022
       厳密な ISO-2022-JP/KR/CN を使う(デフォルト ON)
       OFF にすると ISO 2022 系の文字集合は全て表示/出力する。
   east_asian_width
       ある種のUnicode文字を全角にする(デフォルト OFF)
       ON にすると East Asian Ambiguous 文字を全角とみなす。
   gb18030_as_ucs
       GB18030 の 4バイト文字を Unicode として扱う(デフォルト OFF)
   simple_preserve_space
       単純な空白の保存。
       ON にすると日本語などでも文字間の空白が削除されない。

   alt_entity
       エンティティを ASCII の代替表現で表す(デフォルト ON)
       OFF にすると ISO 8859-1 として扱う。
   graphic_char
       テーブルやメニューの枠に DEC 特殊文字文字を使う(デフォルト OFF)
       OFF の場合 CJK の文字コード、UTF-8 では罫線を使う。

コード変換

各コード間で特別の変換を用意しているものは、

    * EUC-JP <-> ISO-2022-JP <-> Shift-JIS
    * EUC-CN <-> ISO-2022-CN <-> HZ-GB-2312
    * EUC-TW <-> ISO-2022-CN
    * EUC-KR <-> ISO-2022-KR <-> Johab (記号、Hanja のみ)

のみです。それ以外は Unicode を介した変換となります。

文書のコードの切替え

'=' で文書の情報を表示させると文書のコードを選択できる様になっています。

また、keymap として keymap C CHARSET keymap M-c DEFAULT_CHARSET の様に設定しておくと、C で現在の文書のコードを、M-c で標準の文書のコードを変更できます。

一行エディタ

8bit 文字の場合は、表示コードが 8bit コードの場合はそのコードで、表示コードが 7bit コード(ISO-2022) の場合は、対応する EUC で扱います。HZ での入力は対応していません。

ISO-2022(7bit) で入力する場合は、ISO-2022-JP 型 (G0 のみ使う) しか使えません。理由は、G1 〜 G3 を使うために必要な SI(\017, ^O), SO(\016, ^N) SS3(ESC O, ^[O) が他に割り当てられているためです。

正規表現

対応しています。[あ-ん] なども使用可能です。

URL やファイルの文字コード

文書内の URL は文書の文字コード、local ファイルの文字コードは SystemCharset であつかわれます。ただし、通常 % でエンコードして扱われます。アクセス時は HTTP, GOPHER の場合はエンコードしたまま、その他の場合は、自力で %?? をデコードして(SystemCharset に戻してから)アクセスします。

コマンドライン引数では、デフォルトでは scheme: がある場合ば URL (#label や ?query, % でのクォートを解釈) scheme: がない場合は全てファイル名 (#label も解釈しない) としています。オプション argv_is_url=1 で全て URL 扱いにすることもできます。
LOAD('V') では全てファイル名として解釈します。
GOTO('U') はコマンドラインと全く同じ扱いにしています。 current の URL も NULL にしています。

既知のバグ(というか問題のある仕様)

日本語 L10N はしてますが、I18N(NLS) 関連は未対応です。
結合文字が文字列の先頭にきた場合、レンダリングが崩れる(かもしれない)。
JIS X 0213 は、まだ使用例が少ないため入力時に関しては、JIS X 0208 や JIS X 0212 のエスケープシーケンスが使われていても読み込む様にしている。また、JIS X 0213 で包摂基準の変わった文字でも JIS X 0208 とみなす。
ISO 2022 での C0, C1 集合への指示は無視されます。 C0 は常に ACSII のコントロール文字、C1 は未定義文字となります。
JIS X 0208:1990 の ESC & @ は無視されます。

TODO

NLS 対応
- NLS ライブラリ(gettext, catgets) を使うか、自前で処理するか？
- 落ち着いてからでも良いと思う。
#undef USE_M17N, #define LANG EN, #undef USE_UNICODE のチェック
- 時々やらないとまずいかな。やっぱり。

