argra****@users*****
argra****@users*****
2008年 5月 30日 (金) 04:08:20 JST
Index: docs/perl/5.10.0/perluniintro.pod
diff -u /dev/null docs/perl/5.10.0/perluniintro.pod:1.1
--- /dev/null Fri May 30 04:08:20 2008
+++ docs/perl/5.10.0/perluniintro.pod Fri May 30 04:08:20 2008
@@ -0,0 +1,2100 @@
+
+=encoding euc-jp
+
+=head1 NAME
+
+=begin original
+
+perluniintro - Perl Unicode introduction
+
+=end original
+
+perluniintro - Perl Unicode の手引き
+
+=head1 DESCRIPTION
+
+=begin original
+
+This document gives a general idea of Unicode and how to use Unicode
+in Perl.
+
+=end original
+
+このドキュメントは、Unicode の一般的な考えと、
+Perl で Unicode をどのように使うかを書いています。
+
+=head2 Unicode
+
+=begin original
+
+Unicode is a character set standard which plans to codify all of the
+writing systems of the world, plus many other symbols.
+
+=end original
+
+Unicode は、文字セットの標準です。
+世界の全ての書記体系と、それに加えて、
+他の多くのシンボルを体系化することを計画しています。
+
+=begin original
+
+Unicode and ISO/IEC 10646 are coordinated standards that provide code
+points for characters in almost all modern character set standards,
+covering more than 30 writing systems and hundreds of languages,
+including all commercially-important modern languages. All characters
+in the largest Chinese, Japanese, and Korean dictionaries are also
+encoded. The standards will eventually cover almost all characters in
+more than 250 writing systems and thousands of languages.
+Unicode 1.0 was released in October 1991, and 4.0 in April 2003.
+
+=end original
+
+Unicode と、ISO/IEC 10646 は、よく調整された、コードポイントを提供する標準です。
+Unicode は、ほとんど全ての現代の文字セット標準、30 以上の書記体系と、
+100 以上の言語を網羅します。
+全ての商業的に重要な現代の言語を含みます。
+もっとも大きい中国語、日本語、韓国語、それぞれの辞書の全ての文字もまた、
+符号化されています。
+この標準は、最終的には、250 の書記体系と、
+1000 以上の言語のほとんどすべての文字を網羅する予定です。
+Unicode 1.0 は、1991 年 10 月にリリースされ、Unicode 4.0 は、
+2003 年 4 月にリリースされました。
+
+=begin original
+
+A Unicode I<character> is an abstract entity. It is not bound to any
+particular integer width, especially not to the C language C<char>.
+Unicode is language-neutral and display-neutral: it does not encode the
+language of the text and it does not define fonts or other graphical
+layout details. Unicode operates on characters and on text built from
+those characters.
+
+=end original
+
+Unicode の I<文字> は、抽象的な存在です。
+Unicode の文字は、
+どんな特定の整数幅にも、特に、C 言語の C<char> にも束縛されません。
+Unicode は、言語中立で、表示中立です:
+Unicode は、テキストの言語をエンコードしませんし、
+フォントや他のグラフィカルなレイアウトの詳細を定義しません。
+Unicode は、文字と、それらの文字からなるテキストを操作します。
+
+=begin original
+
+Unicode defines characters like C<LATIN CAPITAL LETTER A> or C<GREEK
+SMALL LETTER ALPHA> and unique numbers for the characters, in this
+case 0x0041 and 0x03B1, respectively. These unique numbers are called
+I<code points>.
+
+=end original
+
+Unicode は、C<LATIN CAPITAL LETTER A> や
+C<GREEK SMALL LETTER ALPHA> のような文字と、
+その文字について固有の番号を定義します。
+この場合は、それぞれ、0x0041 と、0x03B1 になります。
+このような固有の番号は、I<コードポイント> と呼ばれます。
+
+=begin original
+
+The Unicode standard prefers using hexadecimal notation for the code
+points. If numbers like C<0x0041> are unfamiliar to you, take a peek
+at a later section, L</"Hexadecimal Notation">. The Unicode standard
+uses the notation C<U+0041 LATIN CAPITAL LETTER A>, to give the
+hexadecimal code point and the normative name of the character.
+
+=end original
+
+Unicode 標準は、コードポイントに 16 進記法を使うのを好みます。
+C<0x0041> のような番号に馴染みがなければ、
+後のセクション、L</"Hexadecimal Notation"> を覗いて見て下さい。
+Unicode 標準は、C<U+0041 LATIN CAPITAL LETTER A> という表記を使って、
+16 進法のコードポイントと標準的な文字の名前を書きます。
+
+=begin original
+
+Unicode also defines various I<properties> for the characters, like
+"uppercase" or "lowercase", "decimal digit", or "punctuation";
+these properties are independent of the names of the characters.
+Furthermore, various operations on the characters like uppercasing,
+lowercasing, and collating (sorting) are defined.
+
+=end original
+
+Unicode はまた、様々な文字の I<性質> を定義します。
+"大文字"、"小文字"、"10進数字"、"句読点" など;
+これらの性質は、文字の名前と独立です。
+更に、様々な文字に対する操作、
+大文字化や小文字化や並び替えが定義されています。
+
+=begin original
+
+A Unicode character consists either of a single code point, or a
+I<base character> (like C<LATIN CAPITAL LETTER A>), followed by one or
+more I<modifiers> (like C<COMBINING ACUTE ACCENT>). This sequence of
+base character and modifiers is called a I<combining character
+sequence>.
+
+=end original
+
+Unicode 文字は、1 つのコードポイントか、または、
+(C<LATIN CAPITAL LETTER A> のような)、I<基本文字> に続いて、
+1つ以上の(C<COMBINING ACUTE ACCENT> のような) I<修飾語句> の、
+どちらか一方から成っています。
+この基本文字と修飾語句の順番は、
+I<combining character sequence> と呼ばれます。
+
+=begin original
+
+Whether to call these combining character sequences "characters"
+depends on your point of view. If you are a programmer, you probably
+would tend towards seeing each element in the sequences as one unit,
+or "character". The whole sequence could be seen as one "character",
+however, from the user's point of view, since that's probably what it
+looks like in the context of the user's language.
+
+=end original
+
+これらの combining character sequence を "複数の文字"と呼ぶかどうかは、
+考え方によります。
+プログラマならば、おそらく、この順番のそれぞれの要素を、
+1 つの単位か"文字"として、見ようとするでしょう。
+全ての順番を一つの"文字"として見ることができます。
+ですが、
+ユーザの考え方からは、おそらくユーザの言語の文脈でみえるようなものでしょう。
+
+=begin original
+
+With this "whole sequence" view of characters, the total number of
+characters is open-ended. But in the programmer's "one unit is one
+character" point of view, the concept of "characters" is more
+deterministic. In this document, we take that second point of view:
+one "character" is one Unicode code point, be it a base character or
+a combining character.
+
+=end original
+
+この、文字の"すべての順番"の見え方では、文字の総数には、
+制限がありません。
+ですが、プログラマーの"一つの単位は一つの文字"という考え方では、
+"文字"の概念は、より決定論的です。
+このドキュメントでは、2 番目の考え方を取ります:
+1 つの"文字"は、1 つの Unicode のコードポイントであり、
+それは、基本文字か、 combining character であるとします。
+
+=begin original
+
+For some combinations, there are I<precomposed> characters.
+C<LATIN CAPITAL LETTER A WITH ACUTE>, for example, is defined as
+a single code point. These precomposed characters are, however,
+only available for some combinations, and are mainly
+meant to support round-trip conversions between Unicode and legacy
+standards (like the ISO 8859). In the general case, the composing
+method is more extensible. To support conversion between
+different compositions of the characters, various I<normalization
+forms> to standardize representations are also defined.
+
+=end original
+
+いくつかの組合せにとって、I<まだ構成されていない>文字があります。
+たとえば、C<LATIN CAPITAL LETTER A WITH ACUTE>は、
+単一のコードポイントとして定義されています。
+しかし、これらの、まだ構成されていない文字は、
+いくつかの組合せで可能でしかありません。
+そして、それらは、
+主に、Unicode と、レガシー標準(ISO 8859 のような)との間の相互変換を
+サポートすることを意味します。
+一般的なケースでは、構成する方法はより広がります。
+違った構成間の変換をサポートするために、
+表現を標準化する、様々な I<normalization forms> もまた定義されています。
+
+=begin original
+
+Because of backward compatibility with legacy encodings, the "a unique
+number for every character" idea breaks down a bit: instead, there is
+"at least one number for every character". The same character could
+be represented differently in several legacy encodings. The
+converse is also not true: some code points do not have an assigned
+character. Firstly, there are unallocated code points within
+otherwise used blocks. Secondly, there are special Unicode control
+characters that do not represent true characters.
