このページは機械翻訳したものです。

10.10.7.1 cp932 文字セット

cp932 が必要な理由

MySQL では sjis 文字セットは IANA で定義される Shift_JIS 文字セットに対応しており、これらは JIS X0201 および JIS X0208 文字セットをサポートしています。 (http://www.iana.org/assignments/character-setsを参照してください。)

ただし、記述用語としての「SHIFT JIS」の意味は非常にあいまいになっており、さまざまなベンダーが定義した Shift_JIS に対する拡張も含める場合もあります。

たとえば、日本語 Windows 環境で使用される「SHIFT JIS」は、Microsoft による Shift_JIS の拡張であり、正式な名称は Microsoft Windows Codepage : 932 または cp932 です。 Shift_JIS でサポートされる文字に加え、cp932 では、NEC 特殊文字、NEC 選定 IBM 拡張文字、IBM 選定文字などの拡張文字をサポートします。

多くの日本語ユーザーは、これらの拡張文字を使用するときに問題に直面してきました。 これらの問題は次の要因によって生じていました。

• MySQL が自動的に文字セットの変換を行なっていること。

• 文字セットが Unicode (ucs2) を使用して変換されていること。

• sjis 文字セットが、これらの拡張文字の変換をサポートしていないこと。

• いわゆる「SHIFT JIS」から Unicode への変換には複数の変換ルールが存在し、文字によっては、変換ルールに従って別々に Unicode に変換される場合があること。 MySQL ではこれらの変換ルールのうち、1 つしかサポートしていません (詳細は後述します)。

MySQL の cp932 文字セットは、これらの問題を解決するように設計されています。

MySQL が文字セットの変換をサポートするので、異なる変換ルールを持つ IANA の Shift_JIS と cp932 を 2 つの異なる文字セットに区分することが重要になります。

cp932 と sjis との相違点

cp932 文字セットは次の点で sjis と異なります。

• cp932 は、NEC 特殊文字、NEC 選定 IBM 拡張文字、IBM 選定文字をサポートします。

• 一部の cp932 文字には、2 つの異なるコードポイントがあり、両方とも同一の Unicode コードポイントに変換されます。 Unicode から cp932 に戻すときに、どちらかのコードポイントを選択する必要があります。 この「ラウンドトリップ変換」については、Microsoft が推奨するルールが使用されます。 (http://support.microsoft.com/kb/170559/EN-US/を参照してください。)

  この変換ルールは次のように機能します。

  • 文字が JIS X 0208 文字と NEC 特殊文字の両方に存在する場合には、JIS X 0208 のコードポイントを使用します。

  • 文字が NEC 特殊文字と IBM 選定文字の両方に存在する場合には、NEC 特殊文字のコードポイントを使用します。

  • 文字が IBM 選定文字と NEC 選定 IBM 拡張文字の両方に存在する場合は、IBM 拡張文字のコードポイントを使用します。

  https://msdn.microsoft.com/en-us/goglobal/cc305152.aspx に示す表には、cp932 文字の Unicode 値に関する情報が記載されています。 cp932 の表で下に 4 桁の数字が表示されている項目については、その数字は対応する Unicode (ucs2) エンコーディングを表します。 下線付きの 2 桁の値のある表項目では、これらの 2 桁の値で始まる一定範囲の cp932 文字があります。 このような表項目をクリックすると、これらの桁の値で始まる cp932 文字対する各 Unicode 値を示したページが表示されます。

  詳細は次のリンクを参照してください。 それぞれ、次の文字セットのエンコーディングに対応します。

  • NEC 特殊文字 (先頭バイト 0x87):

    https://msdn.microsoft.com/en-us/goglobal/gg674964

  • NEC 選択 -IBM 拡張文字 (リードバイト 0xED および 0xEE):

    https://msdn.microsoft.com/en-us/goglobal/gg671837
    https://msdn.microsoft.com/en-us/goglobal/gg671838

  • IBM が選択した文字 (リードバイト 0xFA, 0xFB, 0xFC):

    https://msdn.microsoft.com/en-us/goglobal/gg671839
    https://msdn.microsoft.com/en-us/goglobal/gg671840
    https://msdn.microsoft.com/en-us/goglobal/gg671841

• cp932 は、eucjpms と組み合わせて使用することで、ユーザー定義の文字の変換をサポートし、sjis/ujis の変換での問題に対応します。 詳細は、http://www.sljfaq.org/afaq/encodings.htmlを参照してください。

一部の文字については、ucs2 との間の変換は、sjis と cp932 との場合と異なります。 次の表に、これらの違いを示します。

ucs2 への変換:

sjis/cp932 値	sjis -> ucs2 の変換	cp932 -> ucs2 の変換
5C	005C	005C
7E	007E	007E
815C	2015	2015
815F	005C	FF3C
8160	301C	FF5E
8161	2016	2225
817C	2212	FF0D
8191	00A2	FFE0
8192	00A3	FFE1
81CA	00AC	FFE2

ucs2 からの変換:

ucs2 値	ucs2 -> sjis の変換	ucs2 -> cp932 の変換
005C	815F	5C
007E	7E	7E
00A2	8191	3F
00A3	8192	3F
00AC	81CA	3F
2015	815C	815C
2016	8161	3F
2212	817C	3F
2225	3F	8161
301C	8160	3F
FF0D	3F	817C
FF3C	3F	815F
FF5E	3F	8160
FFE0	3F	8191
FFE1	3F	8192
FFE2	3F	81CA

日本語文字セットのユーザーは、--character-set-client-handshake (または --skip-character-set-client-handshake) を使用すると大きな効果が得られることに注意してください。 セクション5.1.7「サーバーコマンドオプション」を参照してください。