更新記録

2003/03/08 w3m-0.4.1-m17n-20030308

w3m-0.4.1 ベース

2003/02/24 w3m-0.4-m17n-20030224

w3m-0.4 ベース

2003/02/11 w3m-0.4rc1-m17n-20030211

w3m-0.4rc1 ベース

2003/02/07 w3m-0.3.2.2-m17n-20030207

w3m-0.3.2.2+cvs-1.742 ベース

2003/02/01 w3m-0.3.2.2-m17n-20030201

w3m-0.3.2.2+cvs-1.734 ベース

2003/01/31 w3m-0.3.2.2-m17n-20030131

w3m-0.3.2.2+cvs-1.732 ベース

2003/01/23 w3m-0.3.2.2-m17n-20030123

w3m-0.3.2.2+cvs-1.705 ベース

2003/01/22 w3m-0.3.2.2-m17n-20030122

w3m-0.3.2.2+cvs-1.699 ベース

2003/01/01 w3m-0.3.2.2-m17n-20030101

w3m-0.3.2.2+cvs-1.655 ベース

2002/12/22 w3m-0.3.2.2-m17n-20021222

w3m-0.3.2.2+cvs-1.640 ベース

2002/12/19 w3m-0.3.2.2-m17n-20021219

w3m-0.3.2.2+cvs-1.635 ベース

2002/12/07 w3m-0.3.2.2-m17n-20021207

w3m-0.3.2.2+cvs-1.599 ベース
int != long な環境での問題を修正

2002/11/27 w3m-0.3.2.1-m17n-20021127

w3m-0.3.2.1+cvs-1.562 ベース

2002/11/20 w3m-0.3.2-m17n-20021120

w3m-0.3.2+cvs-1.538 ベース

2002/11/18

文字コードの自動判別に UTF-7 を追加。

2002/11/16 w3m-0.3.2-m17n-20021116

w3m-0.3.2+cvs-1.526 ベース

2002/11/13 w3m-0.3.2-m17n-20021113

w3m-0.3.2+cvs-1.506 ベース

2002/11/12 w3m-0.3.2-m17n-20021112

w3m-0.3.2+cvs-1.498 ベース

2002/11/09 w3m-0.3.2-m17n-20021109

w3m-0.3.2+cvs-1.490 ベース

2002/11/07 w3m-0.3.2-m17n-20021107

w3m-0.3.2 ベース
[w3m-dev 03371] は適用

2002/10/22 w3m-0.3.1-m17n-20021022

w3m-0.3.1+cvs-1.444 ベース

2002/07/17 w3m-0.3.1-m17n-20020717

w3m-0.3.1 ベース

2002/05/29 w3m-0.3-m17n-20020529

w3m-0.3+cvs-1.379 ベース

2002/03/16 w3m-0.3-m17n-20020316

w3m-0.3+cvs-1.353 ベース

2002/03/11 w3m-0.3-m17n-20020311

w3m-0.3+cvs-1.342 ベース
バグ修正

2002/02/16 w3m-0.2.5-m17n-20020216

w3m-0.2.5+cvs-1.319 ベース
use_wide オプションを追加

2002/02/05 w3m-0.2.5-m17n-20020205

w3m-0.2.5+cvs-1.302 ベース

2002/02/02 w3m-0.2.5-m17n-20020202

w3m-0.2.5+cvs-1.291 ベース

2002/01/31 w3m-0.2.4-m17n-20020131

w3m-0.2.4+cvs-1.278 ベース

2002/01/29 w3m-0.2.4-m17n-20020129

w3m-0.2.4+cvs-1.268 ベース
バグ修正

2002/01/28 w3m-0.2.4-m17n-20020128

w3m-0.2.4+cvs-1.265 ベース

2002/01/08 w3m-0.2.4-m17n-20020108

w3m-0.2.4 ベース

2002/01/07

一部の wc_conv,wc_Str_conv を wc_conv_strict,wc_Str_conv_strict で置き換え。

2001/12/31

HKSCS の Unicode 変換表を追加
Big5 の Unicode 変換表を修正
Big5 と CNS11643 の変換を廃止(Unicode ベースへ)
HKSCS の扱いを修正

2001/12/30 w3m-0.2.3.2-m17n-20011230

w3m-0.2.3.2+cvs-1.196 ベース

2001/12/22 w3m-0.2.3.2-m17n-20011222

w3m-0.2.3.2 ベース
[w3m-dev-en 00660] INET6 のときコンパイルできない
[w3m-dev-en 00663] WC_N_??? の２重定義の修正

