CESU-8 - 通信用語の基礎知識

UTF-8の亜種の一つで、Oracleが使っている不届き千万な仕様の一つ。

概要

本来UTF-8(RFC 2279)では、サロゲートペアは適時解釈してから符号化せねばならない。

しかしこのCESU-8は、サロゲートの各ペアを機械的にUTF-8に変換するのみであり、supplementary characterは6バイトで表現される。これはUTF-8の仕様から外れた手法であるばかりか、公害ともなりうる実装である。

しかしながら、Oracleはこのような実装をしてしまった。それを正当化するために、CESU-8としてエンコーディング登録をしてしまったのである。

リンク