+
+=end original
+
+レガシーエンコーディングとの後方互換性のために、
+"全ての文字に固有の番号"とうい考えは、少々壊れています:
+その代わりに、"少なくとも全ての文字に 1 つの番号"があります。
+同じ文字が、いくつかのレガシーエンコーディングの中で、違うように
+表現されていました。
+逆は真でもなく: コードポイントには、文字が割り当てられていないものも
+あります。
+1 番目に、使われているブロック内にもかかわらず、割り当てられていない
+コードポイントがあります。
+2 番目に、特別な Unicode のコントロール文字があり、それらは、本物の文字を
+表現しません。
+
+=begin original
+
+A common myth about Unicode is that it would be "16-bit", that is,
+Unicode is only represented as C<0x10000> (or 65536) characters from
+C<0x0000> to C<0xFFFF>. B<This is untrue.> Since Unicode 2.0 (July
+1996), Unicode has been defined all the way up to 21 bits (C<0x10FFFF>),
+and since Unicode 3.1 (March 2001), characters have been defined
+beyond C<0xFFFF>. The first C<0x10000> characters are called the
+I<Plane 0>, or the I<Basic Multilingual Plane> (BMP). With Unicode
+3.1, 17 (yes, seventeen) planes in all were defined--but they are
+nowhere near full of defined characters, yet.
+
+=end original
+
+Unicode について、よく知られている神話は、Unicode が、"16-ビット" である、
+というものです。
+Unicode は、C<0x0000> から、C<0xFFFF> までで、
+C<0x10000> (か、65536)の文字を表現するだけ、というものです。
+B<これは真実ではありません>。
+Unicode 2.0(1996 年 7 月)から、Unicode は、21ビット(C<0x10FFFF>)まで、
+様々に定義されています。
+Unicode 3.1(2001 年 3 月)から、文字は、C<0xFFFF> を超えて、定義されました。
+最初の C<0x10000> 文字は、
+I<Plane 0>、または、I<Basime Multilingual Plane>(BMP)と、と呼ばれました。
+Unicode 3.1 で、全部で 17(そう、17)のPlaneが定義されました -- ですが、
+まだ、定義された全文字のどこにも、まだ近くにありません。
+
+=begin original
+
+Another myth is that the 256-character blocks have something to
+do with languages--that each block would define the characters used
+by a language or a set of languages. B<This is also untrue.>
+The division into blocks exists, but it is almost completely
+accidental--an artifact of how the characters have been and
+still are allocated. Instead, there is a concept called I<scripts>,
+which is more useful: there is C<Latin> script, C<Greek> script, and
+so on. Scripts usually span varied parts of several blocks.
+For further information see L<Unicode::UCD>.
+
+=end original
+
+もう 1 つの神話は 256 文字ブロックが、何か言語を取り扱うことがある--
+それぞれのブロックは言語か言語のセットで使われている文字を
+定義するということです。
+B<これもまた真実ではありません>。
+ブロックに分割されたものはありますが、
+それは、ほとんど完全に、予想外のものです。
+代わりに、I<scripts> と呼ばれる、より有益なコンセプトがあります:
+C<Latin> script と、C<Greek> script と、その他のものがあります。
+scripts は、ふつう、いくつかのブロックの変えられた部分を測っています。
+詳しくは、L<Unicode::UCD> を見て下さい。
+
+=begin original
+
+The Unicode code points are just abstract numbers. To input and
+output these abstract numbers, the numbers must be I<encoded> or
+I<serialised> somehow. Unicode defines several I<character encoding
+forms>, of which I<UTF-8> is perhaps the most popular. UTF-8 is a
+variable length encoding that encodes Unicode characters as 1 to 6
+bytes (only 4 with the currently defined characters). Other encodings
+include UTF-16 and UTF-32 and their big- and little-endian variants
+(UTF-8 is byte-order independent) The ISO/IEC 10646 defines the UCS-2
+and UCS-4 encoding forms.
+
+=end original
+
+Unicode のコードポイントは、抽象的な数字です。
+この抽象的な数字を入出力するために、数字は、I<エンコードされる> 必要があるか、
+I<シリアライズされる> か、どうか、しなければなりません。
+Unicode は、複数の I<character encoding forms> を定義していますが、
+その中で、I<UTF-8> は、たぶん、もっとも有名です。
+UTF-8 は、可変長のエンコーディングで、Unicode 文字を 1 から 6 バイト
+(only 4 with the currently defined characters)。
+他のエンコーディングは、UTF-16 と UTF-32 と、それらの大小のエンディアンの
+変形(UTF-8 は、バイトオーダーと独立です)を含みます。
+ISO/IEC 10646 は、UCS-2 と UCS-4 の encoding forms を定義しています。
+(TBT)
+
+=begin original
+
+For more information about encodings--for instance, to learn what
+I<surrogates> and I<byte order marks> (BOMs) are--see L<perlunicode>.
+
+=end original
+
+エンコーディングについて -- たとえば、I<surrogates> と
+I<byte order marks>(BOMs) -- もっと知りたければ L<perlunicode> を
+見て下さい。
+
+=head2 Perl's Unicode Support
+
+(Perl の Unicode サポート)
+
+=begin original
+
+Starting from Perl 5.6.0, Perl has had the capacity to handle Unicode
+natively. Perl 5.8.0, however, is the first recommended release for
+serious Unicode work. The maintenance release 5.6.1 fixed many of the
+problems of the initial Unicode implementation, but for example
+regular expressions still do not work with Unicode in 5.6.1.
+
+=end original
+
+Perl 5.6.0 から、Perl は、Unicode をネイティブに扱う能力を持っていました。
+しかし、Perl 5.8.0 の最初の RC リリースは、重大な Unicode の仕事です。
+メンテナンスリリースの 5.6.1 は、最初の Unicode 実装の多くの問題を
+修正しました。
+ですが、たとえば、5.6.1 で、Unicode での正規表現はまだ働きません。
+
+=begin original
+
+B<Starting from Perl 5.8.0, the use of C<use utf8> is no longer
+necessary.> In earlier releases the C<utf8> pragma was used to declare
+that operations in the current block or file would be Unicode-aware.
+This model was found to be wrong, or at least clumsy: the "Unicodeness"
+is now carried with the data, instead of being attached to the
+operations. Only one case remains where an explicit C<use utf8> is
+needed: if your Perl script itself is encoded in UTF-8, you can use
+UTF-8 in your identifier names, and in string and regular expression
+literals, by saying C<use utf8>. This is not the default because
+scripts with legacy 8-bit data in them would break. See L<utf8>.
+
+=end original
+
+B<Perl5.8.0 から、C<use utf8> の使用は、もはや必要ではありません>。
+初期のリリースでは、C<utf8> プラグマは、現在のブロックやファイルの操作が、
+Unicode であると明示するのを宣言するために使われました。
+このモデルは間違いが見つけられるか、少なくとも、不格好です:
+操作に添付するかわりに、"Unicodeness" は、今や、データに持ち込まれています。
+唯一残されている、明示的に C<use utf8> をする必要がある場所は:
+Perl スクリプト自身が UTF-8 でエンコードされていれば、
+識別子の名前、文字の中と、正規表現のリテラルに、UTF-8 を使うことができます。
+これは、デフォルトではありません。
+なぜなら、レガシーの 8-bit データのスクリプトが壊れるからです。
+L<utf8>を見て下さい。
+
+=head2 Perl's Unicode Model
+
+(Perl の Unicode モデル)
+
+=begin original
+
+Perl supports both pre-5.6 strings of eight-bit native bytes, and
+strings of Unicode characters. The principle is that Perl tries to
+keep its data as eight-bit bytes for as long as possible, but as soon
+as Unicodeness cannot be avoided, the data is transparently upgraded
+to Unicode.
+
+=end original
+
+Perl は、Perl 5.6 より前での 8 ビットネイティブのバイト列の文字列と、
+Unicode 文字の文字列の両方をサポートします。
+方針は、Perl は、可能な限り長く 8 ビットバイト列としてデータを
+保とうとします。
+ですが、Unicodeness が避けられなくなるとすぐに、
+データは透過的に Unicode にアップグレードされます。
+
+=begin original
+
+Internally, Perl currently uses either whatever the native eight-bit
+character set of the platform (for example Latin-1) is, defaulting to
+UTF-8, to encode Unicode strings. Specifically, if all code points in
+the string are C<0xFF> or less, Perl uses the native eight-bit
+character set. Otherwise, it uses UTF-8.
+
+=end original
+
+内部的には、Perl は、プラットフォームの 8 ビット文字セット
+(例えば、Latin-1)は、デフォルトは UTF-8 ですが、Unicode 文字列に
+エンコードします。
+特に、文字列中の、全てのコードポイントは、C<0xFF> 以下であれば、
+Perl は、ネイティブの 8 ビットの文字セットを使います。
+そうでなければ、UTF-8 を使います。
+
+=begin original
+
+A user of Perl does not normally need to know nor care how Perl
+happens to encode its internal strings, but it becomes relevant when
+outputting Unicode strings to a stream without a PerlIO layer -- one with
+the "default" encoding. In such a case, the raw bytes used internally
+(the native character set or UTF-8, as appropriate for each string)
+will be used, and a "Wide character" warning will be issued if those
+strings contain a character beyond 0x00FF.
