UTF8-TEXT هو Value يحمل سلسلة UTF-8 بلا لغة. يستعمل زوج الرمزين الزوجي/الفردي 0x072L/0x073L.

البندالقيمة
الاسمUTF8-TEXT (حزمة زوجي/فردي. اسم كل رمز في جدول الأعضاء أدناه)
TAG ID0x072L·0x073L
القسم3 0011 (Value)، الإزاحة C داخل القسم = 18~19
KindValue · العائلة: TEXT
وصف الفهرسسلسلة بايتات UTF-8 صالحة لا توحي بأي تطبيع. بايتات زوجية·فردية
جهة Hugovalue/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 IDالاسمعدد البايتاتCodec IDمستند المواصفةTAG WORD
0x072LUTF8-TEXT-EVENزوجي0x000007200x00000000/codecs/0x00000720/0000 0111 0010 LLLL
0x073LUTF8-TEXT-ODDفردي0x000007300x00000000/codecs/0x00000730/0000 0111 0011 LLLL

الحقول (مستند المواصفة)

ترتيب FIELD داخل المستند هو ترتيب حقول Payload (مستند مواصفة Codec).

الترتيبالحقل (BIND)FIELDالعرضالصيغة المستقبِلة (CODEC)ENUM
1bytes#2قيمة 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 surrogate U+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 هو 00.

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) فهو UTF8-TEXT-ODD (0x073L)، وPayload 4100، والمجموع 2 WORD، وLLLL=0001. فالكل 0731 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).