Lua に渡る「文字列」のエンコーディング

LuaTeX において、Unicode 文字列は UTF-8 にエンコードされた形で Lua に渡っている。それを確かめる実験。

{\lccode`Z="3042 \lowercase{\gdef\hiraA{Z}}}

\directlua{ local str, pc = "\hiraA", string.char(37)

  for i = 1, str:len() do tex.write((pc.."02X"):format(str:byte(i))) end

}

\bye

これをコンパイルすると出力は「E38182」になる。

1 行目では、\lowercase を利用して、符号値 U+3042 の文字トークンのみからなるマクロ \hiraA を定義している。要するに \gdef\hiraA{あ} と同じであるが、入力文字コード（これも UTF-8 である）の影響がないことを明確化するために敢えてこうしている。\directlua の中身は、Lua 文字列 "あ" の各バイト値を 16 進数で出力するものである。結果の「E38182」は U+3042 の UTF-8 表現であるから、Lua が UTF-8 のバイト列を受け取ることが判った。