UTF8-TEXT adalah Value yang memuat string UTF-8 tanpa bahasa. Memakai pasangan kode jumlah byte genap·ganjil 0x072L/0x073L.
| Butir | Nilai |
|---|---|
| Nama | UTF8-TEXT (kelompok genap-ganjil. Nama tiap kode ada di tabel anggota di bawah) |
| TAG ID | 0x072L·0x073L |
| Bagian | 3 0011 (Value), offset dalam bagian C = 18~19 |
| Kind | Value · keluarga: TEXT |
| Deskripsi indeks | Deret byte UTF-8 valid yang tidak menyiratkan normalisasi. Jumlah byte genap·ganjil |
| Sisi Hugo | value/text/utf8-text.md |
Anggota
Halaman ini membahas dua kode pasangan genap-ganjil sekaligus. Kode genap adalah nilai dengan jumlah byte genap, kode ganjil dengan jumlah byte ganjil (Record dan TAG WORD). Dokumen Codec ada satu per kode. Field pada kedua dokumen Codec sama, hanya sasaran DECLARE dan nama (BIND) yang berbeda.
| TAG ID | Nama | Jumlah byte | Codec ID | Dokumen spesifikasi | TAG WORD |
|---|---|---|---|---|---|
0x072L | UTF8-TEXT-EVEN | genap | 0x00000720 | 0x00000000/codecs/0x00000720/ | 0000 0111 0010 LLLL |
0x073L | UTF8-TEXT-ODD | ganjil | 0x00000730 | 0x00000000/codecs/0x00000730/ | 0000 0111 0011 LLLL |
Field (dokumen spesifikasi)
Urutan FIELD dalam dokumen adalah urutan field Payload (dokumen spesifikasi Codec).
| Urutan | Field (BIND) | FIELD | Lebar | Format penerima (CODEC) | ENUM |
|---|---|---|---|---|---|
| 1 | bytes | #2 | sisa nilai mentah (0xFFFF) |
UTF8-TEXT adalah Value yang memuat deret byte UTF-8 valid menurut RFC 3629. Dipakai untuk string tanpa bahasa seperti pengenal, kode, dan nama berkas.
Layout
- Kode: kode langsung Value
0x072L(jumlah byte genap)·0x073L(jumlah byte ganjil). Keluarga TEXT. - Jumlah byte ditentukan oleh bit paling rendah Codec dan jumlah Payload WORD. Rumusnya
2 × jumlah Payload WORD − bit paling rendah, dan Byte Count tidak dipakai (Value).
TAG WORD 0000 0111 001P LLLL Codec 0x072L/0x073L
[Length extension TAG] jika total 15 WORD atau lebih
Payload WORD 1st ... Nth UTF-8 bytes / final zero padding
Interpretasi dan validitas
- Deret byte harus berupa UTF-8 well-formed shortest-form yang sesuai tata bahasa RFC 3629. Hasil dekode hanya memuat Unicode scalar value dalam rentang
U+0000..U+10FFFF, tanpa rentang surrogateU+D800..U+DFFF. - U+FEFF di awal Payload (deret byte UTF-8
EF BB BF) juga dianggap sebagai karakter yang sama dengan U+FEFF di posisi lain dan diizinkan. Penanganan signature (BOM) U+FEFF di awal yang dijelaskan RFC 3629 tidak dilakukan. Karakter itu tidak dibuang atau ditafsirkan sebagai signature, melainkan disimpan apa adanya. - Unicode normalization tidak dipaksakan. Scalar sequence asli hasil dekode disimpan apa adanya.
- Deret byte UTF-8 yang valid ditempatkan di Payload tanpa konversi. Dalam satu WORD, byte atas datang lebih dulu. Jika jumlah byte ganjil (kode ganjil), byte bawah yang tidak terpakai pada WORD terakhir harus
00. - Jumlah Payload WORD adalah
ceil(jumlah byte/2). Jika kode ganjil tetapi byte bawah WORD terakhir bukan00, ditolak.
Dasar standar
- Rentang scalar UTF-8 dan deret byte well-formed mengikuti RFC 3629.
- Pasangan kode genap-ganjil, zero padding, serta penempatan TAG/Length GEUL dan WORD 16 bit adalah aturan canonical framing format ini.
Panjang
- Total adalah jumlah WORD dari TAG 1 WORD, Length extension TAG (jika ada), dan Payload. Sampai 14 WORD memakai panjang langsung, 15 WORD atau lebih memakai panjang ekstensi
1110·1111, dan extension TAG juga dihitung dalam total (Length). - String 0 byte ditulis sebagai record 1 WORD (hanya TAG WORD) dari kode genap (Value).
Contoh
A(41) adalah 1 byte (ganjil) sehingga memakaiUTF8-TEXT-ODD(0x073L), Payload4100, total 2 WORD,LLLL=0001. Totalnya0731 4100.- String kosong adalah 1 WORD
0720(UTF8-TEXT-EVEN, hanya TAG WORD).
Teks asli dokumen spesifikasi
Tampilan dokumen spesifikasi 0x00000000/codecs/0x00000720/latest.geul yang dibaca dengan geul show (heksadesimal huruf besar).
SPEC-VERSION 0x0001
DOC-ID 0x0426000000000000072000000000
BODY
#1 DECLARE 0x0720
#2 FIELD #1 rest
#3 BIND #1 "UTF8-TEXT-EVEN"
#4 BIND #2 "bytes"
Di atas adalah dokumen Codec untuk UTF8-TEXT-EVEN (0x072L). Dokumen Codec anggota lain (UTF8-TEXT-ODD) hanya berbeda pada Codec ID di DOC-ID, sasaran DECLARE, dan nama yang diikat pada #1 (BIND).