+
+=end original
+
+Perlのユーザは普通は、Perl がその内部文字列をたまたま、どのように
+エンコードするかを、知る必要も、気にする必要もありません。
+ですが、Unicode 文字列を PerlIO 層なしにストリームに出力しようとすると、
+関係するようになります -- one with the "default" encoding。
+このようなケースでは、内部的に使われている生のバイト列(それぞれの
+文字列の必要に応じて、ネイティブの文字セットか、UTF-8)が使われます。
+それらの文字列に、0x00FF を超える文字があれば、"Wide character" の警告が
+出されます。
+(TBT)
+
+=begin original
+
+For example,
+
+=end original
+
+たとえば、
+
+ perl -e 'print "\x{DF}\n", "\x{0100}\x{DF}\n"'
+
+=begin original
+
+produces a fairly useless mixture of native bytes and UTF-8, as well
+as a warning:
+
+=end original
+
+ネイティブのバイト列と UTF-8 の、まったく役に立たない混合もまた、
+同様に警告を出します:
+
+ Wide character in print at ...
+
+=begin original
+
+To output UTF-8, use the C<:encoding> or C<:utf8> output layer. Prepending
+
+=end original
+
+UTF-8 を出力するために、C<:encoding> か C<:utf8> 出力層を使います。
+先頭にこれを追加することで:
+
+ binmode(STDOUT, ":utf8");
+
+=begin original
+
+to this sample program ensures that the output is completely UTF-8,
+and removes the program's warning.
+
+=end original
+
+このサンプルプログラムが、出力が完全に UTF-8 であることを保証し、
+プログラムの警告を削除します。
+
+=begin original
+
+You can enable automatic UTF-8-ification of your standard file
+handles, default C<open()> layer, and C<@ARGV> by using either
+the C<-C> command line switch or the C<PERL_UNICODE> environment
+variable, see L<perlrun> for the documentation of the C<-C> switch.
+
+=end original
+
+C<-C> コマンドラインスイッチか、C<PERL_UNICODE> 環境変数のどちらか一方を
+使うことで、標準ファイルハンドルと、デフォルトの C<open()> 層と、
+C<@ARGV> の UTF-8 化を自動的に有効に出来ます。
+L<perlrun> の C<-C> スイッチのドキュメントを見て下さい。
+
+=begin original
+
+Note that this means that Perl expects other software to work, too:
+if Perl has been led to believe that STDIN should be UTF-8, but then
+STDIN coming in from another command is not UTF-8, Perl will complain
+about the malformed UTF-8.
+
+=end original
+
+このことは、Perl が他のソフトウェアの動きを予測することを意味するのに
+気をつけて下さい:
+Perl が STDIN が UTF-8 であるべきと信じるように主導されていて、
+他のコマンドからくる STDIN が UTF-8 でなければ、
+Perl は、不正な UTF-8 であると文句を言います。
+
+=begin original
+
+All features that combine Unicode and I/O also require using the new
+PerlIO feature. Almost all Perl 5.8 platforms do use PerlIO, though:
+you can see whether yours is by running "perl -V" and looking for
+C<useperlio=define>.
+
+=end original
+
+Unicode と、I/O の結合の特徴もまた、新しい PerlIO の特徴を使うことを
+必要とします。
+ほとんど全ての Perl5.8 プラットフォームは、PerlIO を使います。
+ですが:
+"perl -V" を動かして、C<useperlio=define> を見れば、 PerlIO を
+使っているかどうか、わかります。
+
+=head2 Unicode and EBCDIC
+
+(Unicode と EBCDIC)
+
+=begin original
+
+Perl 5.8.0 also supports Unicode on EBCDIC platforms. There,
+Unicode support is somewhat more complex to implement since
+additional conversions are needed at every step. Some problems
+remain, see L<perlebcdic> for details.
+
+=end original
+
+Perl 5.8.0 は、EBCDIC プラットフォームでもまた、Unicode をサポートします。
+There,
+Unicode support is somewhat more complex to implement since
+additional conversions are needed at every step. Some problems
+remain, see L<perlebcdic> for details.
+(TBT)
+
+=begin original
+
+In any case, the Unicode support on EBCDIC platforms is better than
+in the 5.6 series, which didn't work much at all for EBCDIC platform.
+On EBCDIC platforms, the internal Unicode encoding form is UTF-EBCDIC
+instead of UTF-8. The difference is that as UTF-8 is "ASCII-safe" in
+that ASCII characters encode to UTF-8 as-is, while UTF-EBCDIC is
+"EBCDIC-safe".
+
+=end original
+
+In any case, the Unicode support on EBCDIC platforms is better than
+in the 5.6 series, which didn't work much at all for EBCDIC platform.
+On EBCDIC platforms, the internal Unicode encoding form is UTF-EBCDIC
+instead of UTF-8. The difference is that as UTF-8 is "ASCII-safe" in
+that ASCII characters encode to UTF-8 as-is, while UTF-EBCDIC is
+"EBCDIC-safe".
+(TBT)
+
+=head2 Creating Unicode
+
+(Unicode の作成)
+
+=begin original
+
+To create Unicode characters in literals for code points above C<0xFF>,
+use the C<\x{...}> notation in double-quoted strings:
+
+=end original
+
+C<0xFF> を超えるコードポイントのリテラルで Unicode 文字を作るためには、
+C<\x{...}> 記法をダブルクォートされた文字列の中で使います。
+
+ my $smiley = "\x{263a}";
+
+=begin original
+
+Similarly, it can be used in regular expression literals
+
+=end original
+
+同様に、正規表現の中でも使えます。
+
+ $smiley =~ /\x{263a}/;
+
+=begin original
+
+At run-time you can use C<chr()>:
+
+=end original
+
+C<chr()> を使って、実行時に:
+
+ my $hebrew_alef = chr(0x05d0);
+
+=begin original
+
+See L</"Further Resources"> for how to find all these numeric codes.
+
+=end original
+
+全てのこれらの数字のコードを見つける方法は、L</"Further Resources"> を
+参照してください。
+
+=begin original
+
+Naturally, C<ord()> will do the reverse: it turns a character into
+a code point.
+
+=end original
+
+当然、C<ord()> は、逆を行います:
+文字をコードポイントに変えます。
+
+=begin original
+
+Note that C<\x..> (no C<{}> and only two hexadecimal digits), C<\x{...}>,
+and C<chr(...)> for arguments less than C<0x100> (decimal 256)
+generate an eight-bit character for backward compatibility with older
+Perls. For arguments of C<0x100> or more, Unicode characters are
+always produced. If you want to force the production of Unicode
+characters regardless of the numeric value, use C<pack("U", ...)>
+instead of C<\x..>, C<\x{...}>, or C<chr()>.
+
+=end original
+
+C<0x100>(10 進の 256)未満の引数の、C<\x..> (C<{}> ではなく、
+2 つの 16 進数の数字のみです)と、C<\x{...}> と、C<chr(...)> は、古い
+Perl との互換性のために、8 ビットの文字列を生成します。
+C<x100> かそれ以上の引数では、Unicode 文字が、常に生成されます。
+何が何でも、数字の値の Unicode 文字を、強制的にに生成したければ、
+C<\x..>、C<\x{...}>、C<chr()> の代わりに、C<pack("U", ...)> を使って下さい。
+
+=begin original
+
+You can also use the C<charnames> pragma to invoke characters
+by name in double-quoted strings:
+
+=end original
+
+ダブルクォートされた文字列内で、名前で文字を呼び出すために、
+C<charnames> プラグマを使うこともできます。
+
+ use charnames ':full';
+ my $arabic_alef = "\N{ARABIC LETTER ALEF}";
+
+=begin original
+
+And, as mentioned above, you can also C<pack()> numbers into Unicode
+characters:
+
+=end original
+
+そして、上述のように、数字を Unicode 文字に、C<pack()> できます。
+
+ my $georgian_an = pack("U", 0x10a0);
+
+=begin original
+
+Note that both C<\x{...}> and C<\N{...}> are compile-time string
+constants: you cannot use variables in them. if you want similar
+run-time functionality, use C<chr()> and C<charnames::vianame()>.
+
+=end original
+
+C<\x{...}> と、C<\N{...}> の両方は、コンパイル時の文字列定数です:
+その中に変数を使うことはできません。
+類似のことを実行時にしたいなら、
+c<chr()> と、C<charnames::vianame()> を使ってください。
+
+=begin original
+
+If you want to force the result to Unicode characters, use the special
+C<"U0"> prefix. It consumes no arguments but causes the following bytes
+to be interpreted as the UTF-8 encoding of Unicode characters:
+
+=end original
+
+結果を、Unicode 文字に強制したいなら、特別な、C<"U0"> 接頭辞を
+使って下さい。
+これは、引数を消費しませんが、引き続くバイト列を Unicode 文字の
+UTF-8 エンコーディングとして解釈させます:
+
+ my $chars = pack("U0W*", 0x80, 0x42);
+
+=begin original
+
+Likewise, you can stop such UTF-8 interpretation by using the special
+C<"C0"> prefix.
+
+=end original
+
+Likewise, you can stop such UTF-8 interpretation by using the special
+C<"C0"> prefix.
+(TBT)
+
+=head2 Handling Unicode
+
+(Unicode を使う)
+
+=begin original
+
+Handling Unicode is for the most part transparent: just use the
+strings as usual. Functions like C<index()>, C<length()>, and
+C<substr()> will work on the Unicode characters; regular expressions
+will work on the Unicode characters (see L<perlunicode> and L<perlretut>).