2001/12/21 w3m-0.2.3.1-m17n-20011221

w3m-0.2.3.1 ベース

2001/12/19

HKSCS を追加。Unicode の変換表は未だ。
KOI8-U を追加。

2001/12/18 w3m-0.2.2-m17n+cvs-1.137

ISO 8859-16 の Unciode 変換表を追加
JIS X 0208(0213) の 0x7425,0x7426 を JIS X 0213 扱いに
バグ修正

2001/12/17 w3m-0.2.2-m17n+cvs-1.131

2001/12/15 w3m-0.2.2-m17n+cvs-1.124

sourceforge.net の CVS をベース
UTF-7 に対応。
-o ext_halfdump を追加。
=?iso-8859-1?q? の様な小文字での MIME の指定に対応。
ISO 2022 の ESC % を読み飛ばす様にした。
ks_c_5601-1987 (ksc) を EUC-KR と認識する様にした。
locale が zh_TW, zh_HK の時のデフォルトの文字コードを Big5 へ。
結合文字の直前で改行されることがあるバグの修正。
resize すると文字化けすることがある問題の修正。
UTF-8 判定部のバグ修正。

2001/04/12 w3m-(0.2.1)-m17n-0.19

JISX0212, JISX0213 の"チルダ"の Unicode への変換を FULLWIDTH TILDE に修正。
MICRO SIGN を JISX0208 の"ギリシャ小文字ミュー"へ変換する様にした。
[w3m-dev 01892], [w3m-dev 01894], [w3m-dev 01898], [w3m-dev 01902] に対応。

2001/03/31

<_SYMBOL> の実装の修正。
-dump の時でも pre_conv のデフォルトは OFF。

2001/03/29

TCVN 5712 の結合文字に対応。
[w3m-dev 01873], [w3m-dev-en 00411] に対応。

2001/03/28

configure で suffix 無しを指定可能にした。(thanks to naddy!)
#define USE_SSL で #undef USE_SSL_VERIFY の場合に rc.c がコンパイルできないバグの修正。(thanks to naddy!)
[w3m-dev 01859] に対応。
Shift-JIS で 0xA0 がエラーとならないバグ修正。
<_SYMBOL> の実装の変更。[w3m-dev 01852] に対応。

2001/03/24 w3m-(0.2.1)-m17n-0.18

w3m-0.2.1 ベース
[w3m-dev 01703], [w3m-dev 01814], [w3m-dev 01823] に対応。
ISO-2022-JP-3 を ISO-2022-JP と分離。ISO-2022-JP では絶対に JIS X 0212 や JIS X 0213 を送らない様にした。
自動判別の改良。

2001/03/23

w3m-0.2.0 ベース

2001/02/21

CHARSET, DEFAULT_CHARSET 関数を追加。
frame の時の文字コード判定を改良。

2001/03/20

FULL WIDTH variant (ASCII 以外)からの変換を行う様にした。

2001/03/18 w3m-(0.1.11-pre-hsaka24)-m17n-0.17

[w3m-dev 01779] w3m-0.1.11-pre-hsaka24 への対応。
JIS X 0213 を JIS X 0212 より優先するようにした。

2001/03/14 w3m-(0.1.11-pre-kokb23)-m17n-0.16

JIS X 0213 と Unicode Extention B との変換を追加。
JIS X 0213 と Unicode 変換の修正。
UHC をハングルと判定するように修正。
pre_conv = ON の場合は、search_conv を無視する。

2001/03/09 w3m-(0.1.11-pre-kokb23)-m17n-0.15

wc_wchar_t を改良(主に Unicode 用)。
Unicode の扱いの幾つかのバグ修正。
GBK, GB18030 で出力する場合は use_gb12345_map は無効にした。
-dump の時は常に pre_conv = ON。
-dump や -halfdump の時は余計な処理はしない様にした。
system の文字コードを環境変数 LC_CTYPE -> LANG -> LC_ALL の順で設定する様にした。
[w3m-dev 01724], [w3m-dev 01726], [w3m-dev 01752], [w3m-dev 01753], [w3m-dev 01754] に対応。

2001/03/06 w3m-(0.1.11-pre-kokb23)-m17n-0.14

Language tag (UTR#7) に対応してみた。
GB18030, Johab と Unicode 変換部のバグ修正。
Unicode の full width の結合文字(ひらがなの濁音など)を precompose できていなかったバグの修正。(w3m-m17n-0.10 で直したはずが直っていなかった)

