Change canonical name of BIG5HKSCS to BIG5-HKSCS.
[libiconv.git] / NOTES
bloba1243e1dabb807cf4827d2cb95b0ce2c2d22d372
1 Q: Why does libiconv support encoding XXX? Why does libiconv not support
2    encoding ZZZ?
4 A: libiconv, as an internationalization library, supports those character
5    sets and encodings which are in wide-spread use in at least one territory
6    of the world.
8    Hint1: On http://www.w3c.org/International/O-charset-lang.html you find a
9    page "Languages, countries, and the charsets typically used for them".
10    From this table, we can conclude that the following are in active use:
12      ISO-8859-1, CP1252   Afrikaans, Albanian, Basque, Catalan, Danish, Dutch,
13                           English, Faroese, Finnish, French, Galician, German,
14                           Icelandic, Irish, Italian, Norwegian, Portuguese,
15                           Scottish, Spanish, Swedish
16      ISO-8859-2           Croatian, Czech, Hungarian, Polish, Romanian, Slovak,
17                           Slovenian
18      ISO-8859-3           Esperanto, Maltese
19      ISO-8859-5           Bulgarian, Byelorussian, Macedonian, Russian,
20                           Serbian, Ukrainian
21      ISO-8859-6           Arabic
22      ISO-8859-7           Greek
23      ISO-8859-8           Hebrew
24      ISO-8859-9, CP1254   Turkish
25      ISO-8859-10          Inuit, Lapp
26      ISO-8859-13          Latvian, Lithuanian
27      ISO-8859-15          Estonian
28      KOI8-R               Russian
29      SHIFT_JIS            Japanese
30      ISO-2022-JP          Japanese
31      EUC-JP               Japanese
33    Ordered by frequency on the web (1997):
34      ISO-8859-1, CP1252   96%
35      SHIFT_JIS             1.6%
36      ISO-2022-JP           1.2%
37      EUC-JP                0.4%
38      CP1250                0.3%
39      CP1251                0.2%
40      CP850                 0.1%
41      MACINTOSH             0.1%
42      ISO-8859-5            0.1%
43      ISO-8859-2            0.0%
45    Hint2: The character sets mentioned in the XFree86 4.0 locale.alias file.
47      ISO-8859-1           Afrikaans, Basque, Breton, Catalan, Danish, Dutch,
48                           English, Estonian, Faroese, Finnish, French,
49                           Galician, German, Greenlandic, Icelandic,
50                           Indonesian, Irish, Italian, Lithuanian, Norwegian,
51                           Occitan, Portuguese, Scottish, Spanish, Swedish,
52                           Walloon, Welsh
53      ISO-8859-2           Albanian, Croatian, Czech, Hungarian, Polish,
54                           Romanian, Serbian, Slovak, Slovenian
55      ISO-8859-3           Esperanto
56      ISO-8859-4           Estonian, Latvian, Lithuanian
57      ISO-8859-5           Bulgarian, Byelorussian, Macedonian, Russian,
58                           Serbian, Ukrainian
59      ISO-8859-6           Arabic
60      ISO-8859-7           Greek
61      ISO-8859-8           Hebrew
62      ISO-8859-9           Turkish
63      ISO-8859-14          Breton, Irish, Scottish, Welsh
64      ISO-8859-15          Basque, Breton, Catalan, Danish, Dutch, Estonian,
65                           Faroese, Finnish, French, Galician, German,
66                           Greenlandic, Icelandic, Irish, Italian, Lithuanian,
67                           Norwegian, Occitan, Portuguese, Scottish, Spanish,
68                           Swedish, Walloon, Welsh
69      KOI8-R               Russian
70      KOI8-U               Russian, Ukrainian
71      EUC-JP (alias eucJP)      Japanese
72      ISO-2022-JP (alias JIS7)  Japanese
73      SHIFT_JIS (alias SJIS)    Japanese
74      U90                       Japanese
75      S90                       Japanese
76      EUC-CN (alias eucCN)      Chinese
77      EUC-TW (alias eucTW)      Chinese
78      BIG5                      Chinese
79      EUC-KR (alias eucKR)      Korean
80      ARMSCII-8                 Armenian
81      GEORGIAN-ACADEMY          Georgian
82      GEORGIAN-PS               Georgian
83      TIS-620 (alias TACTIS)    Thai
84      MULELAO-1                 Laothian
85      IBM-CP1133                Laothian
86      VISCII                    Vietnamese
87      TCVN                      Vietnamese
88      NUNACOM-8                 Inuktitut
90    Hint3: The character sets supported by Netscape Communicator 4.
