UTF8-TEXT هو Value يحمل سلسلة UTF-8 بلا لغة. يستعمل زوج الرمزين الزوجي/الفردي 0x072L/0x073L.
| البند | القيمة |
|---|---|
| الاسم | UTF8-TEXT (حزمة زوجي/فردي. اسم كل رمز في جدول الأعضاء أدناه) |
| TAG ID | 0x072L·0x073L |
| القسم | 3 0011 (Value)، الإزاحة C داخل القسم = 18~19 |
| Kind | Value · العائلة: TEXT |
| وصف الفهرس | سلسلة بايتات UTF-8 صالحة لا توحي بأي تطبيع. بايتات زوجية·فردية |
| جهة Hugo | value/text/utf8-text.md |
الأعضاء
تتناول هذه الصفحة رمزين من زوج زوجي/فردي معاً. الرمز الزوجي للقيم ذات عدد البايتات الزوجي، والرمز الفردي لذات العدد الفردي (السجل وTAG WORD). مستند الـ Codec واحد لكل رمز. حقول المستندين متطابقة، ولا يختلفان إلا في هدف DECLARE والاسم (BIND).
| TAG ID | الاسم | عدد البايتات | Codec ID | مستند المواصفة | TAG WORD |
|---|---|---|---|---|---|
0x072L | UTF8-TEXT-EVEN | زوجي | 0x00000720 | 0x00000000/codecs/0x00000720/ | 0000 0111 0010 LLLL |
0x073L | UTF8-TEXT-ODD | فردي | 0x00000730 | 0x00000000/codecs/0x00000730/ | 0000 0111 0011 LLLL |
الحقول (مستند المواصفة)
ترتيب FIELD داخل المستند هو ترتيب حقول Payload (مستند مواصفة Codec).
| الترتيب | الحقل (BIND) | FIELD | العرض | الصيغة المستقبِلة (CODEC) | ENUM |
|---|---|---|---|---|---|
| 1 | bytes | #2 | قيمة خام للباقي (0xFFFF) |
UTF8-TEXT هو Value يحمل سلسلة بايتات UTF-8 صالحة وفق RFC 3629. يُستعمل للسلاسل التي لا لغة لها مثل المعرّفات والرموز وأسماء الملفات.
التخطيط
- الرمز: رمز مباشر لـ Value هو
0x072L(بايتات زوجية) و0x073L(بايتات فردية). العائلة TEXT. - يُحدَّد عدد البايتات بأدنى بت في Codec وبعدد WORD في Payload. هو
2 × عدد WORD في Payload − أدنى بت، ولا يوجد Byte Count (Value).
TAG WORD 0000 0111 001P LLLL Codec 0x072L/0x073L
[Length ممتد TAG] عندما يبلغ المجموع 15 WORD فأكثر
Payload WORD 1st ... Nth UTF-8 bytes / final zero padding
التفسير والصلاحية
- يجب أن تكون سلسلة البايتات UTF-8 سليمة التكوين بأقصر صيغة وفق نحو RFC 3629. ولا تتضمن نتيجة فك الترميز إلا قيم Unicode scalar في المدى
U+0000..U+10FFFF، دون مدى surrogateU+D800..U+DFFF. - يُعامل U+FEFF (بايتات UTF-8
EF BB BF) في أول Payload معاملة U+FEFF في أي موضع آخر ويُسمح به. ولا تُجرى معالجة U+FEFF signature (BOM) في البداية التي يصفها RFC 3629. لا يُزال ولا يُفسَّر كـ signature، بل يُحفظ كما في الأصل. - لا يُفرض Unicode normalization. يُحفظ تسلسل scalar الأصلي بعد فك الترميز كما هو.
- تُوضع بايتات UTF-8 الصالحة في Payload دون تحويل. في WORD الواحد يأتي البايت الأعلى أولاً. وإذا كان عدد البايتات فردياً (الرمز الفردي) وجب أن يكون البايت الأدنى غير المستعمل في آخر WORD هو
00. - عدد WORD في Payload هو
ceil(عدد البايتات/2). يُرفض الرمز الفردي إذا لم يكن البايت الأدنى في آخر WORD هو00.
المرجع المعياري
- يتبع مدى scalar في UTF-8 والبايتات سليمة التكوين RFC 3629.
- زوج الرمزين الزوجي/الفردي وzero padding وترتيب GEUL TAG/Length وWORD ذي 16 بت هي قواعد canonical framing لهذه الصيغة.
الطول
- المجموع هو عدد WORD في TAG واحد، وTAG Length الممتد (إن وُجد)، وPayload. حتى 14 WORD يُستعمل الطول المباشر، ومن 15 WORD فأكثر يُستعمل الطول الممتد
1110·1111، ويدخل TAG الممتد في المجموع (Length). - تُكتب السلسلة ذات 0 بايت بالرمز الزوجي في سجل من 1 WORD (TAG WORD فقط) (Value).
مثال
A(41) بايت واحد (فردي) فهوUTF8-TEXT-ODD(0x073L)، وPayload4100، والمجموع 2 WORD، وLLLL=0001. فالكل0731 4100.- السلسلة الفارغة هي
0720(UTF8-TEXT-EVEN، TAG WORD فقط) أي 1 WORD.
نص مستند المواصفة
هذا مستند المواصفة 0x00000000/codecs/0x00000720/latest.geul كما يُقرأ بـ geul show (الأرقام السداسية عشرية بأحرف كبيرة).
SPEC-VERSION 0x0001
DOC-ID 0x0426000000000000072000000000
BODY
#1 DECLARE 0x0720
#2 FIELD #1 rest
#3 BIND #1 "UTF8-TEXT-EVEN"
#4 BIND #2 "bytes"
ما سبق مستند Codec للرمز UTF8-TEXT-EVEN (0x072L). أما مستند Codec للعضو الآخر (UTF8-TEXT-ODD) فلا يختلف إلا في Codec ID داخل DOC-ID، وهدف DECLARE، والاسم المربوط في #1 (BIND).