Internet Watch logo
記事検索
バックナンバー
【 2009/04/09 】
「新常用漢字表(仮称)」のパブコメ募集が始まった
[12:59]
【 2008/11/28 】
第3部 印刷文字から符号化文字へ
第11回 「情報化時代」へ常用漢字表を進化させよ
[11:19]
【 2008/11/27 】
第3部 印刷文字から符号化文字へ
第10回 ふたたび常用漢字表の改定を考える
[14:31]
【 2008/11/14 】
第3部 印刷文字から符号化文字へ
第9回 議員の氏名表記とRFC標準の共通点
[11:12]
【 2008/11/13 】
第3部 印刷文字から符号化文字へ
第8回 字体意識と社会的コスト
[11:27]
【 2008/11/12 】
第3部 印刷文字から符号化文字へ
第7回 『議員氏名の正確な表記』と人名表記の位相文字
[14:06]
【 2008/11/11 】
第3部 印刷文字から符号化文字へ
第6回 漢字の字体史から見た『議員氏名の正確な表記』
[17:08]
【 2008/10/31 】
第3部 印刷文字から符号化文字へ
第5回 『議員氏名の正確な表記』はどうやって作られたか
[11:21]
【 2008/10/30 】
第3部 印刷文字から符号化文字へ
第4回 議員本人のWebページとの比較結果
[15:03]
【 2008/10/29 】
第3部 印刷文字から符号化文字へ
第3回 実装の上から『議員氏名の正確な表記』を考える
[15:15]
【 2008/10/28 】
第3部 印刷文字から符号化文字へ
第2回 規格の上から『議員氏名の正確な表記』を考える
[11:08]
【 2008/10/27 】
第3部 印刷文字から符号化文字へ
第1回 現代日本の「ゴルディアスの結び目」をほどくのは?
[16:44]
“情報化時代”に追いつけるか? 
審議が進む「新常用漢字表(仮)」

第2部 新常用漢字表と文字コード規格
第8回 インターネット時代と互換漢字


国際化ドメイン名で互換漢字が使えない理由

 Unicode正規化が規格に盛り込まれている例として、国際化ドメイン名(IDN)が挙げられるだろう。ドメイン名はいわばインターネット上の番地表示だが、従来はラテン文字のaからz(大文字/小文字は区別しない)、数字の0から9、それにハイフン「-」の計37文字だけに限定されていた。国際化ドメイン名とは、これをUnicodeの範囲に拡大し、それにより世界の人々が自分の使っている言語でドメイン名を表現できるようにしようとするものだ。具体的にはインターネットの規格であるRFC 3490〜3492の3つで規定されている。

 ここでは「Punycode」(RFC 3491[*1])と呼ばれる一定の規則に従って、Unicodeの文字列を現在使われている37文字に変換することにより国際化ドメイン名が実現されている。しかしこの変換をする前に「Nameprep」(RFC 3492[*2])と呼ばれる手順に従って前処理を施すことになっている。これは「Stringprep」(RFC 3454[*3])の中で示されたテキスト処理の枠組みを使っているが、その中でUnicode正規化が指定されている[*4]

 なぜ国際化ドメイン名でUnicode正規化が必要なのか。考え方としては今まで繰り返してきた説明と全く同じだ。例えば「ダ」を表すUnicodeの文字が、合成ずみ文字のU+30C0を使うのか、それとも合成列のU+30BF/U+3099を使うのかによってPunycodeの変換結果が変わってしまう。Punycodeはあくまで任意の符号を特定の範囲の符号に変換するだけのもので、符号に割り当てられた文字の意味や属性まで考慮してはいないからだ。こうして違うPunycodeの並びになり、結果として「見た目は同じ」なのに違うドメイン名が登録できてしまう。本来ドメイン名はインターネット上で唯一のものでなければならず、もしそのような紛らわしいドメイン名が存在してしまえば、ユーザーが混乱するのはもちろん、フィッシングサイトなどの犯罪を誘発することになる。そこでUnicode正規化を含む前処理によって「ネットで使える字」に置き換える処理が必要になるというわけだ。


常用漢字が互換漢字になれば、日本語JPドメイン名は板挟みに

 ただし、日本語JPドメイン名としては、現在のところ使用を許された文字の範囲をJIS X 0208にある平仮名、片仮名、漢字、一部の記号に限定しており、JIS X 0213で拡張された範囲は使用できない[*5]。つまり互換漢字はUnicode正規化以前に、この字種制限にひっかかって使えない。

 なぜ日本語JPドメイン名にJIS X 0213が使えないのだろう。これについてJPドメイン名を管理している日本レジストリサービスの米谷嘉朗氏にお聞きしたところ、その理由としてJIS X 0213が十分に普及していないこと、ユーザーからJIS X 0213を使いたいとの要望がないことの2点を挙げた。まだJIS X 0213に対応したWindows Vistaが普及していないことが大きいと考えられる。しかし、反面から言えば3年後もWindows Vistaが現在のような普及状況にあるとは思えない。さらに、常用漢字表で追加された字がJIS X 0213でなければ使えない状況になれば、どうなるだろうか?