92      Where is this documented? For the complete picture, I had to use
93      "strings netscape" and then a lot of guesswork. For a quick take,
94      look at the "View - Character set" menu of Netscape Communicator 4.6:
96      ISO-8859-{1,2,5,7,9,15}
97      WINDOWS-{1250,1251,1253}
98      KOI8-R               Cyrillic
99      CP866                Cyrillic
100      Autodetect           Japanese  (EUC-JP, ISO-2022-JP, ISO-2022-JP-2, SJIS)
101      EUC-JP               Japanese
102      SHIFT_JIS            Japanese
103      GB2312               Chinese
104      BIG5                 Chinese
105      EUC-TW               Chinese
106      Autodetect           Korean    (EUC-KR, ISO-2022-KR, but not JOHAB)
108      UTF-8
109      UTF-7
111    Hint4: The character sets supported by Microsoft Internet Explorer 4.
113      ISO-8859-{1,2,3,4,5,6,7,8,9}
114      WINDOWS-{1250,1251,1252,1253,1254,1255,1256,1257}
115      KOI8-R               Cyrillic
116      KOI8-RU              Ukrainian
117      ASMO-708             Arabic
118      EUC-JP               Japanese
119      ISO-2022-JP          Japanese
120      SHIFT_JIS            Japanese
121      GB2312               Chinese
122      HZ-GB-2312           Chinese
123      BIG5                 Chinese
124      EUC-KR               Korean
125      ISO-2022-KR          Korean
126      WINDOWS-874          Thai
127      WINDOWS-1258         Vietnamese
129      UTF-8
130      UTF-7
131      UNICODE             actually UNICODE-LITTLE
132      UNICODEFEFF         actually UNICODE-BIG
134      and various DOS character sets: DOS-720, DOS-862, IBM852, CP866.
136    We take the union of all these four sets. The result is:
138    European and Semitic languages
139      * ASCII.
140        We implement this because it is occasionally useful to know or to
141        check whether some text is entirely ASCII (i.e. if the conversion
142        ISO-8859-x -> UTF-8 is trivial).
143      * ISO-8859-{1,2,3,4,5,6,7,8,9,10}
144        We implement this because they are widely used. Except ISO-8859-4
145        which appears to have been superseded by ISO-8859-13 in the baltic
146        countries. But it's an ISO standard anyway.
147      * ISO-8859-13
148        We implement this because it's a standard in Lithuania and Latvia.
149      * ISO-8859-14
150        We implement this because it's an ISO standard.
151      * ISO-8859-15
152        We implement this because it's increasingly used in Europe, because
153        of the Euro symbol.
154      * ISO-8859-16
155        We implement this because it's an ISO standard.
156      * KOI8-R, KOI8-U
157        We implement this because it appears to be the predominant encoding
158        on Unix in Russia and Ukraine, respectively.
159      * KOI8-RU
160        We implement this because MSIE4 supports it.
161      * CP{1250,1251,1252,1253,1254,1255,1256,1257}
162        We implement these because they are the predominant Windows encodings
163        in Europe.
164      * CP850
165        We implement this because it is mentioned as occurring in the web
166        in the aforementioned statistics.
167      * CP862
168        We implement this because Ron Aaron says it is sometimes used in web
169        pages and emails.
170      * CP866
171        We implement this because Netscape Communicator does.
172      * Mac{Roman,CentralEurope,Croatian,Romania,Cyrillic,Greek,Turkish} and
173        Mac{Hebrew,Arabic}
174        We implement these because the Sun JDK does, and because Mac users
175        don't deserve to be punished.
176      * Macintosh
177        We implement this because it is mentioned as occurring in the web
178        in the aforementioned statistics.
179    Japanese
180      * EUC-JP, SHIFT-JIS, ISO-2022-JP
181        We implement these because they are widely used. EUC-JP and SHIFT-JIS
182        are more used for files, whereas ISO-2022-JP is recommended for email.
183      * CP932
184        We implement this because it is the Microsoft variant of SHIFT-JIS,
185        used on Windows.
186      * ISO-2022-JP-2
187        We implement this because it's the common way to represent mails which
188        make use of JIS X 0212 characters.
189      * ISO-2022-JP-1
190        We implement this because it's in the RFCs, but I don't think it is
191        really used.
192      * U90, S90
193        We DON'T implement this because I have no informations about what it
194        is or who uses it.