+
+=end original
+
+Unicode を扱うことは、多くの部分にとって、透過的です:
+文字列をいつものように使うだけです。
+C<index()>、C<length()>、C<substr()> のような関数は
+Unicode 文字列で動きます;
+正規表現も Unicode 文字列で動きます(L<perlunicode> と L<perlretut> を
+参照してください)。
+
+=begin original
+
+Note that Perl considers combining character sequences to be
+separate characters, so for example
+
+=end original
+
+Perlは、 combining character sequences を別々の文字と考えていることに
+注意して下さい。
+ですので、例えば
+
+ use charnames ':full';
+ print length("\N{LATIN CAPITAL LETTER A}\N{COMBINING ACUTE ACCENT}"), "\n";
+
+=begin original
+
+will print 2, not 1. The only exception is that regular expressions
+have C<\X> for matching a combining character sequence.
+
+=end original
+
+これは 1 ではなく、2 を表示します。
+唯一の例外は、正規表現に、combining character sequence に
+マッチするために、C<\X> がある場合です。
+
+=begin original
+
+Life is not quite so transparent, however, when working with legacy
+encodings, I/O, and certain special cases:
+
+=end original
+
+Life is not quite so transparent, however, when working with legacy
+encodings, I/O, and certain special cases:
+(TBT)
+
+=head2 Legacy Encodings
+
+(レガシーエンコーディング)
+
+=begin original
+
+When you combine legacy data and Unicode the legacy data needs
+to be upgraded to Unicode. Normally ISO 8859-1 (or EBCDIC, if
+applicable) is assumed.
+
+=end original
+
+レガシーデータと Unicode とを組み合わせる時は、
+レガシーデータを、Unicode にアップグレードしなければなりません。
+通常、ISO 8859-1 (か、必要なら EBCDIC)が想定されます。
+
+=begin original
+
+The C<Encode> module knows about many encodings and has interfaces
+for doing conversions between those encodings:
+
+=end original
+
+C<Encode> モジュールは、多くのエンコーディングを知っており、
+それらのエンコーディングの間の変換をするインターフェースを持っています。
+
+ use Encode 'decode';
+ $data = decode("iso-8859-3", $data); # convert from legacy to utf-8
+
+=head2 Unicode I/O
+
+=begin original
+
+Normally, writing out Unicode data
+
+=end original
+
+通常、Unicode データを書き出すことは、
+
+ print FH $some_string_with_unicode, "\n";
+
+=begin original
+
+produces raw bytes that Perl happens to use to internally encode the
+Unicode string. Perl's internal encoding depends on the system as
+well as what characters happen to be in the string at the time. If
+any of the characters are at code points C<0x100> or above, you will get
+a warning. To ensure that the output is explicitly rendered in the
+encoding you desire--and to avoid the warning--open the stream with
+the desired encoding. Some examples:
+
+=end original
+
+Unicode 文字列を内部的にエンコードするのにたまたまつかわれている、
+生のバイト列を生成することです。
+Perl の内部エンコーディングは、そのときに、文字列にたまたまある文字と
+同じように、システム依存です。
+どの文字も、コードポイントが C<0x100> 以上なら、警告がでます。
+出力が明示的に、望んでいるエンコーディングにレンダリングされていることを
+保証し、警告を避けるために、望んでいるエンコーディングでストリームを
+open してください。
+いくつか例示します:
+
+ open FH, ">:utf8", "file";
+
+ open FH, ">:encoding(ucs2)", "file";
+ open FH, ">:encoding(UTF-8)", "file";
+ open FH, ">:encoding(shift_jis)", "file";
+
+=begin original
+
+and on already open streams, use C<binmode()>:
+
+=end original
+
+すでに開かれているストリームに関しては、C<binmode()> を使います:
+
+ binmode(STDOUT, ":utf8");
+
+ binmode(STDOUT, ":encoding(ucs2)");
+ binmode(STDOUT, ":encoding(UTF-8)");
+ binmode(STDOUT, ":encoding(shift_jis)");
+
+=begin original
+
+The matching of encoding names is loose: case does not matter, and
+many encodings have several aliases. Note that the C<:utf8> layer
+must always be specified exactly like that; it is I<not> subject to
+the loose matching of encoding names. Also note that C<:utf8> is unsafe for
+input, because it accepts the data without validating that it is indeed valid
+UTF8.
+
+=end original
+
+エンコーディング名のマッチングはルーズです: 大文字小文字は重要ではなく、
+多くのエンコーディングでは、いくつかの別名があります。
+C<:utf8> 層は、常に、きっちりとそのように指定される必要があります。
+このことは、エンコーディング名のルーズなマッチングの主題では I<ありません>。
+Also note that C<:utf8> is unsafe for
+input, because it accepts the data without validating that it is indeed valid
+UTF8.
+(TBT)
+
+=begin original
+
+See L<PerlIO> for the C<:utf8> layer, L<PerlIO::encoding> and
+L<Encode::PerlIO> for the C<:encoding()> layer, and
+L<Encode::Supported> for many encodings supported by the C<Encode>
+module.
+
+=end original
+
+C<:utf8> 層に関しては、L<PerlIO> を見て下さい。
+C<:encoding()> に関しては、L<Encode::PerlIO> を見て下さい。
+C<Encode> モジュールでサポートされている、多くのエンコーディングに関しては、
+L<Encode::Supported> を見て下さい。
+
+=begin original
+
+Reading in a file that you know happens to be encoded in one of the
+Unicode or legacy encodings does not magically turn the data into
+Unicode in Perl's eyes. To do that, specify the appropriate
+layer when opening files
+
+=end original
+
+Unicode かレガシーのエンコーディングどちらかでたまたまエンコードされている
+ファイルを読み込んでも、Perl の目で、魔法のように、データが Unicode に
+変わったりしません。
+そうするためには、ファイルを開くときに、適切な層を指定します。
+
+ open(my $fh,'<:encoding(utf8)', 'anything');
+ my $line_of_unicode = <$fh>;
+
+ open(my $fh,'<:encoding(Big5)', 'anything');
+ my $line_of_unicode = <$fh>;
+
+=begin original
+
+The I/O layers can also be specified more flexibly with
+the C<open> pragma. See L<open>, or look at the following example.
+
+=end original
+
+I/O 層は、もっと柔軟に、C<open> プラグマでもまた、指定することが出来ます。
+L<open> を見るか、次の例を見て下さい。
+
+ use open ':encoding(utf8)'; # input/output default encoding will be UTF-8
+ open X, ">file";
+ print X chr(0x100), "\n";
+ close X;
+ open Y, "<file";
+ printf "%#x\n", ord(<Y>); # this should print 0x100
+ close Y;
+
+=begin original
+
+With the C<open> pragma you can use the C<:locale> layer
+
+=end original
+
+C<open> プラグマで、C<:local> 層も使えます。
+
+ BEGIN { $ENV{LC_ALL} = $ENV{LANG} = 'ru_RU.KOI8-R' }
+ # the :locale will probe the locale environment variables like LC_ALL
+ use open OUT => ':locale'; # russki parusski
+ open(O, ">koi8");
+ print O chr(0x430); # Unicode CYRILLIC SMALL LETTER A = KOI8-R 0xc1
+ close O;
+ open(I, "<koi8");
+ printf "%#x\n", ord(<I>), "\n"; # this should print 0xc1
+ close I;
+
+=begin original
+
+These methods install a transparent filter on the I/O stream that
+converts data from the specified encoding when it is read in from the
+stream. The result is always Unicode.
+
+=end original
+
+ストリームからファイルが読まれるときに、特定のエンコーディングから、
+データを変換するI/Oストリーム上の透過的な層です。
+その結果は、常に Unicode です。
+
+=begin original
+
+The L<open> pragma affects all the C<open()> calls after the pragma by
+setting default layers. If you want to affect only certain
+streams, use explicit layers directly in the C<open()> call.
+
+=end original
+
+L<open> プラグマは、デフォルトの層を設定することで、プラグマの後の、
+全ての C<open()> 呼び出しに影響します。
+あるストリームだけに、影響を限定したいなら、C<open()> 呼び出しで、明示的な
+層を使って下さい。
+
+=begin original
+
+You can switch encodings on an already opened stream by using
+C<binmode()>; see L<perlfunc/binmode>.
+
+=end original
+
+C<binmode()>; を使って、すでに開かれているストリームで、エンコーディングを
+変えることが出来ます。
+L<perlfunc/binmode> を見て下さい。
+
+=begin original
+
+The C<:locale> does not currently (as of Perl 5.8.0) work with
+C<open()> and C<binmode()>, only with the C<open> pragma. The
+C<:utf8> and C<:encoding(...)> methods do work with all of C<open()>,
+C<binmode()>, and the C<open> pragma.