 例えば第2部第1回で述べた、点なしの「箸」が新常用漢字表に追加されたとしよう。この結果、多くの人々からドメイン名をはじめさまざまな場面で点付きと点なしの「箸」を区別したいという要求が増大するようになるかもしれない。しかしこれは現在のUCSでは区別できないので、やむなく互換文字として追加提案することになる[*6]。非漢字圏諸国の抵抗はあるだろうが、何とかそれをはねのけて互換漢字としてうまく収録できたとしよう。UCSに収録できればJIS X 0213も追加できる[*7]。JIS X 0213が改正され、Windows VistaやMac OS Xなど主なOSもこれを実装し、その普及を見極めれば日本語JPドメイン名のルールも変更可能な状況になる。

 しかし最後の段階でUnicode正規化が立ちはだかることになる。前述したように国際化ドメイン名がNameprepを使う限り、互換漢字は対応する統合漢字に置き換えられる。しかしその互換漢字は他ならぬ日本の漢字政策の中心である常用漢字なのだ。さて、どうする? これについて再び日本レジストリサービスの米谷氏にお聞きしたところ、次のような回答が返ってきた。「それは……非常に難しい質問ですね。常用漢字という属性の文字が互換領域に入ってしまったら、おそらく日本としては互換領域の漢字を国際化ドメイン名に使える文字に追加するよう、働きかけざるを得なくなります。ただ、それが国際的な理解を得られるかどうかは全く自信がありません」。

 つまり日本語JPドメイン名の管理者としては、常用漢字表を推し進める国語施策と、紛らわしい文字は使わないようにしようという国際的な動きとの間で板挟みになってしまう。同情せざるを得ないのは、彼等自身はこの板挟みを打開する立場にないということだ。本当に常用漢字が互換漢字になってしまえば、気の毒なことにその結末は今の彼等に予測できない。本当に、どうなってしまうのだろう?


インターネット標準に広がるUnicode正規化

 ここで注意してほしいのは、こうした「紛らわしい字を排除したい」という要求は、国際化ドメイン名に限った話ではないということだ。この要求はインターネットの発展とともに増えることはあっても減ることはない。実際にUnicode正規化を組み込むRFCは増えてきている。そうしたRFCが普及するにつれて、ネットワークの伝送経路上のどこでUnicode正規化が行われているかわからないことになる。その結果、互換漢字は、いつ、どのようなタイミングで別の字体に置き換わるかわからない、不安定な位置付けの文字となる。

 例えばIDとパスワードだ。このような重要な文字列こそ「見た目は同じ字」が排除されなければ、犯罪者がつけ込む隙を許すことになる。これをUnicodeの文字として使う規格は、すでにRFC 4013「SASLprep: Stringprep Profile for User Names and Passwords」として制定されているが、やはりここでもUnicode正規化が要求されている[*8]

 また、現在ドメイン名と同じく37の文字種の範囲に制限されているURLだが、これもUnicodeの文字列を使用できれば、もっと直感的でわかりやすくなるだろう。これもすでにRFC 3987「Internationalized Resource Identifiers(IRIs)」として制定されているが、同じくここでもUnicode正規化が要求されている[*9]。またStringprepに関しては外部記憶装置のプロトコルであるSCSIをTCP/IPで利用するiSCSIという技術がある。この中でRFC 3722として、デバイス名の文字列をStringprepの枠組みによりUnicode正規化することが規定されている[*10]。このようにUnicode正規化はインターネット標準の中ではますます重要になってきている。

 実際にはこれらのRFCは、まだ広く普及する状況にはなっていない。例えばIDやパスワードのようなミッションクリティカルな文字列は、文字種を狭く制限しておいた方が安全だというような事情もある。セキュリティホールを突かれたことによる訴訟リスクを覚悟してまで、IDやパスワードに使える文字種をUnicodeにまで拡大する現実的メリットは、今のところはない。しかし、常用漢字表に新しく文字が追加されたらどうなるだろう? 国語施策の基本である常用漢字表に追加されれば、世間の人々もこれをIDなどに使いたいと望むだろう。しかし、その文字が互換漢字として収録される限り、使うに使えない文字となってしまう。これが“情報化時代”の現実だ[*11]