2001/03/04 w3m-(0.1.11-pre-kokb23)-m17n-0.13

GBK(CP936), GB18030, UHC(CP949) に対応。
GB2312, GB12345 の Unicode のマッピングテーブルを CP936, GB18030 と互換にした。(コード: 0xA1A4, 0xA1AA)
Unicode の 0xFFFE, 0xFFFF をそのまま通す様にした。(GB18030 との互換性)
Unicode の NBSP が 0x80 になっていたバグ修正。

2001/03/03 w3m-(0.1.11-pre-kokb23)-m17n-0.12

CP932 に対応。Shift_JIS は CP932 を意味するものとし、Shift_JISX0213 は明示しないかぎり判別しない。
JIS X 0213 対応にかなりバグがあったので修正。ただし厳密に JIS X 0213 に従ってはいない。
JIS X 0208 → Unicode のマッピングテーブルを CP932 のものに置き換え。 "＼", "～", "∥", "－", "￠", "￡", "￢" Unicode → JIS X 0208 は両方。0x00A5 (YEN SIGN) も "￥" へ変換。
Unicode への変換時のエラー処理のバグの修正。
CP1258 での出力時ののバグ修正。
標準入力からのデータを vwSrc で HTML 表示する時の一時ファイルの
configure の typo 修正。(下津さん thanks!)
HTML 中の属性値の URL の最初と最後の空白文字は削除するようにした。 (下津さん thanks!)

2001/02/15 w3m-(0.1.11-pre-kokb23)-m17n-0.11

Strdelete のバグが非常にまずいので、とりあえず公開。

2001/01/29

Refresh で相対パスの場合に動作していなかったのを修正。
そもそも goURL() を使うのがまずいんじゃ...

2001/01/23

Strdelete の処理を元に戻した。(坂根さん thanks!)

2001/01/19 w3m-(0.1.11-pre-kokb23)-m17n-0.10

Unicode の full width の結合文字(ひらがなの濁音など)を precompose できていなかったバグの修正。
[w3m-dev 01650], [w3m-dev 01651], [w3m-dev 01560] に対応。

2001/01/17 w3m-(0.1.11-pre-kokb23)-m17n-0.9

[w3m-dev 01617], [w3m-dev 01621], [w3m-dev 01624], [w3m-dev 01625], [w3m-dev 01635], [w3m-dev 01643], [w3m-dev 01647] に対応。

2001/01/16 w3m-(0.1.11-pre-kokb23)-m17n-0.8 (置き換え)

typo 修正(坂根さん thanks!)

2001/01/14 w3m-(0.1.11-pre-kokb23)-m17n-0.8

JIS X 0213-2 にバグがあるがとりあえず公開する。

2000/12/29

[w3m-dev 01594] に対応。(やまてさん thanks!)
[w3m-dev 01602] に対応。

2000/12/27

UCS-2/4 の扱いを改良。Unicode 以外の 31個の 16bit文字セット、 7個の 32bit文字セットが使用可能。
使う事あるのか？ → GB18030 で使うことになりそう
PCSW(Shift_JIS,Big5,等) の扱いについても改良を考案中。
checkType() で s->length > size の場合の処理にバグがあったものを修正。
全然、直って無かった。(やまてさん thanks!)
Big5 の Level1 と Level2 を分ける位置が間違っていた。
一年近く昔からのバグ。なぜ気づかなかったのだろう。

2000/12/25 w3m-(0.1.11-pre-kokb23)-m17n-0.7

UCS-2/4 の扱いを他の 16/32bit コードが使える様に改良するため、とりあえず、w3m-m17n-0.7 としてまとめる。
[w3m-dev 01564] に対応。(やまてさん thanks!)

2000/12/24

Johab に対応。自前の Unicode 変換テーブルを持ちたくなかったため、特殊な変換になってしまい汎用性に欠けるようになってしまった。
wtf_gr_ces が KS X 1001 だった場合にハングルが "わかち書き" されないバグの修正。
UCS の中でハングルと判定するコードポイントを増やした。
file 名中に '+' を含む file にアクセスできなくなっていたバグの修正。

2000/12/23

checkType() で s->length > size の場合の処理にバグがあったものを修正。
UTF-8 の解析で現れるべきではないシーケンス(サロゲート等)のチェックを行う様にした。
WC_CCS_SET と WC_CCS_TYPE を混同していたバグの修正(良く動いてたなぁ)
Big5 の表現をそのままのコード(WC_CCS_BIG5)と CS94 型のコード (WC_CCS_BIG5_1, WC_CCS_BIG5_2)の両方を使える様にした。