+
+=end original
+
+C<:;pcate> は、現在(Perl 5.8.0 の時点で)、C<open()>と、C<binmode()> では
+動きません。
+C<open> プラグマでのみ動きます。
+C<:utf8> と、C<:encoding(...)> メソッドは、全ての C<open()>、C<binmode()>、
+C<open> プラグマで動きます。
+
+=begin original
+
+Similarly, you may use these I/O layers on output streams to
+automatically convert Unicode to the specified encoding when it is
+written to the stream. For example, the following snippet copies the
+contents of the file "text.jis" (encoded as ISO-2022-JP, aka JIS) to
+the file "text.utf8", encoded as UTF-8:
+
+=end original
+
+似たようなものに、ストリームに書き出すときに、自動的に Unicode を
+特定のエンコーディングに変換する、出力ストリームの I/O 層を使うかも
+知れません。
+例えば、次のようなコードの断片は、(ISO-2022-JP, またの名を JIS として
+エンコードされている)"text.jis" ファイルの内容を、UTF-8 として
+エンコードされる "text.utf8" ファイルにコピーします。
+
+ open(my $nihongo, '<:encoding(iso-2022-jp)', 'text.jis');
+ open(my $unicode, '>:utf8', 'text.utf8');
+ while (<$nihongo>) { print $unicode $_ }
+
+=begin original
+
+The naming of encodings, both by the C<open()> and by the C<open>
+pragma allows for flexible names: C<koi8-r> and C<KOI8R> will both be
+understood.
+
+=end original
+
+C<open()> と、C<open> プラグマの両方で使われている、エンコーディングの
+名前は、フレキシブルな名前でも使えます: C<koi8-r>と、C<KOI8R> は、
+両方とも理解されます。
+
+=begin original
+
+Common encodings recognized by ISO, MIME, IANA, and various other
+standardisation organisations are recognised; for a more detailed
+list see L<Encode::Supported>.
+
+=end original
+
+ISO、MIME、IANA、様々な他の標準化機関が認識している、一般的な
+エンコーディングが認識されます: 詳細なリストは、L<Encode::Supported> を
+見て下さい。
+
+=begin original
+
+C<read()> reads characters and returns the number of characters.
+C<seek()> and C<tell()> operate on byte counts, as do C<sysread()>
+and C<sysseek()>.
+
+=end original
+
+C<read()> は、文字を読み、文字の数を返します。
+C<seek()> と、C<tell()> は、バイトカウントに関して操作します。
+C<sysread> と、C<sysseek()> も同様です。
+
+=begin original
+
+Notice that because of the default behaviour of not doing any
+conversion upon input if there is no default layer,
+it is easy to mistakenly write code that keeps on expanding a file
+by repeatedly encoding the data:
+
+=end original
+
+デフォルト層がなければ、入力になんの変換もしないのがデフォルトの
+振るまいなので、繰り返しデータをエンコーディングすることで、
+ファイルを展開し続けるコードを誤って書きやすいです。
+
+ # BAD CODE WARNING
+ open F, "file";
+ local $/; ## read in the whole file of 8-bit characters
+ $t = <F>;
+ close F;
+ open F, ">:encoding(utf8)", "file";
+ print F $t; ## convert to UTF-8 on output
+ close F;
+
+=begin original
+
+If you run this code twice, the contents of the F<file> will be twice
+UTF-8 encoded. A C<use open ':encoding(utf8)'> would have avoided the
+bug, or explicitly opening also the F<file> for input as UTF-8.
+
+=end original
+
+このコードを 2 回実行すると、F<file> の内容は、UTF-8 に、2 回
+エンコードされます。
+C<use open 'encoding(utf8)'> は、バグを避けるでしょう。
+もしくは、UTF-8 として入力するために、F<File> を、明示的に開くことです。
+
+=begin original
+
+B<NOTE>: the C<:utf8> and C<:encoding> features work only if your
+Perl has been built with the new PerlIO feature (which is the default
+on most systems).
+
+=end original
+
+B<注意>: C<:utf8> と、C<:encoding> の機能は、Perl が、新しい PerlIO の
+機能で、ビルドされている場合のみ、動きます
+(ほとんどのシステムで、それがデフォルトです)。
+
+=head2 Displaying Unicode As Text
+
+(Unicode をテキストとして表示する)
+
+=begin original
+
+Sometimes you might want to display Perl scalars containing Unicode as
+simple ASCII (or EBCDIC) text. The following subroutine converts
+its argument so that Unicode characters with code points greater than
+255 are displayed as C<\x{...}>, control characters (like C<\n>) are
+displayed as C<\x..>, and the rest of the characters as themselves:
+
+=end original
+
+Unicode を含んでいる Perl のスカラを、単純な ASCII(か、EBCDIC)の
+テキストとして、表示したいかもしれません。
+下のサブルーチンは、引数を変換して、255 より大きいコードポイントの
+Unicode 文字を、C<\x{...}> として表示し、(C<\n> のような)コントロール文字は、
+C<\x..> として表示します。
+残りの文字は、そのまま表示します:
+
+ sub nice_string {
+ join("",
+ map { $_ > 255 ? # if wide character...
+ sprintf("\\x{%04X}", $_) : # \x{...}
+ chr($_) =~ /[[:cntrl:]]/ ? # else if control character ...
+ sprintf("\\x%02X", $_) : # \x..
+ quotemeta(chr($_)) # else quoted or as themselves
+ } unpack("W*", $_[0])); # unpack Unicode characters
+ }
+
+=begin original
+
+For example,
+
+=end original
+
+たとえば、
+
+ nice_string("foo\x{100}bar\n")
+
+=begin original
+
+returns the string
+
+=end original
+
+次のような文字列になり:
+
+ 'foo\x{0100}bar\x0A'
+
+=begin original
+
+which is ready to be printed.
+
+=end original
+
+表示可能になります。
+
+=head2 Special Cases
+
+(特殊な状況)
+
+=over 4
+
+=item *
+
+=begin original
+
+Bit Complement Operator ~ And vec()
+
+=end original
+
+演算子 ~ と、vec() についてのちょっとした補足
+
+=begin original
+
+The bit complement operator C<~> may produce surprising results if
+used on strings containing characters with ordinal values above
+255. In such a case, the results are consistent with the internal
+encoding of the characters, but not with much else. So don't do
+that. Similarly for C<vec()>: you will be operating on the
+internally-encoded bit patterns of the Unicode characters, not on
+the code point values, which is very probably not what you want.
+
+=end original
+
+演算子 C<~> は、255 を超える序数の値の文字を含んでいる文字列で、
+使われると、驚くべき結果になるでしょう。
+そのようなケースでは、
+その結果は文字の内部的なエンコーディングで一貫性があります。
+しかし、他の多くでは違います。
+ですので、そのようなことはしないでください。
+C<vec()> も同様です: コードポイントの値ではなく、内部的にエンコードされた、
+Unicode 文字列のビットパターンを操作しているでしょう。
+おそらく、それは、望んでいないでしょう。
+
+=item *
+
+=begin original
+
+Peeking At Perl's Internal Encoding
+
+=end original
+
+Perl の内部エンコーディングをのぞき見る
+
+=begin original
+
+Normal users of Perl should never care how Perl encodes any particular
+Unicode string (because the normal ways to get at the contents of a
+string with Unicode--via input and output--should always be via
+explicitly-defined I/O layers). But if you must, there are two
+ways of looking behind the scenes.
+
+=end original
+
+(Unicode で文字列の内容に達する普通の方法 -- 入出力 -- は、つねに、
+明示的に定義された I/O 層を経由すべきです)
+Perl がどのように、どんな特別な Unicode 文字列をエンコードしているかを、
+Perl の普通のユーザは気にするべきではありません。
+ですが、必要なら、隠れている裏側を見る 2 つの方法があります。
+
+=begin original
+
+One way of peeking inside the internal encoding of Unicode characters
+is to use C<unpack("C*", ...> to get the bytes of whatever the string
+encoding happens to be, or C<unpack("U0..", ...)> to get the bytes of the
+UTF-8 encoding:
+
+=end original
+
+Unicode文字を内部的にエンコーディングする、内側を覗き見る 1 つの方法は、
+C<unpack("C*", ...> を使い、to get the bytes of whatever the string
+encoding happens to be, or C<unpack("U0..", ...)> to get the bytes of the
+UTF-8 encoding:
+(TBT)
+
+ # this prints c4 80 for the UTF-8 bytes 0xc4 0x80
+ print join(" ", unpack("U0(H2)*", pack("U", 0x100))), "\n";
+
+=begin original
+
+Yet another way would be to use the Devel::Peek module:
+
+=end original
+
+別の方法は、Dvel::Peek モジュールを使うことです:
+
+ perl -MDevel::Peek -e 'Dump(chr(0x100))'
+
+=begin original
+
+That shows the C<UTF8> flag in FLAGS and both the UTF-8 bytes
+and Unicode characters in C<PV>. See also later in this document
+the discussion about the C<utf8::is_utf8()> function.
+
+=end original
+
+これは、FLAGS の C<UTF8> フラグと、UTF-8 バイトと、C<PV> の中の
+Unicode 文字の両方を見せます。
+このドキュメントの後にある、C<utf8::is_utf8()> 機能についての議論も見て下さい。
+
+=back
+
+=head2 Advanced Topics
+
+=over 4
+
+=item *
+
+=begin original
+
+String Equivalence
+
+=end original
+
+文字列の等価性
+
+=begin original
+
+The question of string equivalence turns somewhat complicated
+in Unicode: what do you mean by "equal"?
