『～』和『∼』...

[Tetralet]

我發現在 UTF-8 的環境下，
原本在 Big5 裡的『～』符號會變成『∼』，
導致在 MS Microsoft 裡會看不到這個字，
而在 IceWM 的標題裡也看不到...
在 konqueror 裡也看不到...
（只能看到 □...）

是 glibc 的問題嗎？
是否該做 Bug Report 呢？

[Edward G.J. Lee]

我發現在 UTF-8 的環境下，
原本在 Big5 裡的『～』符號會變成『∼』，
導致在 MS Microsoft 裡會看不到這個字，
而在 IceWM 的標題裡也看不到...
在 konqueror 裡也看不到...
（只能看到 □...）

是 glibc 的問題嗎？
是否該做 Bug Report 呢？

Big5 的全形 ~ (Big5 0xa1e3)他的 Unicode 對應是：

代碼: 選擇全部

edt1023:~$ zcat /usr/share/i18n/charmaps/BIG5.gz | grep 'xa1/xe3'
<UFF5E>         /xa1/xe3        FULLWIDTH TILDE

比較小的那個是:

代碼: 選擇全部

∼ U+223C

Big5 裡頭並沒有包含。

所以，要看是怎麼轉換（在 Big5 環境下）：

代碼: 選擇全部

edt1023:~$ echo '～' | recode big5..ucs2/x2
0x223C, 0x000A
edt1023:~$ echo '～' | recode cp950..ucs2/x2
0xFF5E, 0x000A

這裡好像反了？所以，iconv 是會轉成 U+223C。除非是使用 cp950。照理是要轉成 0xFF5E。

在 utf8 環境下：

代碼: 選擇全部

edt1023:~$ echo '～' | recode u8..ucs2/x2
0xFF5E, 0x000A

這是正確的。

不清楚這算不算是 bug？

[Tetralet]

不清楚這算不算是 bug？

我覺得是 bug 耶？

因為使用 unifont 來查看時，
『∼』（較小那一個）
會變成半型字。

而有類似的問題還有：

代碼: 選擇全部

 ‥ … ‘ ’ “ ” ‵ ′
 ※ § ℅ ♀ ♂ ¥ ° ℃ ℉ ○
 ● △ ▲ ◎ ☆ ★ ◇ ◆ □ ■ ▽ ▼ ♁ ☉
 √ ≦ ≧ ≠ ∞ ≒ ≡ ∼ ∩ ∪ ⊥ ∠ ∟ ⊿ ∫ ∮ ∵ ∴
 ↑ ↓ ← → ↖ ↗ ↙ ↘ ∥ ∣ ╳
 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ
 ▁ ▂ ▃ ▄ ▅ ▆ ▇ █▏ ▎ ▍ ▌ ▋ ▊ ▉ ◢ ◣ ◥ ◤
 Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
 α β γ δ ε ζ η θ ι κ λ μ ν ξ ο π ρ σ τ υ φ χ ψ ω

而原本應該是：

代碼: 選擇全部

 ‥ … ‘ ’ “ ” ‵ ′
 ※ § ℅ ♀ ♂ ￥ ° ℃ ℉ ○
 ● △ ▲ ◎ ☆ ★ ◇ ◆ □ ■ ▽ ▼ ⊕ ⊙
 √ ≦ ≧ ≠ ∞ ≒ ≡ ～ ∩ ∪ ⊥ ∠ ∟ ⊿ ∫ ∮ ∵ ∴
 ↑ ↓ ← → ↖ ↗ ↙ ↘ ∥ ∣ ╳
 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ
 ▁ ▂ ▃ ▄ ▅ ▆ ▇ █▏ ▎ ▍ ▌ ▋ ▊ ▉ ◢ ◣ ◥ ◤
 Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
 α β γ δ ε ζ η θ ι κ λ μ ν ξ ο π ρ σ τ υ φ χ ψ ω


另外，將原本的『～』對應成『∼』的好像只出現於 /usr/share/i18n/charmaps/BIG5-HKSCS.gz，
不清楚它為什麼會影響到 BIG5 <-> UTF-8 的字碼對應？

請問，
如果要自行修改的話，
要從哪裡著手呢？
（我很自作聰明得讓 BIG5-HKSCS.gz 指向 BIG5.gz。不過沒有作用...）

[Edward G.J. Lee]

不清楚這算不算是 bug？

我覺得是 bug 耶？

應該不是 glibc 的問題，我昨晚查了 glibc-2.3.3 及 recode-3.6 的 source code 裡頭的對應表。初步發現 glibc-2.3.3 的對應表是正確的，而 recode-3.6 的對應表是錯誤的，他使用了香港字集（BIG5HKSCS）的對應了。