互換漢字に代わるUnicodeからの提案「異体字シーケンス」とは

 互換漢字が置き換わってしまう理由は、Unicodeで正規等価の属性を指定されているからだということは、前回述べたとおりだ。こうした状況の中で、互換漢字に代わる解決法として注目を集めつつあるのが、第2部第4回で少しだけ出てきた「バリエーション・シーケンス」(Ideographic Variation Sequence。以下、異体字シーケンスに統一[*12])だ。これはSun Microsystems(当時)の樋浦秀樹氏とAdobe Systemsのエリック・ミューラー氏の提案によって、2006年にUnicode Technical Standard #37として制定されたものだ[*13]

 技術的な詳しいことは後述するとして、これの肝と言える点は「従来は包摂されていた字体を区別可能にする」ところにある。これまでも文字コード規格で符号化されている文字の異体字を使用可能にする技術は、Adobe SystemsのIllustrator 5.5(1994年)でCIDフォントを使って実現した「字体切り換え」をはじめ(図1)、かなり以前から試みられてきた。Mac OS Xでは2000年のパブリックベータ版から、ファイル形式のRTF(Rich Text Format)を独自拡張し、ヒラギノフォントに内蔵された符号位置を持たない文字を入力・編集・印刷可能にしている。最近では一太郎2008がMSフォントを使った異体字入力機能を搭載している[*14]


図1 Illustrator 8.1における字体切り換え。文字を選択した上でメニューを選択すると文字が置き換わる。この画面自体は2002年11月にキャプチャしたもので、OSはMac OSバージョン9

 これらはあらかじめフォントに内蔵された符号位置を持たない文字の形を、アプリケーションの機能を使ってファイルに埋め込むという点で共通している。つまりフォントに依存した独自のファイル形式により実現する方法だ[*15]。したがって、どうしても汎用性という意味で問題が残る。異体字シーケンスはこれを解決しようとするものだ。

 異体字シーケンスも入力や再現には対応したフォントとアプリケーションが必要となるのは同じだ。しかしファイル形式はUnicodeの符号が並ぶだけの、レイアウト情報を含まない単純なプレーンテキストだから、たいていのアプリケーションで普通に扱うことができる。もし異体字シーケンスに対応していない環境であっても、従来の方式と違い文字が欠落したりせずに、対応する統合漢字(異体字)が表示されるにとどまるとされる(この点は第10回に検討する)。

 次回は、もう少し詳しく異体字シーケンスの規格と運用を見てみよう。あわせて、これが本当に互換漢字の代替になり得るのかを考えなければならないが、これはそのまた次の第10回で触れる予定だ。

