Camomile

OCaml用Unicodeライブラリ 山形賴之

２０１１年１２月２９日 京大

Agenda

Unicodeとは？

OCamlとは？

Camomile

Agenda

Unicodeとは？

OCamlとは？

Camomile

ᚠ

あ

A

U+16A0

U+3042

U+0041 Ậ U+1EAC = U+0041 + U+0302 + U+0323

既 U+65E2

旣 U+65E3

文字集合は民族の財産だ！

勝手に統合するな！

Code Seｔ Independeceにこだわる

Character, not glyph

AAAAA ←すべて同じ文字

原則：文字という論理的な対象をコード

論理的とは？

≒意味

でも、既≠旣とかわかりにくい

具体的な形

意味

抽象的な構造

士≠土

既≠旣 とめ、はね、など

0 20000

拡張漢字

30000

Private Zone

F0000 10FFFF E0000

タグ

10000

BMP：よく使われる文字

Plane 1: 特殊記号、歴史的な文字

A ４１

Ω CE A9

語 E8 AA 9E

𠀔 F0 A0 80 94

A 00４１

Ω 03A9

語 8A9E

𠀔 D840 DC14

A 000000４１

Ω 000003A9

語 0000819E

𠀔 00020014

Ậ = Ậ

1EAC

= A + ̂+ ̣ 0041 0302 0323

= A + ̣+ ̂ 0041 0323 0302

NFD:できるだけ分解 NFD(Â+ ̣）=A + ̣+ ̂

NFC:できるだけ合成 NFC(A + ̂+ ̣）= Ậ

NFKD,NFKC: NFKD(ｶ）= カ NFKD(Dž）= D + z + ̆

Unicode Algorithm

• Unicode collation algorithm (UCA)

• Case mapping algorithm

• Bidirectional algorithm (BIDI)

Agenda

Unicodeとは？

OCamlとは？

Camomile

Haskell ML系言語

OCaml F#

Lisp,Scheme,Erlang

Scala

OCaml vs Haskell

• 関数型言語

–副作用のないプログラミングスタイルを奨励

• Hindley-Milner type systemがベース

–強い静的型付け

–型推論

–多相型

OCaml vs Haskell(続き)

OCaml

Eager

副作用あり

begin … end etc.

独自機能

モジュール

オブジェクト指向

Haskell

Lazy

モナド

オフサイドルール

独自機能

タイプクラス

Agenda

Unicodeとは？

OCamlとは？

Camomile

Camomile

• 基本データ型

• 文字コード変換

• 正規化

• Unicode Algorithms

– UCA (文字列照合)

– Case mappings

• 正規表現

サイト

• Github / yoriyuki / Camomile

• 課題

– ulib

– Unicode 6.X対応

–まともな正規表現エンジン

–バグ、バグ、バグ…