Idioma japonés en EBCDIC

Se han utilizado varias versiones mutuamente incompatibles del Código de Intercambio Decimal Codificado en Binario Extendido ( EBCDIC ) para representar el idioma japonés en computadoras, incluyendo variantes definidas por Hitachi , Fujitsu , IBM y otros. Algunas son codificaciones de ancho variable , que emplean códigos de desplazamiento de bloqueo para alternar entre los modos de un byte y doble byte. ^{[ 1 ]} A diferencia de otras configuraciones regionales EBCDIC, las letras latinas básicas en minúscula a menudo no se conservan en sus ubicaciones habituales. ^{[ 2 ]}

Los caracteres que se encuentran en el código japonés de doble byte utilizado con EBCDIC por IBM, pero que no se encuentran en la primera edición de JIS X 0208 , también influyeron en las extensiones de proveedor que se encuentran en algunas codificaciones que no son EBCDIC, como la página de códigos 932 de IBM ("DBCS-PC") y la página de códigos 932 de Windows . ^{[ 3 ]}

De forma similar a JIS X 0201 (que a su vez se incorporó a Shift JIS ), las codificaciones EBCDIC japonesas suelen incluir un conjunto de caracteres katakana de un solo byte . En la configuración regional japonesa se utilizan varias variantes del código EBCDIC de un solo byte, por diferentes proveedores; un proveedor determinado también puede definir dos códigos de un solo byte diferentes, uno preferido para katakana de ancho medio y otro preferido para escritura latina . Las variantes de EBCDIC preferidas por un proveedor determinado para su uso con katakana a veces se denominan EBCDIK , acrónimo de Extended Binary-Coded Decimal Interchange Kana code . ^{[ 1 ]}

Las páginas de códigos que incorporan caracteres katakana de ancho reducido son una excepción al conjunto de caracteres invariantes EBCDIC de IBM, que especifica un conjunto de caracteres que generalmente se codifican de la misma manera en todas las páginas de códigos EBCDIC. En particular, a veces incluyen caracteres katakana en puntos de código que se utilizan para las letras minúsculas del alfabeto latino básico en el conjunto invariante. ^{[ 2 ]} La codificación de las letras minúsculas cuando se incluyen caracteres katakana en esas ubicaciones, y la codificación de los caracteres katakana cuando se conservan las letras minúsculas en sus ubicaciones habituales, puede variar entre proveedores, como se muestra a continuación.

Microsoft Windows implementa dos variantes japonesas de EBCDIC de un solo byte, con números de página de códigos 20000 superiores a los de IBM para sus variantes, como las páginas de códigos 20290 (documentada como IBM290"IBM EBCDIC Japanese Katakana Extended") ^{[ 4 ]} y 21027 ("Extended/Ext Alpha Lowercase"). La página de códigos 21027, tal como se implementa en Windows, es una implementación incompleta, ya que carece de asignaciones bidireccionales para varias letras y kana ^{[ 5 ]} , y actualmente está en desuso ^{[ 4 ] .}

Las páginas de códigos de IBM se actualizaron posteriormente para incluir el símbolo del euro en la dirección 0xE1, conservando sus números CPGID originales, pero asignándoles nuevos números CCSID. Por lo tanto, el CCSID 290 se refiere a la versión original de la página de códigos 290, mientras que la versión de la página de códigos 290 con el símbolo del euro también se conoce como CCSID 8482. ^{[ 6 ]} De manera similar, el CCSID 1027 se refiere a la versión original de la página de códigos 1027, mientras que a la versión del CPGID 1027 con el símbolo del euro se le asigna el CCSID 5123. ^{[ 7 ]}

Junto con las versiones de la página de códigos DBCS-Host japonesa de doble byte de IBM (CPGID 300, CCSID 300 o 16684) como un componente de doble byte, la página de códigos 290 de IBM se utiliza como el componente de un solo byte de la página de códigos multibyte IBM-930 ^{[ 8 ] [ 9 ]} y (como el CCSID 8482 actualizado para Europa) la versión actualizada IBM-1390. ^{[ 10 ] [ 11 ]} La página de códigos 1027 de IBM se utiliza como el componente de un solo byte de la página de códigos multibyte IBM-939 ^{[ 12 ] [ 13 ]} y (como el CCSID 5123 actualizado para Europa) la versión actualizada IBM-1399. ^{[ 14 ] [ 15 ]}

En la siguiente tabla, la conformidad con el conjunto invariante está marcada en verde; la colisión con el conjunto invariante está marcada en rojo.