+
+=end original
+
+文字列の等価性の疑問は、Unicode でいくぶん複雑になります。
+"等価"で、何を意味していますか？
+
+=begin original
+
+(Is C<LATIN CAPITAL LETTER A WITH ACUTE> equal to
+C<LATIN CAPITAL LETTER A>?)
+
+=end original
+
+(IS C<LATIN CAPITAL LETTER A WITH ACCUTE> と
+C<LATIN CAPITAL LETTER A>は、等しいでしょうか？)
+
+=begin original
+
+The short answer is that by default Perl compares equivalence (C<eq>,
+C<ne>) based only on code points of the characters. In the above
+case, the answer is no (because 0x00C1 != 0x0041). But sometimes, any
+CAPITAL LETTER As should be considered equal, or even As of any case.
+
+=end original
+
+短く答えれば次のようになります。
+デフォルトでは、Perl は(C<eq> と、C<ne> で)等しさを
+比較しますが、これらは、文字のコードポイントでのみに基づいています。
+上のケースでは、答えはいいえです(0x00C1 != 0x0041 ですから)。
+ですが、どんな CAPITAL LETTER A もどんなケースの A も等しいと考えるべき
+時もあります。
+
+=begin original
+
+The long answer is that you need to consider character normalization
+and casing issues: see L<Unicode::Normalize>, Unicode Technical
+Reports #15 and #21, I<Unicode Normalization Forms> and I<Case
+Mappings>, http://www.unicode.org/unicode/reports/tr15/ and
+http://www.unicode.org/unicode/reports/tr21/
+
+=end original
+
+長く答えるなら、文字標準化と大文字小文字の問題を考える必要があります:
+L<Unicode::Normalize>、Unicode テクニカルレポート #15 と #21 である
+I<Unicodde Normalization Forms> と I<Case Mappings>
+( http://www.unicode.org/unicode/reports/tr15/,
+http://www.unicode.org/unicode/reports/tr21/ ) を参照してください。
+
+=begin original
+
+As of Perl 5.8.0, the "Full" case-folding of I<Case
+Mappings/SpecialCasing> is implemented.
+
+=end original
+
+Perl 5.8.0 から、I<Case Mappings/SpecialCasing> の、
+"Full" ケースフォールディングが実装されています。
+
+=item *
+
+=begin original
+
+String Collation
+
+=end original
+
+String Collation
+(TBT)
+
+=begin original
+
+People like to see their strings nicely sorted--or as Unicode
+parlance goes, collated. But again, what do you mean by collate?
+
+=end original
+
+文字列がうまくソートされているのを好みます-- or as Unicode
+parlance goes, collated。
+ ですが、再び、collate で何を意味していますか？
+(TBT)
+
+=begin original
+
+(Does C<LATIN CAPITAL LETTER A WITH ACUTE> come before or after
+C<LATIN CAPITAL LETTER A WITH GRAVE>?)
+
+=end original
+
+(C<LATIN CAPITAL LETTER A WITH ACUTE> は、
+C<LATIN CAPITAL LETTER A WITH GRAVE> より、
+前でしょうか後でしょうか？)
+
+=begin original
+
+The short answer is that by default, Perl compares strings (C<lt>,
+C<le>, C<cmp>, C<ge>, C<gt>) based only on the code points of the
+characters. In the above case, the answer is "after", since
+C<0x00C1> > C<0x00C0>.
+
+=end original
+
+短く答えれば次のようになります。
+Perl は、文字列を、(C<lt>、C<le>、C<cmp>、C<ge>、C<gt>)で比較しますが、
+これらは、文字のコードポイントでのみに基づいています。
+上のケースでは、答えは、C<0x00C1> > C<0x00C0>ですので、"後"になります。
+
+=begin original
+
+The long answer is that "it depends", and a good answer cannot be
+given without knowing (at the very least) the language context.
+See L<Unicode::Collate>, and I<Unicode Collation Algorithm>
+http://www.unicode.org/unicode/reports/tr10/
+
+=end original
+
+長く答えるなら、"依存して"います。
+良い答えは、(とても少なくとも)言語のコンテキストを知らずには、与えられません。
+L<Unicode::Collate>と、I<Unicode Collation Algorithm> を見て下さい。
+http://www.unicode.org/unicode/reports/tr10/
+
+=back
+
+=head2 Miscellaneous
+
+(その他)
+
+=over 4
+
+=item *
+
+=begin original
+
+Character Ranges and Classes
+
+=end original
+
+Character Ranges and Classes
+(TBT)
+
+=begin original
+
+Character ranges in regular expression character classes (C</[a-z]/>)
+and in the C<tr///> (also known as C<y///>) operator are not magically
+Unicode-aware. What this means that C<[A-Za-z]> will not magically start
+to mean "all alphabetic letters"; not that it does mean that even for
+8-bit characters, you should be using C</[[:alpha:]]/> in that case.
+
+=end original
+
+正規表現の文字クラス(C</[a-z]/>)内と、C<tf///>(C<y///>としても知られる)
+演算子内では、魔法を使ったようには、Unicode に気付きません。
+これが意味することは、C<[A-Za-z]> は、"全てのアルファベット文字"を
+魔法を使ったようには意味しはじめません。
+8 ビットの文字で意味します。
+このケースでは、C</[[:alpha:]]/> を使うべきです。
+
+=begin original
+
+For specifying character classes like that in regular expressions,
+you can use the various Unicode properties--C<\pL>, or perhaps
+C<\p{Alphabetic}>, in this particular case. You can use Unicode
+code points as the end points of character ranges, but there is no
+magic associated with specifying a certain range. For further
+information--there are dozens of Unicode character classes--see
+L<perlunicode>.
+
+=end original
+
+正規表現内のこのような特定の文字クラスに、様々な Unicode プロパティ--
+C<\pL>、または、この特別なケースでは、たぶん、C<\p{Alphabetic}> を
+使うことができます。
+文字の範囲の終りのポイントとして、Unicode のコードポイントを
+使うことが出来ます。
+ですが、ある範囲を特定するのに結びつける何の魔法もありません。
+詳しいことは--数ダースの Unicode 文字クラスがあります--
+L<perlunicode> を見て下さい。
+
+=item *
+
+=begin original
+
+String-To-Number Conversions
+
+=end original
+
+文字列から数字への変換
+
+=begin original
+
+Unicode does define several other decimal--and numeric--characters
+besides the familiar 0 to 9, such as the Arabic and Indic digits.
+Perl does not support string-to-number conversion for digits other
+than ASCII 0 to 9 (and ASCII a to f for hexadecimal).
+
+=end original
+
+Unicode は、なじみのある、アラビアやインドの数字のような 0 から 9 に加えて、
+複数の他の 10 進数--と数字の--文字を、定義します。
+Perl は、ASCII の 0 から 9(と、16 進法の ASCII の a から f)以外の数字の、
+文字列から数への変換をサポートしません。
+
+=back
+
+=head2 Questions With Answers
+
+(質問と回答)
+
+=over 4
+
+=item *
+
+=begin original
+
+Will My Old Scripts Break?
+
+=end original
+
+古いスクリプトは壊れるでしょうか？
+
+=begin original
+
+Very probably not. Unless you are generating Unicode characters
+somehow, old behaviour should be preserved. About the only behaviour
+that has changed and which could start generating Unicode is the old
+behaviour of C<chr()> where supplying an argument more than 255
+produced a character modulo 255. C<chr(300)>, for example, was equal
+to C<chr(45)> or "-" (in ASCII), now it is LATIN CAPITAL LETTER I WITH
+BREVE.
+
+=end original
+
+たぶん、壊れません。
+どうにかして、Unicode 文字を生成していなければ、古い挙動は、保護されます。
+変更される、Unicode を生成し始める唯一の挙動は古い C<chr()> の挙動です。
+ここでは、255 を法として、文字を生成する 255 より上の引数を供給します。
+C<chr(300)> は、例えば、C<chr(45)> か、(ASCII の)"-" と同じでした。
+現在は、それは、LATIN CAPITAL LETTER I WITH BREVE と同じです。
+
+=item *
+
+=begin original
+
+How Do I Make My Scripts Work With Unicode?
+
+=end original
+
+Unicode スクリプトを動かすにはどうすればいいですか？
+
+=begin original
+
+Very little work should be needed since nothing changes until you
+generate Unicode data. The most important thing is getting input as
+Unicode; for that, see the earlier I/O discussion.
+
+=end original
+
+Unicode データを生成するまで、ほとんど何もする必要はありません。
+もっとも重要なものは、Unicode として、入力を得ることです;
+なので、以前の I/O の議論を見て下さい。
+
+=item *
+
+=begin original
+
+How Do I Know Whether My String Is In Unicode?
+
+=end original
+
+Unicode の文字列かどうかを知るにはどうしますか？
+
+=begin original
+
+You shouldn't care. No, you really shouldn't. No, really. If you
+have to care--beyond the cases described above--it means that we
+didn't get the transparency of Unicode quite right.