在 BIG5HKSCS，原 Big5 的 ～ 被修改成對應到 U+223C：

代碼: 選擇全部

edt1023:~$ zcat /usr/share/i18n/charmaps/BIG5-HKSCS.gz | grep 'xa1/xe3'
<U223C>     /xa1/xe3     TILDE OPERATOR

和我們的 Big5 不一樣。所以，會有錯誤發生可能是：

1. 使用了 BIG5HKSCS 的繁體來當做我們的 Big5 繁體來轉換。
2. 其他應用軟體不透過 glibc 來轉換，但他們的表格對應有問題（例如 recode）。

glibc 本身應該是正確的（在 Big5 環境下）：

代碼: 選擇全部

edt1023:~$ echo '～' | iconv -fbig5 -tutf8 | recode u8..ucs2/x2
0xFF5E, 0x000A
edt1023:~$ echo '～' | iconv -fcp950 -tutf8 | recode u8..ucs2/x2
0xFF5E, 0x000A
edt1023:~$ echo '～' | iconv -fbig5hkscs -tutf8 | recode u8..ucs2/x2
0x223C, 0x000A

BIG5HKSCS 字集有修改了一部份的原 Big5 的對應，轉換時可能要注意一下。

不曉得是不是以上這些原因造成的？能說明是什麼悄況下發生的嗎？

因為使用 unifont 來查看時，
『∼』（較小那一個）
會變成半型字。

這和字型應該沒有關係，GNU unifont U+FF5E 及 U+223C 這兩個字元都有，對應也是正確的，因此，要看軟體有沒有正確的去對應取字。

請問，
如果要自行修改的話，
要從哪裡著手呢？
（我很自作聰明得讓 BIG5-HKSCS.gz 指向 BIG5.gz。不過沒有作用...）

這個要先確定是哪裡出問題才能改，gconv 是編成 DSO 的。

[Tetralet]

我使用了 autob5 和 iconv 這兩個轉檔程式，
小小跑了一下，
兩者轉檔結果不同的有以下幾個字：

（iconv 結果：）

代碼: 選擇全部

‧ ﹑ ╴ ¯ ￣ ˍ ～ ⊕ ⊙ ／ ∕ ﹨ ￥ ￠ ￡
十 卅 碁 銹 裏 墻 恒 粧 嫺
╔ ╦ ╗ ╠ ╬ ╣ ╚ ╩ ╝ ╒ ╤ ╕ ╞ ╪ ╡ ╘ ╧ ╛
╓ ╥ ╖ ╟ ╫ ╢ ╙ ╨ ╜ ║ ═ ╭ ╮ ╰ ╯ ▓

（autob5 結果：）

代碼: 選擇全部

• ､ � ‾ � � ∼ ♁ ☉ � ／ ＼ ¥ ¢ £
十 卅 � � � � � � �
� � � � � � � � � � � � ╞ ╪ ╡ � � �
� � � � � � � � � � ═ ╭ ╮ ╰ ╯ �

[Tetralet]

能說明是什麼悄況下發生的嗎？

在我發現 iconv 這個好物之前，
我都是用 autob5 這個程式來轉碼的，
兩者轉碼結果有時並不相同。

而我的 xcin 是使用 [分享] 打造 Unicode 的環境 裡所介紹的方式在 zh_TW.UTF-8 的 Locale 下運行的，
也會出現這個問題。

[Edward G.J. Lee]

能說明是什麼悄況下發生的嗎？

在我發現 iconv 這個好物之前，
我都是用 autob5 這個程式來轉碼的，
兩者轉碼結果有時並不相同。

請愛用 iconv。因為他是根據 glibc 的對應表格，而這個表格是小虫及居士合作製作的，所以細節的部份會比較符合我們的習慣。如果怕有些字轉不出來（通常是我們的 Big5 中沒有收錄這些字），可另外加上 iconv -c 參數。

而我的 xcin 是使用 [分享] 打造 Unicode 的環境 裡所介紹的方式在 zh_TW.UTF-8 的 Locale 下運行的，
也會出現這個問題。

建議改用 gcin-0.4.9 或 utf8 patche 過的 xcin。

[Tetralet]

請愛用 iconv。因為他是根據 glibc 的對應表格，而這個表格是小虫及居士合作製作的，所以細節的部份會比較符合我們的習慣。如果怕有些字轉不出來（通常是我們的 Big5 中沒有收錄這些字），可另外加上 iconv -c 參數。

原來如此！

建議改用 gcin-0.4.9 或 utf8 patche 過的 xcin。

是的！收到！

謝謝！

[moto]

