EUC-CN

UNIXなどで、簡体字支那語を表現するときに用いられる。

最近のLinuxではUTF-8が使われ始めているが、古いUNIXシステムではEUC-CNが主流であった。

EUC-CNはあくまで符号化方法(CES)であり、文字集合(CCS)の規定ではない。

文字集合には支那語のCCSが使われるが、全てが慣例に基づくもので、RFCすらも無い。RFC 1922には「CN-GB」と称される8ビット符号が述べられているが、これは慣例として用いられるEUC-CNと同等である。

EUC-CNには、次のような亜種がある。

• GBK
• GB 18030 (GBK2K)

8ビットで文字を表現する8ビット符号の符号である。つまり、CL/GL/CR/GRの全てを用いる。

それぞれに、C0/G0/C1/G1が呼び出しされた状態で固定されており、変更はできない。

G2、G3の文字を使う場合は、SSを使う。

• 0x00〜0x7f: G0文字(ASCII)
• 0xa1〜0xfe 0xa1〜0xfe: G1文字(GB 2312)
• 0x8e(SS2) 0xa1〜0xfe: G2文字
• 0x8f(SS3) 0xa1〜0xfe 0xa1〜0xfe: G3文字

基本的なEUC-CNは、2バイト文字に対し、次の範囲を使う。

• 1バイト目 ‐ 10/1〜15/14 (94種)
• 2バイト目 ‐ 10/1〜15/14 (94種)

必要に応じ、SS2やSS3が先行し3バイトとなることがあるが、続く2バイトの範囲は維持される。

但し、ISO/IEC 2022に違反するが2バイト目を拡張したものもあり、代表例として「GBK」がある。GBKは、次のようになっている。

• 1バイト目 ‐ 8/1〜15/14 (126種)
• 2バイト目 ‐ 4/0〜7/14、8/0〜15/14 (190種)

EUC-CNは、文字集合が各バッファーに呼び出し指示された状態で開始される。しかし、どの文字集合が初期状態であるかは、実装によりまちまちである。

ごく一般的な実装では、次の通り。

• G0: ASCII
• G1: GB 2312
• G2: ‐
• G3: ‐

G2とG3は通常未使用だが、ISO-2022-CNの仕様上は、次の何れかの選択が可能となっている。それぞれ、左が簡体字、右が正体字である。

• G0: ASCII
• G1: GB 2312-80、GB/T 12345-90
• G2: GB 7589-87、GB 13131-91
• G3: GB 7590-87、GB 13132-91