+
+=end original
+
+気にすることはありません。
+本当に、気にするべきではありません。
+本当に。
+気にする必要があるなら -- このケースは上で書いています --
+本当に正しく、Unicode の透過性を得ないことを意味します。
+
+=begin original
+
+Okay, if you insist:
+
+=end original
+
+オーケー、どうしてもというなら:
+
+ print utf8::is_utf8($string) ? 1 : 0, "\n";
+
+=begin original
+
+But note that this doesn't mean that any of the characters in the
+string are necessary UTF-8 encoded, or that any of the characters have
+code points greater than 0xFF (255) or even 0x80 (128), or that the
+string has any characters at all. All the C<is_utf8()> does is to
+return the value of the internal "utf8ness" flag attached to the
+C<$string>. If the flag is off, the bytes in the scalar are interpreted
+as a single byte encoding. If the flag is on, the bytes in the scalar
+are interpreted as the (multi-byte, variable-length) UTF-8 encoded code
+points of the characters. Bytes added to an UTF-8 encoded string are
+automatically upgraded to UTF-8. If mixed non-UTF-8 and UTF-8 scalars
+are merged (double-quoted interpolation, explicit concatenation, and
+printf/sprintf parameter substitution), the result will be UTF-8 encoded
+as if copies of the byte strings were upgraded to UTF-8: for example,
+
+=end original
+
+ですが、これは、文字列の文字のすべてが、UTF-8 でエンコードされているか、
+文字のすべてが、0xFF(255) か、0x80(128) より大きいコードポイントか、
+文字列はすべて文字をもつ必要があります。
+C<is_utf8()> がすることの全ては、C<$string> につけられている内部の
+"utf8ness" フラグの値を返すことです。
+フラグが無効であれば、スカラ内のバイト列は、シングルバイト
+エンコーディングとして解釈されます。
+フラグが有効であれば、スカラ内のバイト列は、(マルチバイト、可変調の)
+UTF-8 でエンコードされた文字のコードポイントとして解釈されます。
+非 UTF-8 と、UTF-8 のスカラがマージされた(ダブルクオートされた語句、
+明示的な連結、printf/sprintf パラメタの代用)場合、この結果は、
+バイト文字列のコピーが UTF-8 でアップグレードされるように、
+UTF-8 でエンコードされています。
+
+ $a = "ab\x80c";
+ $b = "\x{100}";
+ print "$a = $b\n";
+
+=begin original
+
+the output string will be UTF-8-encoded C<ab\x80c = \x{100}\n>, but
+C<$a> will stay byte-encoded.
+
+=end original
+
+出力する文字列は UTF-8 エンコードされた C<ab\x80c = \x{100}\n> になります。
+ですが、C<$a> は、バイトエンコードされます。
+
+=begin original
+
+Sometimes you might really need to know the byte length of a string
+instead of the character length. For that use either the
+C<Encode::encode_utf8()> function or the C<bytes> pragma and its only
+defined function C<length()>:
+
+=end original
+
+文字列の長さではなく、文字列のバイト長を知る必要があるかもしれません。
+そのためには、C<Encode::encode_utf8()> 関数か、C<bytes> プラグマの
+どちらかを使い、定義された C<length()> 関数を使うだけです:
+
+ my $unicode = chr(0x100);
+ print length($unicode), "\n"; # will print 1
+ require Encode;
+ print length(Encode::encode_utf8($unicode)), "\n"; # will print 2
+ use bytes;
+ print length($unicode), "\n"; # will also print 2
+ # (the 0xC4 0x80 of the UTF-8)
+
+=item *
+
+=begin original
+
+How Do I Detect Data That's Not Valid In a Particular Encoding?
+
+=end original
+
+あるエンコーディングで、データが、妥当でないことを調べるにはどうしますか？
+
+=begin original
+
+Use the C<Encode> package to try converting it.
+For example,
+
+=end original
+
+C<Encode> パッケージを使って、それを変換してみてください。
+例えば、
+
+ use Encode 'decode_utf8';
+ eval { decode_utf8($string, Encode::FB_CROAK) };
+ if ($@) {
+ # $string is valid utf8
+ } else {
+ # $string is not valid utf8
+ }
+
+=begin original
+
+Or use C<unpack> to try decoding it:
+
+=end original
+
+Or use C<unpack> to try decoding it:
+(TBT)
+
+ use warnings;
+ @chars = unpack("C0U*", $string_of_bytes_that_I_think_is_utf8);
+
+=begin original
+
+If invalid, a C<Malformed UTF-8 character> warning is produced. The "C0" means
+"process the string character per character". Without that, the
+C<unpack("U*", ...)> would work in C<U0> mode (the default if the format
+string starts with C<U>) and it would return the bytes making up the UTF-8
+encoding of the target string, something that will always work.
+
+=end original
+
+妥当でなければ、C<Malformed UTF-8 character> の警告が出ます。
+"C0" は、"process the string character per character" ことを意味します。
+それ以外では、C<unpack("U*", ...)>が、would work in C<U0> mode (the default if the format
+string starts with C<U>) and it would return the bytes making up the UTF-8
+encoding of the target string, something that will always work.
+(TBT)
+
+=item *
+
+=begin original
+
+How Do I Convert Binary Data Into a Particular Encoding, Or Vice Versa?
+
+=end original
+
+バイナリデータを特定のエンコーディングに変換するには?また、その逆は?
+
+=begin original
+
+This probably isn't as useful as you might think.
+Normally, you shouldn't need to.
+
+=end original
+
+たぶん、思うようには有益ではないでしょう。
+ふつう、必要とするべきではありません。
+
+=begin original
+
+In one sense, what you are asking doesn't make much sense: encodings
+are for characters, and binary data are not "characters", so converting
+"data" into some encoding isn't meaningful unless you know in what
+character set and encoding the binary data is in, in which case it's
+not just binary data, now is it?
+
+=end original
+
+In one sense, what you are asking doesn't make much sense: encodings
+are for characters, and binary data are not "characters", so converting
+"data" into some encoding isn't meaningful unless you know in what
+character set and encoding the binary data is in, in which case it's
+not just binary data, now is it?
+(TBT)
+
+=begin original
+
+If you have a raw sequence of bytes that you know should be
+interpreted via a particular encoding, you can use C<Encode>:
+
+=end original
+
+If you have a raw sequence of bytes that you know should be
+interpreted via a particular encoding, you can use C<Encode>:
+(TBT)
+
+ use Encode 'from_to';
+ from_to($data, "iso-8859-1", "utf-8"); # from latin-1 to utf-8
+
+=begin original
+
+The call to C<from_to()> changes the bytes in C<$data>, but nothing
+material about the nature of the string has changed as far as Perl is
+concerned. Both before and after the call, the string C<$data>
+contains just a bunch of 8-bit bytes. As far as Perl is concerned,
+the encoding of the string remains as "system-native 8-bit bytes".
+
+=end original
+
+The call to C<from_to()> changes the bytes in C<$data>, but nothing
+material about the nature of the string has changed as far as Perl is
+concerned. Both before and after the call, the string C<$data>
+contains just a bunch of 8-bit bytes. As far as Perl is concerned,
+the encoding of the string remains as "system-native 8-bit bytes".
+(TBT)
+
+=begin original
+
+You might relate this to a fictional 'Translate' module:
+
+=end original
+
+You might relate this to a fictional 'Translate' module:
+(TBT)
+
+ use Translate;
+ my $phrase = "Yes";
+ Translate::from_to($phrase, 'english', 'deutsch');
+ ## phrase now contains "Ja"
+
+=begin original
+
+The contents of the string changes, but not the nature of the string.
+Perl doesn't know any more after the call than before that the
+contents of the string indicates the affirmative.
+
+=end original
+
+The contents of the string changes, but not the nature of the string.
+Perl doesn't know any more after the call than before that the
+contents of the string indicates the affirmative.
+(TBT)
+
+=begin original
+
+Back to converting data. If you have (or want) data in your system's
+native 8-bit encoding (e.g. Latin-1, EBCDIC, etc.), you can use
+pack/unpack to convert to/from Unicode.
+
+=end original
+
+Back to converting data. If you have (or want) data in your system's
+native 8-bit encoding (e.g. Latin-1, EBCDIC, etc.), you can use
+pack/unpack to convert to/from Unicode.
+(TBT)
+
+ $native_string = pack("W*", unpack("U*", $Unicode_string));
+ $Unicode_string = pack("U*", unpack("W*", $native_string));
+
+=begin original
+
+If you have a sequence of bytes you B<know> is valid UTF-8,
+but Perl doesn't know it yet, you can make Perl a believer, too:
+
+=end original
+
+If you have a sequence of bytes you B<know> is valid UTF-8,
+but Perl doesn't know it yet, you can make Perl a believer, too:
+(TBT)
+
+ use Encode 'decode_utf8';
+ $Unicode = decode_utf8($bytes);
+
+=begin original
+
+or:
+
+=end original
+
+or:
+(TBT)
+
+ $Unicode = pack("U0a*", $bytes);
+
+=begin original
+
+You can convert well-formed UTF-8 to a sequence of bytes, but if
+you just want to convert random binary data into UTF-8, you can't.