Hay tres códigos de caracteres de doble byte utilizados para el japonés con EBCDIC: ^{[ 30 ] [ 31 ] [ 3 ]} página de códigos 300 de IBM (también llamada IBM Kanji o IBM Japanese DBCS-Host) de IBM , ^{[ 32 ]} KEIS de Hitachi , ^{[ 30 ]} y JEF de Fujitsu . ^{[ 16 ]} Estas son codificaciones DBCS-Host, que utilizan diferentes códigos de desplazamiento para cambiar entre los modos EBCDIC de un byte y de doble byte. ^{[ 1 ]} Los códigos 0x41 a 0xFE (los utilizados para caracteres gráficos en EBCDIC) se utilizan en pares para representar caracteres de una cuadrícula de 190×190; el código 0x40 ( espacio en EBCDIC) se utiliza duplicado como un espacio ideográfico , pero no como parte de ningún otro código de doble byte. ^{[ 1 ] [ 32 ]}

En la versión de IBM del código DBCS-Host, el código 0x0Fcambia al modo de un solo byte y el código 0x0Ecambia al modo de doble byte, ^{[ 1 ] [ 8 ] [ 12 ] [ 10 ] [ 14 ]} en común con los códigos EBCDIC de doble byte de IBM para otros idiomas CJK , ^{[ 1 ]} como la versión EBCDIC de Johab para coreano . ^{[ 33 ]} A diferencia de KEIS y JEF, la disposición de la página de códigos 300 de IBM no está relacionada con JIS X 0208 , y la conversión entre los dos debe hacerse a través de una tabla; ^{[ 30 ]} sin embargo, su repertorio de caracteres se ha mantenido actualizado con revisiones sucesivas de JIS X 0208 para seguir siendo un superconjunto del repertorio de JIS X 0208. ^{[ 3 ]} Los bytes iniciales 0x41 a 0x44 se utilizan para caracteres que no son Kanji, los bytes iniciales 0x45 a 0x68 se utilizan para caracteres Kanji y los bytes iniciales 0x69 a 0x89 se utilizan para UDC ( caracteres definidos por el usuario ). ^{[ 32 ]}

La existencia del código DBCS-Host japonés de IBM tuvo un impacto más allá de los sistemas EBCDIC, ya que IBM también definió variantes de Shift JIS ("DBCS-PC", definido en la página de códigos 301 de doble byte puro y utilizado en las páginas de códigos 932 y 942 de ancho variable ) y de EUC-JP que codifican todo el repertorio de la página de códigos 300 de IBM, incluyendo 28 caracteres no Kanji y 360 caracteres Kanji adicionales a los incluidos originalmente en JIS X 0208 (aunque los caracteres no Kanji porque el signo ∵ y no el signo￢ se agregaron posteriormente a JIS X 0208 en 1983). Estos se denominan caracteres "seleccionados por IBM" y se incluyen como extensiones en, por ejemplo, la página de códigos 932 de Windows . ^{[ 3 ]}

Algunas revisiones más recientes de la página de códigos IBM-300 agregan caracteres Kanji adicionales con bytes iniciales del 0xB8 al 0xD5 y caracteres no Kanji adicionales con bytes iniciales del 0xD6 al 0xE9. ^{[ 32 ]} Esta revisión actualizó el conjunto para JIS X 0213 , incluyendo el símbolo del euro y, aunque conservó el CPGID 300, se le asignó el nuevo CCSID 16684. ^{[ 34 ]} Las páginas de códigos IBM-930 (con la página de códigos 290 como conjunto de un solo byte), ^{[ 8 ]} IBM-931 (con la página de códigos 37 como conjunto de un solo byte) e IBM-939 (con la página de códigos 1027 como conjunto de un solo byte) ^{[ 12 ]} excluyen estas adiciones, mientras que IBM-1390 (con la versión del símbolo del euro de la página de códigos 290 / CCSID 8482) ^{[ 10 ]} e IBM-1399 (con la versión del símbolo del euro de la página de códigos 1027 / CCSID 5123) ^{[ 14 ]} las incluyen.

En Hitachi KEIS ^{[ 30 ]} (Sistema de Información Extendido para el Procesamiento de Kanji), la secuencia 0x0A 0x41cambia al modo de un byte y la secuencia 0x0A 0x42cambia al modo de doble byte. ^{[ a ]} ​​Los caracteres JIS X 0208 se codifican utilizando las mismas secuencias de bytes que se utilizan para codificarlos en EUC-JP , es decir, con ambos bytes entre 0xA1 y 0xFE inclusive. Esto da como resultado codificaciones duplicadas para el espacio ideográfico : 0x4040 según la estructura de código DBCS-Host y 0xA1A1 como en EUC-JP. Sin embargo, el rango del byte inicial se extiende hasta 0x59, de los cuales los bytes iniciales 0x81–A0 se designan para caracteres definidos por el usuario, ^{[ 1 ]} y el resto se utiliza para caracteres definidos por la empresa, incluidos tanto kanji como no kanji. ^{[ 3 ]}

En Fujitsu JEF ^{[ 16 ]} (Función extendida de procesamiento japonés), 0x29cambia al modo de un solo byte y 0x28cambia al modo de doble byte. De manera similar a KEIS, los códigos JIS X 0208 se representan igual que en EUC-JP. ^{[ 1 ]} A diferencia de KEIS, la edición JIS X 0208 utilizada en esta zona JEF es la JIS C 6226:1978 original. ^{[ 30 ] [ 16 ]} El rango del byte inicial se extiende hasta 0x41, con 0x80–A0 designado para la definición del usuario; a los bytes iniciales 0x41–7F se les asignan los números de fila 101 a 163 para fines de kuten , aunque la fila 162 (byte inicial 0x7E) no se utiliza. ^{[ 1 ] [ 3 ]} Las filas 101 a 148 se utilizan para kanji extendidos, mientras que las filas 149 a 163 se utilizan para caracteres no kanji extendidos. ^{[ 3 ]}