マクロツイーター

はてダから移行した記事の表示が崩れてますが、そのうちに直せればいいのに（えっ）

きょうの XeTeX (3) : \XeTeXinputencoding, \XeTeXdefaultencoding

TeX XeTeX

例の Qiita の記事で触れたように、XeTeX エンジンには入力ファイルの文字コードを選択する機能がある。

  • \XeTeXinputencoding <文字コード名> ：［命令］ 現在読込中のファイルの、以降のテキスト行の文字コードを指定する。設定は常にグローバルである。
  • \XeTeXdefaultencoding <文字コード名> ：［命令］ 以降に読み込むファイルの文字コードを指定する。設定は常にグローバルである。
文字コード名

ここで <文字コード名> に指定できる値であるが、何故かマニュアルを見ても全然情報がない。ソースコードやネット上の情報から判断すると、以下のようである。

  • utf8 ： UTF-8。
  • utf16be ： UTF-16BE。
  • utf16le ： UTF-16LE。
  • utf16 ： 環境により異なり、UTF-16BE と UTF-16LE の何れか一方になる。恐らく有用ではない。
  • bytes ： バイトセマンティック。つまり、0〜255 のバイトをそのまま符号値 0〜255 の文字と解釈する。実質的に Latin-1（latin1）を指定したのと等価。
  • auto ： （\XeTeXdefaultencoding のみで使用可能。）UTF-8、UTF-16BE、UTF-16LE の中で自動判別する。((\XeTeXinputencoding で auto を指定しようとすると、「! Encoding mode `auto' is not valid for \XeTeXinputencoding.」のエラーが出て指定自体が無視される。))
  • 以上の値以外は、ICU ライブラリが認識する文字コード名（参照）と解釈される。有効な値を幾つか列挙する：
    • ascii： US-ASCII
    • latin1： Latin-1（ISO-8859-1）
    • latin2： Latin-2（ISO-8859-2）
    • cp437： CP437((inputenc パッケージの文字コード名でいうと、cp437 でなくて cp437de の方に等しい。))
    • koi8-r： KOI8-R
    • mac： Macintosh Roman
    • macce： Macintosh Central European
    • windows-1250： Windows-1250
    • windows-1251： Windows-1251（Windows 版の Latin-1）
    • windows-1252： Windows-1252
    • iso-2022-jp： ISO-2022-JP
    • shift_jis： Shift_JIS……じゃなくて CP932((Unicode とのマップについては、「ibm943」が“本来の Shift_JIS”により近い（ただし 2 バイト部分は全角互換形を優先する）。しかしこの文字コードでは 1 バイトの「\」（0x5C）が U+00A5 にマップされるので、TeX ソースでは非常に使いづらい。))
    • euc-jp： EUC-JP*1
    • ksc_5601： CP949（UHC、Window 版の KS C 5601）
    • gbk： CP936（GBK、Windows 版の GB 2312）
    • big5： CP950（Windows 版の Big5）
    無効な値が指定された場合は、ログに警告が出力された上で、bytes の設定が使われる。
注意事項
  • \XeTeXdefaultencoding の既定値は「auto」である。\XeTeXinputencoding の既定値（つまりファイル先頭での設定値）は、もちろん \XeTeXdefaultencoding の値（auto の場合は自動判定された結果の値）である。
  • これらのパラメタの設定は常にグローバルである。つまり、グルーピングによる局所化の影響を受けない。
  • これらのパラメタの現在の値を“読みだす”方法は存在しないようにみえる。*2
  • ファイル先頭の BOM のコードについては、\XeTeXdefaultencoding が「auto」の場合は BOM と解釈される（つまりデコードすると消える）。しかし「utf...」の場合は BOM と解釈されずデコード後に残ってしまって出力に悪影響を及ぼすようである。((もちろん、ファイルの先頭にある BOM は \XeTeXinputencoding の影響を受けることはありえない。))
  • 以前の記事で説明したように、これらのプリミティブは「クオートで囲める引数」をとる。
    % 次の2つは等価
\XeTeXinputencoding utf8
\XeTeXinputencoding "utf8"
    ただし、引数となる有効な文字コード名には空白文字が入ったものは存在しないので、実際にクオートで囲む機会は無いと思われる。

*1:恐らく、これも実際は「CP932 の EUC 版（CP50932）」だと思われる。

*2:従って、一時的に値を変更した値に「元の値に戻す」という処理が行い難い。