+B<Any random collection of bytes isn't well-formed UTF-8>. You can
+use C<unpack("C*", $string)> for the former, and you can create
+well-formed Unicode data by C<pack("U*", 0xff, ...)>.
+
+=end original
+
+You can convert well-formed UTF-8 to a sequence of bytes, but if
+you just want to convert random binary data into UTF-8, you can't.
+B<Any random collection of bytes isn't well-formed UTF-8>. You can
+use C<unpack("C*", $string)> for the former, and you can create
+well-formed Unicode data by C<pack("U*", 0xff, ...)>.
+(TBT)
+
+=item *
+
+=begin original
+
+How Do I Display Unicode? How Do I Input Unicode?
+
+=end original
+
+Unicode を表示するには? Unicode を入力するには?
+
+=begin original
+
+See http://www.alanwood.net/unicode/ and
+http://www.cl.cam.ac.uk/~mgk25/unicode.html
+
+=end original
+
+http://www.alanwood.net/unicode/ と
+http://www.cl.cam.ac.uk/~mgk25/unicode.html を見てください。
+
+=item *
+
+=begin original
+
+How Does Unicode Work With Traditional Locales?
+
+=end original
+
+これまでのロケールで、Unicode は、どのようにうごきますか？
+
+=begin original
+
+In Perl, not very well. Avoid using locales through the C<locale>
+pragma. Use only one or the other. But see L<perlrun> for the
+description of the C<-C> switch and its environment counterpart,
+C<$ENV{PERL_UNICODE}> to see how to enable various Unicode features,
+for example by using locale settings.
+
+=end original
+
+Perl では、あまりうまくありません。
+C<locale>プラグマでロケールを使うことを避けて下さい。
+1 つのみか、別のものを使ってください。
+C<-C> スイッチと、その環境で対応する C<$ENV{PERL_UNICODE}> の説明のために、
+L<perlrun> を見て下さい。
+様々な Unicode の機能が、どのように可能になっているのか、たとえば、
+ロケールの設定によって、が、わかります。
+
+=back
+
+=head2 Hexadecimal Notation
+
+(16 進記法)
+
+=begin original
+
+The Unicode standard prefers using hexadecimal notation because
+that more clearly shows the division of Unicode into blocks of 256 characters.
+Hexadecimal is also simply shorter than decimal. You can use decimal
+notation, too, but learning to use hexadecimal just makes life easier
+with the Unicode standard. The C<U+HHHH> notation uses hexadecimal,
+for example.
+
+=end original
+
+Unicode 標準は、16 進記法を使うのを好みます。
+それは、256 の文字のブロックに Unicode を分割しているのが、
+他の表記よりわかりやすいからです。
+10 進記法を使うことも出来ますが、16 進記法を使うことを学べば、
+Unicode 標準との暮らしが楽になります。
+C<U+HHHH> 表記は、16 進記法を使います。
+たとえば、
+
+=begin original
+
+The C<0x> prefix means a hexadecimal number, the digits are 0-9 I<and>
+a-f (or A-F, case doesn't matter). Each hexadecimal digit represents
+four bits, or half a byte. C<print 0x..., "\n"> will show a
+hexadecimal number in decimal, and C<printf "%x\n", $decimal> will
+show a decimal number in hexadecimal. If you have just the
+"hex digits" of a hexadecimal number, you can use the C<hex()> function.
+
+=end original
+
+C<0x> の接頭辞は、16 進の数字を意味しています。
+数字は、0-9 と、
+a-f(か、A-F、大文字小文字は問いません)です。
+それぞれの、16 進の数字は、4 ビット、1/2 バイトを表します。
+C<print 0x..., "\n"> は 16 進数を 10 進で見せます。
+C<printf "%x\n", $decimal> は 10 進数を 16 進で見せます。
+"hex digits" の 16 進の数字があるなら、C<hex()> 関数を使うことが出来ます。
+
+ print 0x0009, "\n"; # 9
+ print 0x000a, "\n"; # 10
+ print 0x000f, "\n"; # 15
+ print 0x0010, "\n"; # 16
+ print 0x0011, "\n"; # 17
+ print 0x0100, "\n"; # 256
+
+ print 0x0041, "\n"; # 65
+
+ printf "%x\n", 65; # 41
+ printf "%#x\n", 65; # 0x41
+
+ print hex("41"), "\n"; # 65
+
+=head2 Further Resources
+
+(更なるリソース)
+
+=over 4
+
+=item *
+
+Unicode Consortium
+
+http://www.unicode.org/
+
+=item *
+
+Unicode FAQ
+
+http://www.unicode.org/unicode/faq/
+
+=item *
+
+Unicode Glossary
+
+http://www.unicode.org/glossary/
+
+=item *
+
+Unicode Useful Resources
+
+http://www.unicode.org/unicode/onlinedat/resources.html
+
+=item *
+
+Unicode and Multilingual Support in HTML, Fonts, Web Browsers and Other Applications
+
+http://www.alanwood.net/unicode/
+
+=item *
+
+UTF-8 and Unicode FAQ for Unix/Linux
+
+http://www.cl.cam.ac.uk/~mgk25/unicode.html
+
+=item *
+
+Legacy Character Sets
+
+http://www.czyborra.com/
+http://www.eki.ee/letter/
+
+=item *
+
+=begin original
+
+The Unicode support files live within the Perl installation in the
+directory
+
+=end original
+
+Unicode サポートのファイルは、Perl をインストールしたディレクトリ内にあります
+
+ $Config{installprivlib}/unicore
+
+=begin original
+
+in Perl 5.8.0 or newer, and
+
+=end original
+
+Perl 5.8.0 以上では、
+
+ $Config{installprivlib}/unicode
+
+=begin original
+
+in the Perl 5.6 series. (The renaming to F<lib/unicore> was done to
+avoid naming conflicts with lib/Unicode in case-insensitive filesystems.)
+The main Unicode data file is F<UnicodeData.txt> (or F<Unicode.301> in
+Perl 5.6.1.) You can find the C<$Config{installprivlib}> by
+
+=end original
+
+Perl 5.6 シリーズでは。
+(大文字小文字を区別しないファイルシステムでは、lib/Unicode 名前の衝突を
+避けるために、F<lib/unicore> にリネームされています)
+メインの Unicode データファイルは、F<UnicodeData.txt>(か、Perl5.6.1 の
+F<Unicode.301>)です。
+次のようにして、C<$Config{installprivlib}> を見つけることができます。
+
+ perl "-V:installprivlib"
+
+=begin original
+
+You can explore various information from the Unicode data files using
+the C<Unicode::UCD> module.
+
+=end original
+
+C<Unicode::UCD> モジュールを使って、Unicode データファイルから、
+様々な情報を調べることができます。
+
+=back
+
+=head1 UNICODE IN OLDER PERLS
+
+(古い Perl での Unicode)
+
+=begin original
+
+If you cannot upgrade your Perl to 5.8.0 or later, you can still
+do some Unicode processing by using the modules C<Unicode::String>,
+C<Unicode::Map8>, and C<Unicode::Map>, available from CPAN.
+If you have the GNU recode installed, you can also use the
+Perl front-end C<Convert::Recode> for character conversions.
+
+=end original
+
+Perl 5.8.0 以降にアップグレード出来なくても、まだ、CPAN から利用できる、
+C<Unicode::String>、C<Unicode::Mmap8>、C<bUnicode::Map> を使って、
+Unicode 処理をすることができます。
+If you have the GNU recode installed, you can also use the
+Perl front-end C<Convert::Recode> for character conversions.
+(TBT)
+
+=begin original
+
+The following are fast conversions from ISO 8859-1 (Latin-1) bytes
+to UTF-8 bytes and back, the code works even with older Perl 5 versions.
+
+=end original
+
+下記のものは、ISO 8859-1 (Latin-1) バイト列から UTF-8 バイト列に、
+素早く変換するものです。
+このコードは古い Perl 5 でも動きます。
+
+ # ISO 8859-1 to UTF-8
+ s/([\x80-\xFF])/chr(0xC0|ord($1)>>6).chr(0x80|ord($1)&0x3F)/eg;
+
+ # UTF-8 to ISO 8859-1
+ s/([\xC2\xC3])([\x80-\xBF])/chr(ord($1)<<6&0xC0|ord($2)&0x3F)/eg;
+
+=head1 SEE ALSO
+
+L<perlunitut>, L<perlunicode>, L<Encode>, L<open>, L<utf8>, L<bytes>,
+L<perlretut>, L<perlrun>, L<Unicode::Collate>, L<Unicode::Normalize>,
+L<Unicode::UCD>
+
+=head1 ACKNOWLEDGMENTS
+
+(謝辞)
+
+Thanks to the kind readers of the perl5****@perl*****,
+perl****@perl*****, linux****@nl*****, and unico****@unico*****
+mailing lists for their valuable feedback.
+
+=head1 AUTHOR, COPYRIGHT, AND LICENSE
+
+(著者、著作権、ライセンス)
+
+Copyright 2001-2002 Jarkko Hietaniemi E<lt>jhi****@iki*****<gt>
+
+This document may be distributed under the same terms as Perl itself.
+