文字コード判定のサンプル(VB6/VB.NET)の概要
ち〜な〜み〜に〜
＜
文字コード判定のサンプル(VB6)の概要
＞
＜
文字コード判定のサンプル(VB.NET)の概要
＞
文字コード判定のサンプル(VB6)は以下の流れで文字コードを判定しています。
１００％完璧な文字コード判定は難しいですが出来るだけ精度の高い判定を目指しています。
１．JIS(ISO-2022-JP)判定
以下の制御コード列が存在したらJIS(ISO-2022-JP)と判定とする。
・&H1B, &H28, &H42 (ASCII)
・&H1B, &H28, &H4A (JISローマ字)
・&H1B, &H28, &H49 (JISカナ字)
・&H1B, &H24, &H40 (旧JIS漢字)
・&H1B, &H24, &H42 (新JIS漢字)
・&H1B, &H24, &H44 (JIS補助漢字)
存在しなければ他の文字コードと判定する。
２．UNICODE判定
以下の制御コード列が存在したらUNICODEと判定とする。
・&HFF, &HFE (BOM：UNICODEを示すコード)
存在しなければUNICODEの可能性を確率として計算する。
・２バイト目が&H00の時は２点加算(１バイト目は判定しない)
・２バイト目が&H01〜&H33の時は２点加算(１バイト目は判定しない)
・２バイト目が&H34〜&H4Dの時は０点として判定終了
・２バイト目が&H4E〜&H9Fの時は２点加算(１バイト目は判定しない)
・２バイト目が&HA0〜&HABの時は０点として判定終了
・２バイト目が&HAC〜&HD7の時は０点として判定終了
・２バイト目が&HD8〜&DFの時は２点加算(１バイト目は判定しない)
・２バイト目が&HE0〜&F7の時は０点として判定終了
・２バイト目が&HF8〜&FFの時は２点加算(１バイト目は判定しない)
計算結果の点数をチェックしたバイト数の２倍で割り確率％を計算する。
全てが複数バイトコードなので１００％になる。UNICODEでは無いと判定した時は０％になる。
３．UTF-8判定
以下の制御コード列が存在したらUTF-8と判定とする。
・&HEF, &HBB, &HBF (BOM：UTF-8を示すコード)
存在しなければUTF-8の可能性を確率として計算する。
・１バイト目に&HFCのビットが立っていて２〜６バイト目が&H80〜&HBFの時はバイト数（この場合は６バイト）の２倍の点数を加算
・１バイト目に&HF8のビットが立っていて２〜５バイト目が&H80〜&HBFの時はバイト数（この場合は５バイト）の２倍の点数を加算
・１バイト目に&HF0のビットが立っていて２〜４バイト目が&H80〜&HBFの時はバイト数（この場合は４バイト）の４倍の点数を加算
・１バイト目に&HE0のビットが立っていて２〜３バイト目が&H80〜&HBFの時はバイト数（この場合は３バイト）の２倍の点数を加算
・１バイト目に&HC0のビットが立っていて２バイト目が&H80〜&HBFの時はバイト数（この場合は２バイト）の２倍の点数を加算
・１バイト目が&H00〜&H7Fの時は１点加算
計算結果の点数をチェックしたバイト数の２倍で割り確率%を計算する。全てが複数バイトコードの場合は１００％、
全てが半角コードの場合は５０％になる。（複数バイトコードが一致した時は確率が高くなる）
４．UTF-7判定
UTF-7の可能性を確率として計算する。
・'+'〜'-'の間にBASE64文字が存在する時は'+'〜'-'のバイト数の２倍の点数を加算
BASE64=(ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/)
・１バイト目が&H00〜&H7Fの時は１点加算(最後の文字の余分な付加ビットが０で無ければ無効)
計算結果の点数をチェックしたバイト数の２倍で割り確率%を計算する。全てが複数バイトコードの場合は１００％、
全てが半角コードの場合は５０％になる。（複数バイトコードが一致した時は確率が高くなる）
５．SJIS判定
SJISの可能性を確率として計算する。
・１バイト目が&H81〜&H9F、&HE0〜&HEFで２バイト目が&H40〜&H7E、&H80〜&HFCの時はバイト数（この場合は２バイト）
の２倍の点数を加算
・１バイト目が&HA1〜&HDFの時は１点加算
・１バイト目が&H00〜&H7Fの時は１点加算
計算結果の点数をチェックしたバイト数の２倍で割り確率%を計算する。全てが複数バイトコードの場合は１００％、
全てが半角コードの場合は５０％になる。（複数バイトコードが一致した時は確率が高くなる）
６．EUC判定
EUCの可能性を確率として計算する。
・１バイト目が&H8Eで２バイト目が&HA1〜&HDFの時はバイト数（この場合は２バイト）の２倍の点数を加算
・１バイト目が&H8Fで２、３バイト目が&HA1〜&HFEの時はバイト数（この場合は３バイト）の２倍の点数を加算
・１バイト目が&HA1〜&HFEで２バイト目が&HA1〜&HFEの時はバイト数（この場合は２バイト）の２倍の点数を加算
・１バイト目が&H00〜&H7Fの時は１点加算
計算結果の点数をチェックしたバイト数の２倍で割り確率%を計算する。全てが複数バイトコードの場合は１００％、
全てが半角コードの場合は５０％になる。（複数バイトコードが一致した時は確率が高くなる）
７．各文字コードの確率を比較し文字コードを判定する。