195    Simplified Chinese
196      * EUC-CN = GB2312
197        We implement this because it is the widely used representation
198        of simplified Chinese.
199      * GBK
200        We implement this because it appears to be used on Solaris and Windows.
201      * GB18030
202        We implement this because it is an official requirement in the
203        People's Republic of China.
204      * ISO-2022-CN
205        We implement this because it is in the RFCs, but I have no idea
206        whether it is really used.
207      * ISO-2022-CN-EXT
208        We implement this because it's in the RFCs, but I don't think it is
209        really used.
210      * HZ = HZ-GB-2312
211        We implement this because the RFCs recommend it for Usenet postings,
212        and because MSIE4 supports it.
213    Traditional Chinese
214      * EUC-TW
215        We implement it because it appears to be used on Unix.
216      * BIG5
217        We implement it because it is the de-facto standard for traditional
218        Chinese.
219      * CP950
220        We implement this because it is the Microsoft variant of BIG5, used
221        on Windows.
222      * BIG5+
223        We DON'T implement this because it doesn't appear to be in wide use.
224        Only the CWEX fonts use this encoding. Furthermore, the conversion
225        tables in the big5p package are not coherent: If you convert directly,
226        you get different results than when you convert via GBK.
227      * BIG5-HKSCS
228        We implement it because it is the de-facto standard for traditional
229        Chinese in Hongkong.
230    Korean
231      * EUC-KR
232        We implement these because they appear to be the widely used
233        representations for Korean.
234      * CP949
235        We implement this because it is the Microsoft variant of EUC-KR, used
236        on Windows.
237      * ISO-2022-KR
238        We implement it because it is in the RFCs and because MSIE4 supports
239        it, but I have no idea whether it's really used.
240      * JOHAB
241        We implement this because it is apparently used on Windows as a locale
242        encoding (codepage 1361).
243      * ISO-646-KR
244        We DON'T implement this because although an old ASCII variant, its
245        glyph for 0x7E is not clear: RFC 1345 and unicode.org's JOHAB.TXT
246        say it's a tilde, but Ken Lunde's "CJKV information processing" says
247        it's an overline. And it is not ISO-IR registered.
248    Armenian
249      * ARMSCII-8
250        We implement it because XFree86 supports it.
251    Georgian
252      * Georgian-Academy, Georgian-PS
253        We implement these because they appear to be both used for Georgian;
254        Xfree86 supports them.
255    Thai
256      * TIS-620
257        We implement this because it seems to be standard for Thai.
258      * CP874
259        We implement this because MSIE4 supports it.
260      * MacThai
261        We implement this because the Sun JDK does, and because Mac users
262        don't deserve to be punished.
263    Laotian
264      * MuleLao-1, CP1133
265        We implement these because XFree86 supports them. I have no idea which
266        one is used more widely.
267    Vietnamese
268      * VISCII, TCVN
269        We implement these because XFree86 supports them.
270      * CP1258
271        We implement this because MSIE4 supports it.
272    Other languages
273      * NUNACOM-8 (Inuktitut)
274        We DON'T implement this because it isn't part of Unicode yet, and
275        therefore doesn't convert to anything except itself.
276    Platform specifics
277      * HP-ROMAN8, NEXTSTEP
278        We implement these because they were the native character set on HPs
279        and NeXTs for a long time, and libiconv is intended to be usable on
280        these old machines.
281    Full Unicode
282      * UTF-8, UCS-2, UCS-4
283        We implement these. Obviously.
284      * UCS-2BE, UCS-2LE, UCS-4BE, UCS-4LE
285        We implement these because they are the preferred internal
286        representation of strings in Unicode aware applications. These are
287        non-ambiguous names, known to glibc. (glibc doesn't have
288        UCS-2-INTERNAL and UCS-4-INTERNAL.)
289      * UTF-16, UTF-16BE, UTF-16LE
290        We implement these, because UTF-16 is still the favourite encoding of
291        the president of the Unicode Consortium (for political reasons), and
292        because they appear in RFC 2781.
293      * UTF-32, UTF-32BE, UTF-32LE
294        We implement these because they are part of Unicode 3.1.
295      * UTF-7
296        We implement this because it is essential functionality for mail
297        applications.
298      * JAVA
299        We implement it because it's used for Java programs and because it's
300        a nice encoding for debugging.
