|
Perl은 5.8.0판부터 유니코드/ISO 10646에 대한 광범위한 지원을 합니다. 유니코드 지원의 일환으로 한중일을 비롯한 세계 각국에서 유니코드 이전에 쓰고 있었고 지금도 널리 쓰이고 있는 수많은 인코딩을 지원합니다.
유니코드는 전 세계에서 쓰이는 모든 언어를 위한 표기 체계 - 유럽의 라틴 알파벳, 키릴 알파벳, 그리스 알파벳, 인도와 동남 아시아의 브라미 계열 스크립트, 아랍 문자, 히브리 문자, 한중일의 한자, 한국어의 한글, 일본어의 가나, 북미 인디안의 표기 체계 등-를 수용하는 것을 목표로 하고 있기 때문에 기존에 쓰이던 각 언어 및 국가 그리고 운영 체계에 고유한 문자 집합과 인코딩에 쓸 수 있는 모든 글자는 물론이고 기존 문자 집합에서 지원하고 있지 않던 아주 많은 글자를 포함하고 있습니다.
Perl은 내부적으로 유니코드를 문자 표현을 위해 사용합니다. 보다 구체적으로 말하면 Perl 스크립트 안에서 UTF-8 문자열을 쓸 수 있고, 각종 함수와 연산자(예를 들어, 정규식, index, substr)가 바이트 단위 대신 유니코드 글자 단위로 동작합니다. (더 자세한 것은 perlunicode 매뉴얼을 참고하십시오.)
유니코드가 널리 보급되기 전에 널리 쓰이고 있었고, 여전히 널리 쓰이고 있는 각국/각 언어별 인코딩으로 입출력을 하고 이들 인코딩으로 된 데이터와 문서를 다루는 것을 돕기 위해 ’Encode’가 쓰였습니다. 무엇보다 ’Encode’를 써서 수많은 인코딩 사이의 변환을 쉽게 할 수 있습니다.
’Encode’는 다음과 같은 한국어 인코딩을 지원합니다.
euc-kr
US-ASCII와 KS X 1001을 같이 쓰는 멀티바이트 인코딩 (흔히 완성형이라고 불림.) KS X 2901과 RFC 1557 참고.
cp949
MS-Windows 9x/ME에서 쓰이는 확장 완성형. euc-kr에 8,822자의 한글 음절을 더한 것임. alias는 uhc, windows-949, x-windows-949, ks_c_5601-1987. 맨 마지막 이름은 적절하지 않은 이름이지만, Microsoft 제품에서 CP949의 의미로 쓰이고 있음.
johab
KS X 1001:1998 부록 3에서 규정한 조합형. 문자 레퍼토리는 cp949와 마찬가지로 US-ASCII와 KS X 1001에 8,822자의 한글 음절을 더한 것임. 인코딩 방식은 전혀 다름.
iso-2022-kr
RFC 1557에서 규정한 한국어 인터넷 메일 교환용 인코딩으로 US-ASCII와 KS X 1001을 레퍼토리로 하는 점에서 euc-kr과 같지만 인코딩 방식이 다름. 1997-8년 경까지 쓰였으나 더 이상 메일 교환에 쓰이지 않음.
ksc5601-raw
KS X 1001(KS C 5601)을 GL(즉, MSB를 0으로 한 경우) 에 놓았을 때의 인코딩. US-ASCII와 결합하지 않고 단독으로 쓰이는 일은 X11 등에서 글꼴 인코딩 (ksc5601.1987-0. ’0’은 GL을 의미함.)으로 쓰이는 것을 제외하고는 거의 없음. KS C 5601은 1997년 KS X 1001로 이름을 바꾸었음. 1998년에는 두 글자 (유로화 부호와 등록 상표 부호)가 더해졌음.
몇 가지 사용 예제를 아래에 보입니다.
예를 들어, euc-kr 인코딩으로 된 파일을 UTF-8로 변환하려면 다음과 같이 하면 됩니다.
perl -Mencoding=euc-kr,STDOUT,utf8 -pe1 < file.euckr > file.utf8
역변환은 다음과 같이 할 수 있습니다.
perl -Mencoding=utf8,STDOUT,euc-kr -pe1 < file.utf8 > file.euckr
이런 변환을 좀더 편리하게 할 수 있도록 Encode 모듈을 써서 순수하게 Perl로만 쓰인 piconv가 Perl에 들어 있습니다. 그 이름에서 알 수 있듯이 piconv는 Unix에 있는 iconv를 모델로 한 것입니다. 그 사용법은 아래와 같습니다.
piconv -f euc-kr -t utf8 < file.euckr > file.utf8
piconv -f utf8 -t euc-kr < file.utf8 > file.euckr
또, ’PerlIO::encoding’ 모듈을 써서 한국어 인코딩을 쓰면서 글자 단위
(바이트 단위가 아니라) 처리를 쉽게 할 수 있습니다.
#!/path/to/perl
use encoding ’euc-kr’, STDIN => ’euc-kr’,
STDOUT-> ’euc-kr’, STDERR=>’euc-kr’;
print length("가나"); # 2 (큰 따옴표는 글자 단위 처리를 지시)
print length(’가나’); # 4 (작은 따옴표는 바이트 단위 처리를 지시)
print index("한강, 대동강", "염"); # -1 (’염’이 없음)
print index(’한강, 대동강’, ’염’); # 7 (8번째와 9번째 바이트가 ’염’의 코드값과 일치함.)
더 자세히 알고 싶으면...
Perl을 설치하면 대단히 자세한 문서가 같이 따라 오며, 이 문서를 통해 Perl 전반 뿐 아니라 유니코드 지원, Encode의 사용법 등에 많은 것을 배울 수 있습니다. 아직 이 문서는 현재 모두 영어로 쓰여 있습니다.
유니코드 및 한국어 인코딩 관련 자료
<http://www.unicode.org/> 유니코드 컨소시엄.
<http://std.dkuug.dk/JTC1/SC2/WG2> 기본적으로 Unicode와 같은 ISO 표준인 ISO/IEC 10646 UCS(Universal Character Set)을 만드는 ISO/IEC JTC1/SC2/WG2의 웹 페이지.
<http://jshin.net/faq/qa8.html> 한국어 문자 집합 및 인코딩에 대한 안내.
<http://www.cl.cam.ac.uk/~mgk25/unicode.html> 유닉스/리눅스에서 유니코드와 UTF-8 사용에 대한 문답집(FAQ)
<http://kldp.org/Translations/html/UTF8-Unicode-KLDP/UTF8-Unicode-KLDP.html> 유닉스/리눅스에서 유니코드와 UTF-8 사용에 대한 문답집(FAQ)의 한국어 번역
SEE ALSO : Encode, Encode::KR, encoding, perluniintro, perlunicode
AUTHORS : Jarkko Hietaniemi <jhi@iki.fi> 신정식 <jshin@mailaps.org> |
|