[*1]……『RFC 3490 Internationalizing Domain Names in Applications (IDNA)』(http://tools.ietf.org/html/rfc3490)。和訳は『RFC 3490 アプリケーションにおけるドメイン名の国際化』(http://www.jdna.jp/survey/rfc/rfc3490j.html)。
[*2]……『RFC 3491 Nameprep: A Stringprep Profile for Internationalized Domain Names (IDN)』(http://tools.ietf.org/html/rfc3491)。和訳は『RFC 3491 Nameprep: 国際化ドメイン名(IDN: Internationalized Domain Names)を前処理するためのstringprep適用法の定義』(http://www.jdna.jp/survey/rfc/rfc3491j.html)。
[*3]……『RFC 3454 Preparation of Internationalized Strings ("stringprep")』(http://www.ietf.org/rfc/rfc3454.txt)。和訳は『RFC 3454 国際化文字列の前処理("stringprep")』(http://www.jdna.jp/survey/rfc/rfc3454j.html)。
[*4]……正確には4種類あるUnicode正規化のうち、正規化形式KC(Normalization Form KC、略してNFKC)という種類の処理を行う。これは処理の対象を見た目が少し違っても文字としては「基本的に同じ」である互換等価の文字(第2部第6回の図8参照)にまで広げて行うもの。もちろんNFKCでも互換漢字は必ず対応する統合漢字に置き換わる。
[*5]……『汎用JPドメイン名登録等に関する技術細則』(http://jprs.jp/doc/rule/saisoku-1-wideusejp.html
[*6]……もちろん第2部第2回でも述べたように、JIS X 0213に深刻な非互換を発生させずに点なし「箸」を追加する方法はない。だからこの想定自体が、現実的には考えづらいシナリオではある。しかしここでは互換漢字というものの意味を考えるため、あえてそうした想定をしている。
[*7]……現行のJIS X 0208やJIS X 0213の規格票を見るとわかるように、現在の国内規格ではUCS(Unicode)との符号位置の対応を示すのが重要な役割となっている。UCSの符号位置がない文字をJISに追加することは、普通の状況では考えられない。したがって新しい文字を使うためには、まずUCSに追加提案し、これが認められてからJISへの追加という段取りになるはずだ。
[*8]……『RFC 4013 SASLprep: Stringprep Profile for User Names and Passwords』(http://www.ietf.org/rfc/rfc4013.txt
[*9]……『RFC 3987 Internationalized Resource Identifiers (IRIs)』(http://www.ietf.org/rfc/rfc3987.txt
[*10]……『RFC 3722 String Profile for Internet Small Computer Systems Interface (iSCSI) Names』(http://tools.ietf.org/html/rfc3722
[*11]……本文ではRFCの例ばかりを挙げたが、他にもXMLにおける名前文字(タグに使う文字)として互換漢字は使用禁止とされている。『Extensible Markup Language (XML) 1.0 (Fourth Edition)』(http://www.w3.org/TR/REC-xml/)のうち「Appendices B Character Classes」において、互換漢字領域であるU+F900〜U+FFFEは名前文字としては使用禁止と規定されている。これを翻訳したJISは『JIS X 4159:2002』(http://www.y-adagio.com/public/standards/jis_xml/anxb.html#CharClasses)を参照。この理由も本文で述べたのと同じものと考えられる。
[*12]……バリエーション・シーケンスは字形選択子(Variation Selector)を使った符号表現一般を指す。その中でもU+E0100〜U+E01EFにある字形選択子を使って漢字の異体字を表現するものを「Ideographic Variation Sequence」と呼ぶ。『Unicode 5.0』「16.4 Variation Selectors」(http://unicode.org/versions/Unicode5.0.0/ch16.pdf)、『Unicode Ideographic Variation Sequenceの概要』(http://gaiji.sourceforge.jp/index.php?Unicode%20Ideographic%20Variation%20Sequence%20の概要)などを参照。この原稿では「異体字シーケンス」と呼ぶことにする。これに関する定訳はまだなく、今後メーカーの実装により呼び名が変わる可能性が高いことに注意。なお、異体字シーケンスはすでにAdobe SystemsがAcrobatバージョン9で実装をしている。これについては直井靖氏の『Mac OS Xの文字コード問題に関するメモ』2008年7月16日付エントリ「Acrobat 9のIVS(異体字シーケンス)対応」(http://d.hatena.ne.jp/NAOI/20080716)を参照。
[*13]……『Unicode Technical Standard #37 Ideographic Variation Database』(http://www.unicode.org/reports/tr37/
[*14]……『異体字フォントの入力に対応』(http://www.justsystems.com/jp/products/ichitaro/feature1.html
[*15]……Mac OS XのRTF形式はOS独自の拡張をしたものであり、Illustrator 5.5以降の字体切り換えや、一太郎2008よりは汎用性が高いと言える。もちろんこれをWindows Vistaなどに持っていけば、符号位置を持たない文字は表示できない。なお、Mac OS Xでは「Glyph Access Protocol」(『Technical Note TN2079』http://developer.apple.com/jp/technotes/tn2079.html)という手順を開発、アプリケーションがこれを利用することでフォントに内蔵された符号位置を持たない文字を入力可能にしている。Mac OS Xで動作するCocoaという種類のアプリケーションに限られる制限はあるものの、これをサポートしたアプリケーションの数は多くなってきているので、Mac OS Xでは符号位置を持たない文字の扱いはだいぶ進化してきていると言える。ただし、そうした文字を含むファイルを別のMac OS X環境で開いたら統合漢字に置き換わっていたということも多く、個人的にはまだ安心して使えるレベルにはなってない印象を持っている。



2008/09/08 15:58
小形克宏(おがた かつひろ)
文字とコンピュータのフリーライター。本紙連載「文字の海、ビットの舟」で文字の世界に漕ぎ出してから早くも8年あまり。知るほどに「海」の広さ深さに打ちのめされています。文字ブログ「もじのなまえ」ときどき更新中。

- ページの先頭へ-

INTERNET Watch ホームページ
Copyright (c) 2008 Impress Watch Corporation, an Impress Group company. All rights reserved.