轉錄果正大哥在 BBS 上說的：

代碼: 選擇全部

 作者  Edward (L.G.J.)                                      站內  Edward     
 標題  Re: BIG5(CP950) vs. BIG5-HKSCS                                         
 時間  Thu Nov  4 00:47:52 2004                                               
───────────────────────────────────────

※ 引述《Edward (L.G.J.)》之銘言：
> ps.請參考：
> http://moto.debian.org.tw/viewtopic.php?t=4744
> 的討論，據我所知 mozilla 就有可能把其中一些 BIG5 的字弄成是 BIG5-HKSCS
> 的對應。大概要看原 post 看是在什麼清況下造成的。基本上 glibc 的表格
> 應該是正確的（但應該是說正確的 CP950）。

  答案揭曉。原來是使用于廣輝的 autoconvert 轉的。

  Big5 的部份是 foka 在修正的，so...

  請大家愛用 iconv 來轉檔，因為他是根據 glibc 的表格，而 glibc
  的表格就是小虫和居士合作生產的啦！:)

--
※ Origin: SayYA 資訊站 <bbs.sayya.org>
◆ From: 218-169-141-240.dynamic.hinet.net

 文章選讀  (y)回應 (=\[]<>-+;'`jk)相關主題 (/?)搜尋標題 (aA)搜尋作者 (T)解碼


[Tetralet]

而我的 xcin 是使用 [分享] 打造 Unicode 的環境 裡所介紹的方式在 zh_TW.UTF-8 的 Locale 下運行的，
也會出現這個問題。

建議改用 gcin-0.4.9 或 utf8 patche 過的 xcin。

我改用了 gcin 了，
但結果也是類似...

gcin 版本 4.9：

代碼: 選擇全部

$ dpkg -l | grep gcin
ii  gcin           0.4.9-1        Another Chinese input server in X11 with phone

啟動 gcin 的方法：

代碼: 選擇全部

export LC_CTYPE=zh_TW.UTF-8
export LC_MESSAGES=zh_TW.UTF-8

export XMODIFIERS="@im=gcin"
exec /usr/bin/gcin &

難道只有我一個人這樣子嗎？

[Tetralet]

再多幾個怪怪測試：

Big5 環境：

代碼: 選擇全部

echo '～' | iconv -fcp950 -tutf8 | recode u8..ucs2/x2
0xFF5E, 0x000A

echo '⊙' | iconv -fcp950 -tutf8 | recode u8..ucs2/x2
0x2299, 0x000A

echo '⊕' | iconv -fcp950 -tutf8 | recode u8..ucs2/x2
0x2295, 0x000A

而 UTF-8 環境：

代碼: 選擇全部

echo '∼' | recode u8..ucs2/x2
0x223C, 0x000A

echo '☉' | recode u8..ucs2/x2
0x2609, 0x000A

echo '♁' | recode u8..ucs2/x2
0x2641, 0x000A

[Tetralet]

我似乎問了個笨蛋問題了...

啟動 gcin 的方法：

代碼: 選擇全部

export LC_CTYPE=zh_TW.UTF-8
export LC_MESSAGES=zh_TW.UTF-8

export XMODIFIERS="@im=gcin"
exec /usr/bin/gcin &

但如果改為：

代碼: 選擇全部

export LC_ALL=zh_TW.UTF-8
export LANG=zh_TW.UTF-8

export XMODIFIERS="@im=gcin"
exec /usr/bin/gcin &

gcin 就沒有這個問題了。

但 xcin 則依然故我...

[Edward G.J. Lee]

gcin 版本 4.9：

代碼: 選擇全部

$ dpkg -l | grep gcin
ii  gcin           0.4.9-1        Another Chinese input server in X11 with phone

啟動 gcin 的方法：

代碼: 選擇全部

export LC_CTYPE=zh_TW.UTF-8
export LC_MESSAGES=zh_TW.UTF-8

export XMODIFIERS="@im=gcin"
exec /usr/bin/gcin &

難道只有我一個人這樣子嗎？

gcin 不必一定要在 utf8 環境啟動。一個 gcin 可以在其他 locale 運作。

例如，在 zh_TW.Big5 啟動的話，啟動後如果想在 utf8 環境作業，可以下達：

代碼: 選擇全部

export LC_ALL=zh_TW.UTF-8
export XMODIFIERS=@im=xcin.UTF-8

這裡假設是以 XMODIFIERS=@im=xcin（是的 gcin 可以這樣啟動，因為是同一作者）。這樣在這個 utf8 環境所開的程式(gedit/gcim 等等)就可以使用 gcin 來輸入不在 Big5 裡頭的 Unicode 字集的字了（當然，表格要自行加進去，例如：『堃』（方方土））。

至於你所說的問題是？我在 gedit 裡頭輸入 ～ 經轉換測試後是正確的 U+FF5E。

[Tetralet]

對不起，我沒把問題說清楚...