301      * UNICODE (big endian), UNICODEFEFF (little endian)
302        We DON'T implement these because they are stupid and not standardized.
303    Full Unicode, in terms of `uint16_t' or `uint32_t'
304    (with machine dependent endianness and alignment)
305      * UCS-2-INTERNAL, UCS-4-INTERNAL
306        We implement these because they are the preferred internal
307        representation of strings in Unicode aware applications.
309 Q: Support encodings mentioned in RFC 1345 ?
310 A: No, they are not in use any more. Supporting ISO-646 variants is pointless
311    since ISO-8859-* have been adopted.
313 Q: Support EBCDIC ?
314 A: No!
316 Q: How do I add a new character set?
317 A: 1. Explain the "why" in this file, above.
318    2. You need to have a conversion table from/to Unicode. Transform it into
319    the format used by the mapping tables found on ftp.unicode.org: each line
320    contains the character code, in hex, with 0x prefix, then whitespace,
321    then the Unicode code point, in hex, 4 hex digits, with 0x prefix. '#'
322    counts as a comment delimiter until end of line.
323    Please also send your table to Mark Leisher <mleisher@crl.nmsu.edu> so he
324    can include it in his collection.
325    3. If it's an 8-bit character set, use the '8bit_tab_to_h' program in the
326    tools directory to generate the C code for the conversion. You may tweak
327    the resulting C code if you are not satisfied with its quality, but this
328    is rarely needed.
329    If it's a two-dimensional character set (with rows and columns), use the
330    'cjk_tab_to_h' program in the tools directory to generate the C code for
331    the conversion. You will need to modify the main() function to recognize
332    the new character set name, with the proper dimensions, but that shouldn't
333    be too hard. This yields the CCS. The CES you have to write by hand.
334    4. Store the resulting C code file in the lib directory. Add a #include
335    directive to converters.h, and add an entry to the encodings.def file.
336    5. Compile the package, and test your new encoding using a program like
337    iconv(1) or clisp(1).
338    6. Augment the testsuite: Add a line to each of tests/Makefile.in,
339    tests/Makefile.msvc and tests/Makefile.os2. For a stateless encoding,
340    create the complete table as a TXT file. For a stateful encoding,
341    provide a text snippet encoded using your new encoding and its UTF-8
342    equivalent.
343    7. Update the README and man/iconv_open.3, to mention the new encoding.
344    Add a note in the NEWS file.
346 Q: What about bidirectional text? Should it be tagged or reversed when
347    converting from ISO-8859-8 or ISO-8859-6 to Unicode? Qt appears to do
348    this, see qt-2.0.1/src/tools/qrtlcodec.cpp.
349 A: After reading RFC 1556: I don't think so. Support for ISO-8859-8-I and
350    ISO-8859-E remains to be implemented.
351    On the other hand, a page on www.w3c.org says that ISO-8859-8 in *email*
352    is visually encoded, ISO-8859-8 in *HTML* is logically encoded, i.e.
353    the same as ISO-8859-8-I. I'm confused.
355 Other character sets not implemented:
356 "MNEMONIC" = "csMnemonic"
357 "MNEM" = "csMnem"
358 "ISO-10646-UCS-Basic" = "csUnicodeASCII"
359 "ISO-10646-Unicode-Latin1" = "csUnicodeLatin1" = "ISO-10646"
360 "ISO-10646-J-1"
361 "UNICODE-1-1" = "csUnicode11"
362 "csWindows31Latin5"
364 Other aliases not implemented (and not implemented in glibc-2.1 either):
365   From MSIE4:
366     ISO-8859-1: alias ISO8859-1
367     ISO-8859-2: alias ISO8859-2
368     KSC_5601: alias KS_C_5601
369     UTF-8: aliases UNICODE-1-1-UTF-8 UNICODE-2-0-UTF-8
372 Q: How can I integrate libiconv into my package?
373 A: Just copy the entire libiconv package into a subdirectory of your package.
374    At configuration time, call libiconv's configure script with the
375    appropriate --srcdir option and maybe --enable-static or --disable-shared.
376    Then "cd libiconv && make && make install-lib libdir=... includedir=...".
377    'install-lib' is a special (not GNU standardized) target which installs
378    only the include file - in $(includedir) - and the library - in $(libdir) -
379    and does not use other directory variables. After "installing" libiconv
380    in your package's build directory, building of your package can proceed.
382 Q: Why is the testsuite so big?
383 A: Because some of the tests are very comprehensive.
384    If you don't feel like using the testsuite, you can simply remove the
385    tests/ directory.