2000/12/22

[w3m-dev 01555], [w3m-dev 01556] に対応。

2000/12/21 w3m-(0.1.11-pre-kokb23)-m17n-0.6

ISO 2022 の SS2, SS3 に関する修正が適用されていなかったので再修正。
[w3m-dev 01531], [w3m-dev 01534] に対応。
textarea を編集した後、読み込むときに auto detect を ON にした。 DisplayCharset が 7bit コード(特に ISO-2022-JP)の場合に対応。
form 中での PC_UNKNOWN の処理を追加。
form 中での PC_CTRL の幅が 2 になっていたものを修正。
form 中での結合文字(width=0)に対処。
DEL の wtf_width_map が 2 になっていたバグの修正。
table 中に <hr> があるとレンダリングが崩れるバグの修正。(やまてさん thanks!)
pager モードから HTML view する場合は buf->document_charset で saveBuffer する様にした。
entity の扱いの整理。
DocumentCharset が UTF-8 の場合の auto detect で ISO-8859-1 を判別することを止めた。ISO-2022 のみ判別する。
wc_ces と wc_ccs の typo を修正
sourcefile を load する場合は常に file_to_url() する様にした。

2000/12/20 w3m-(0.1.11-pre-kokb23)-m17n-0.5

entity の扱いの改良。conv_entity を直接呼ぶコードに対応。
ANSI color escape sequence 対応。

2000/12/19

ページャモードで \b の解析時のバグ修正。(坂根さん thanks!)
<ol><li> の後の空白文字が削除されないバグ修正。
Str.c 内の strncpy を bcopy へ。
型のチェック(特に unsigned char と char)。(坂根さん thanks!)
マクロの引数を () で囲んでいなかったものの修正。
libwc/Makefile で ranlib をそのまま使っていたのをマクロに。

2000/12/18

-I オプションが指定されている場合、コマンドラインのファイルまたは URL の読み込みに関してはヘッダや <META> の Content-Type での charset の指定を適用しない様に変更。
<META> での charset の指定がクリアされていないバグの修正。

2000/12/17 w3m-(0.1.11-pre-kokb23)-m17n-0.4

[w3m-dev 01515], [w3m-dev 01516] に対応。
INTSPACE の処理に関するコード整理。
テーブルの枠などの symbol に関するバグ修正。
表示する時、ごく稀にゴミがでる問題の修正。

2000/12/16 w3m-(0.1.11-pre-kokb23)-m17n-0.3

w3m-0.1.11-pre-kokb23 対応。

2000/12/16 w3m-(0.1.11-pre-kokb22)-m17n-0.2

テーブルの枠が検索でおかしなマッチをする問題を修正。合わせて <UL> の記号等も同じ処理に改良。
#ifdef EMX の場合に CodePage から DisplayCharset 等を設定する様にしてみた。(動作は未確認)

2000/12/15

ISO 2022 の SS2, SS3 に関する修正。
SHOW_PARAMS に関する修正。
loadHTMLString で作成したバッファにも文字コードを適宜設定。

2000/12/15 w3m-(0.1.11-pre-kokb22)-m17n-0.1

最初の alpha リリース
configure に対応。

坂本 浩則 <hsaka@mth.biglobe.ne.jp>
 http://www2u.biglobe.ne.jp/~hsaka/

国際化/マルチリンガル化 w3m

はじめに​

扱える文字コード​

日本語​

中国語(簡体字)​

中国語(台湾、繁体字)​

韓国語​

ベトナム語​

タイ語​

その他​

Unicode (UCS-4)​

注意​

表示​

(1) kterm + ISO-2022-JP/CN/KR​

(2) xterm + UTF-8​

(3) mlterm + ISO-2022-JP/KR/CN or UTF-8​

コマンドラインオプション​

オプションパネル​

コード変換​

文書のコードの切替え​

一行エディタ​

正規表現​

URL やファイルの文字コード​

既知のバグ(というか問題のある仕様)​

TODO​

更新記録​

そもそも goURL() を使うのがまずいんじゃ...

使う事あるのか？ → GB18030 で使うことになりそう

全然、直って無かった。(やまてさん thanks!)

一年近く昔からのバグ。なぜ気づかなかったのだろう。