JISの文字コード変換

Question

JISの文字コードで格納されたデータをQtで表示できるように文字コードの変換を試しているのですが、上手くいきません。

試したコードは以下の通りです。

wchar_t JIS_DATA[100];
上記の領域にJISコードの2バイト文字列(ＡＢＣＤＥＦＧＨ)が格納されています。

wchar_t *pData = &JIS_DATA[0];
QTextCodec *pCodec = QTextCodec::codecForName("ISO-2022-JP");
QByteArray aJisStr = QByteArray((const char *)pData);
QString strWork = pCodec->toUnicode(aJisStr);

strWorkの内容は「A#B#C#D#E#F#G#H#」となってしまいます。
strWorkに「ＡＢＣＤＥＦＧＨ」と変換したいですが...

御教授の程、宜しくお願い致します。

Comments

[itagagaki]

Qtは知らないんですけど、
wchar_t *pData = &JIS_DATA[0]; // ＡＢＣＤＥＦＧＨ
って、ISO-2022-JPでエンコードされたバイトコード？をwchar_t*で指しているのが不自然に思うのですが、そのへんどうなんでしょう？

[LS_Takao]

ご質問ありがとうございます。
JIS_DATA[]はwchar_t型の配列で別途定義しているという前提です。
質問内容を補いました。

気がかりなのは、toUnicode()がQByteArrayのデータを扱うため、wchar_tをQByteArrayに変換しているのですが、QByteArrayは「const char *」でなければならず、wchar_tを(const char *)でキャストしています。

[itagagaki]

ISO-2022-JPはバイト列なので、それをどうしてwchar_tで扱っているのかがそもそも不思議なんですけど、ISO-2022-JPの各バイトに1バイトの0を足して2バイトにして表現しているのだとしたら、それはISO-2022-JPではないので、ISO-2022-JPからの変換器として作成されたpCodecが正しく動作しないのは当たり前のような気がするのですが…。

[LS_Takao]

ISO-2022-JPで全角「Ａ」は、文字コードで表現すると「0x2341」のように、2バイトになると解釈しているのですが、認識が誤っているのでしょうか？

[itagagaki]

文字セットと文字エンコードがごっちゃになっているのかなと思います。
こちらが参考になるかなと思います。
http://www3.nit.ac.jp/~tamura/multimedia/japanese.html
ISO-2022-JPは行頭では必ずASCIIが用いられるので、0x23 0x41 ... というバイト列が来たら、ASCII で '#' 'A' ということになるでしょうね。

[LS_Takao]

御指摘いただきありがとうございます。
1バイトとして扱われてしまいそうだという点は理解できました。
どう改善すればよいかが判っていません。

Answer 1

以下のコードで実現することが出来ました。
アドバイスをいただいた皆様、ありがとうございました。

wchar_t wcData[100];
memset(&wcData, 0x00, sizeof(wcData));
for(i=0; i<100; i++) {
	if(0 == JIS_DATA[i]) {
		break;
	}
	wcData[i] = flip16(JIS_DATA[i]);
}
QTextCodec *pCodec = QTextCodec::codecForName("ISO-2022-JP");
QByteArray aJisStr = QByteArray((const char *)&wcData[0]);
aJisStr.insert(0, 0x1B);
aJisStr.insert(1, 0x24);
aJisStr.insert(2, 0x42);
QString strWork = pCodec->toUnicode(aJisStr);

Answer 2

文字コードが ISO-2022-JP の data.txt を Qt で扱おうとすると大体このようになります。

#include <QtCore>

int main(int argc, char **argv)
{
    QCoreApplication app(argc, argv);

    const auto codec = QTextCodec::codecForName("ISO-2022-JP");

    QFile file("data.txt");
    file.open(QFile::ReadOnly);
    const auto data = file.readAll();
    file.close();
    qDebug() << data << codec->toUnicode(data);

    return 0;
}

実行結果

"\x1B$B#A#B#C#D#E#F#G#H\x1B(B\n" "ＡＢＣＤＥＦＧＨ\n"

試されたコードは、ほぼ合ってそうなので、具体的になにがおかしいかの特定には
現象が再現できるような最小限のプログラム一式が必要かなと思います。

Comments

[LS_Takao]

御回答いただきありがとうございます。
wchar_t ではなく auto を用いている点と
「#A」のようにエンディアンを逆転している点に注目して、改善策を検討してみます。

Answer 3

wchar_t JIS_DATA[100];
上記の領域にJISコードの2バイト文字列(ＡＢＣＤＥＦＧＨ)が格納されています。

JIS X 0208 文字セットの2バイト文字がwchar_t配列に格納されているものと解釈して話を進めます。
その配列は「ISO-2022-JP で符号化されたデータ」ではないので、

QTextCodec::codecForName("ISO-2022-JP");

でデコードするのは無理です。

そこで、チカラワザになりますが、JIS_DATAの各「バイト」の最上位ビットを'1'にしてしまいましょう。
そうすればJIS_DATAを「EUC-JP でエンコードされたデータ」とみなすことが可能になるかな？と思います。

for (int i = 0; i < sizeof JIS_DATA / sizeof(wchar_t); i++) {
    if (0 == JIS_DATA[i]) {
        break;
    }
    JIS_DATA[i] |= 0x8080;
}
QTextCodec::codecForName("EUC-JP");
QByteArray aJisStr = QByteArray((const char *)JIS_DATA);
QString strWork = pCodec->toUnicode(aJisStr);

ですかね。

全然テストしていないのでミスがあったらごめんなさい。

Comments

[LS_Takao]

サンプルコードを示していただきありがとうございます。
早速試してみたのですが、「ＡＢＣＤＥＦＧＨ」ではなく、「腺贈達庁釘藤韮硲」となってしまいました。

[itagagaki]

バイトのエンディアンが逆かもしれないですね。

[LS_Takao]

エンディアンを変換したところ期待通りの結果となりました。
示していただきましたコードを参考に改善策を検討致します。
貴重な時間をありがとうございました。