PHPソース中のヘブライ語

Windows でコンパイルする時に、ヘブライ語のとこで失敗するので調べてみた。
# 結論は iconv -f iso-8859-8 -t utf-8 で変換すれば良さそうだけど、環境によるのでエスケープするのが無難。

とりあえず、hexdump してみる。

Tishrei に相当する場所は以下の４バイト。

fa f9 f8 e9

• The Month of Tishrei According to Sefer Yetzirah
  • http://www.inner.org/times/tishrei/tishrei.htm

によると Tishrei は
なのでコード表と比較してみる。

• ヘブライ語の文字コード表
  • http://charset.uic.jp/compare/iso-8859-8/windows-1255/

コード表から対応する文字を拾って左から並べてみた。

ヘブライ語は右から並べるので丁度逆方向に見ると一致してる。(装飾の違いはあるけど)

文字コードは、ISO-8859-8 でＦＡ。

変換どうしよう

• iconv で (-f iso-8859-8 -t utf-8)

d7 aa d7 a9  d7 a8 d7 99

• • そこから逆変換

char *JewishMonthHebName[14] =
{
        "",
        "iconv: 位置 13220 で不正な入力シーケンスがありました

• emacs で (M-x set-buffer-file-coding-system => utf-8

c3 ba c3 b9  c3 b8 c3 a9

• • そこから hebrew-iso-8bit に逆変換

However, each of them encountered characters it couldn't encode:
  hebrew-iso-8bit-unix cannot encode these: u u o e c u a i e n ...

PHP の mb_convert_encoding で変換すると,

D7 AA D6 B4 D6 BC D7 A9 D6 B0 D7 81 D7 A8 D6 B5 D7 99
~~~~~             ~~~~~             ~~~~~       ~~~~~

emacs も iconv も逆変換ダメだけど、iconv の方がバイナリ的に似てる。

ヘブライ語の対応するページを開いたら、
http://he.wikipedia.org/wiki/%D7%AA%D7%A9%D7%A8%D7%99

iconv の出力結果で合ってた。逆変換がダメなのは気になるけど、とりあえず後にしよう。

気になる事

• Linux ではそのままコンパイル出来るけど、ヘブライ語表示で問題はないんだろうか。日本だと UNIX 上の日本語は(UTF-8 でない場合) ISO-2022-JP でなく EUC 使うけど、それに似たコード体系って無いのかな。無いんだろうな。

続く ＞ PHPソース中のヘブライ語(その2) - yoya's diary