如果將 Locale 設定如下：
（只有 LC_ALL= 沒有設定為 zh_TW.UTF-8）

代碼: 選擇全部

LANG=zh_TW.UTF-8
LC_CTYPE=zh_TW.UTF-8
LC_NUMERIC=zh_TW.UTF-8
LC_TIME=zh_TW.UTF-8
LC_COLLATE=zh_TW.UTF-8
LC_MONETARY=zh_TW.UTF-8
LC_MESSAGES=zh_TW.UTF-8
LC_PAPER=zh_TW.UTF-8
LC_NAME=zh_TW.UTF-8
LC_ADDRESS=zh_TW.UTF-8
LC_TELEPHONE=zh_TW.UTF-8
LC_MEASUREMENT=zh_TW.UTF-8
LC_IDENTIFICATION=zh_TW.UTF-8
LC_ALL=

則 gcin 所輸出的 "∼" 是 U+223C；

但如果將 Locale 設定為全部 zh_TW.UTF-8：

代碼: 選擇全部

LANG=zh_TW.UTF-8
LC_CTYPE="zh_TW.UTF-8"
LC_NUMERIC="zh_TW.UTF-8"
LC_TIME="zh_TW.UTF-8"
LC_COLLATE="zh_TW.UTF-8"
LC_MONETARY="zh_TW.UTF-8"
LC_MESSAGES="zh_TW.UTF-8"
LC_PAPER="zh_TW.UTF-8"
LC_NAME="zh_TW.UTF-8"
LC_ADDRESS="zh_TW.UTF-8"
LC_TELEPHONE="zh_TW.UTF-8"
LC_MEASUREMENT="zh_TW.UTF-8"
LC_IDENTIFICATION="zh_TW.UTF-8"
LC_ALL=zh_TW.UTF-8

則 gcin 所輸出的 "～" 是 U+FF5E。

這就是我大惑不解的地方了...

[Edward G.J. Lee]

對不起，我沒把問題說清楚...

如果將 Locale 設定如下：
（只有 LC_ALL= 沒有設定為 zh_TW.UTF-8）

代碼: 選擇全部

LANG=zh_TW.UTF-8
LC_CTYPE=zh_TW.UTF-8
LC_NUMERIC=zh_TW.UTF-8
LC_TIME=zh_TW.UTF-8
LC_COLLATE=zh_TW.UTF-8
LC_MONETARY=zh_TW.UTF-8
LC_MESSAGES=zh_TW.UTF-8
LC_PAPER=zh_TW.UTF-8
LC_NAME=zh_TW.UTF-8
LC_ADDRESS=zh_TW.UTF-8
LC_TELEPHONE=zh_TW.UTF-8
LC_MEASUREMENT=zh_TW.UTF-8
LC_IDENTIFICATION=zh_TW.UTF-8
LC_ALL=

則 gcin 所輸出的 "∼" 是 U+223C；

不好意思，腦筋有點遲鈍。我現在知道你的意思了，這是 gcin 本身的問題，已回報給原作者。如果想自行動手的話，以下是 patch（for gcin-0.5.0）：

代碼: 選擇全部

--- gcin.c.orig 2004-11-05 10:14:33.000000000 +0800
+++ gcin.c      2004-11-05 17:22:38.000000000 +0800
@@ -406,8 +406,8 @@

   strcpy(xim_arr[0].xim_server_name, xim_server_name);
   strcpy(xim_arr[1].xim_server_name, xim_server_name);
-  if ((locale_str=getenv("LC_ALL")) && !strcmp(locale_str, "zh_TW.UTF-8")) {
-    dbg("LC_ALL=%s, gcin will use UTF-8\n", locale_str);
+  if ((locale_str=getenv("LC_CTYPE")) && !strcmp(locale_str, "zh_TW.UTF-8")) {
+    dbg("LC_CTYPE=%s, gcin will use UTF-8\n", locale_str);

     xim_arr[0].b_send_utf8_str = TRUE;
     xim_arr[1].b_send_utf8_str = FALSE;
@@ -425,8 +425,8 @@
     p_err(" version %s\n", GCIN_VERSION);
   }

-  setlocale(LC_ALL, gcin_db_locale);
-  setenv("LC_ALL", gcin_db_locale, TRUE);
+  setlocale(LC_CTYPE, gcin_db_locale);
+  setenv("LC_CTYPE", gcin_db_locale, TRUE);

   exec_setup_scripts();



gcin-0.5.0 已經 release，可能嘸蝦米的使用者在使用上會更方便些。