UTF8-TEXT는 언어가 없는 UTF-8 문자열을 담는 Value다. 짝수·홀수 바이트 코드 쌍 0x072L/0x073L을 쓴다.

항목값
이름UTF8-TEXT (홀짝 묶음. 코드별 이름은 아래 구성원 표)
TAG ID0x072L·0x073L
섹션3 0011 (Value), 섹션 안 오프셋 C = 18~19
KindValue · 계열: TEXT
색인 설명정규화를 암시하지 않는 valid UTF-8 바이트열. 짝수·홀수 바이트
Hugo 쪽value/text/utf8-text.md

구성원

이 쪽은 홀짝 쌍 두 코드를 함께 다룬다. 짝수 코드는 바이트 수가 짝수, 홀수 코드는 홀수인 값이다(레코드와 TAG WORD). 코덱 문서는 코드마다 하나다. 두 코덱 문서의 필드는 같고 DECLARE 대상과 이름(BIND)만 다르다.

TAG ID이름바이트 수코덱 ID규격 문서TAG WORD
0x072LUTF8-TEXT-EVEN짝수0x000007200x00000000/codecs/0x00000720/0000 0111 0010 LLLL
0x073LUTF8-TEXT-ODD홀수0x000007300x00000000/codecs/0x00000730/0000 0111 0011 LLLL

필드 (규격 문서)

FIELD의 문서 안 순서가 Payload 필드 순서다(Codec 규격 문서).

순서필드(BIND)FIELD폭받는 형식(CODEC)ENUM
1bytes#2나머지 날값(0xFFFF)

UTF8-TEXT는 RFC 3629의 valid UTF-8 바이트열을 담는 Value다. 식별자, 코드, 파일 이름처럼 언어가 없는 문자열에 쓴다.

레이아웃

  • 코드: Value 직접 코드 0x072L(짝수 바이트)·0x073L(홀수 바이트). 계열 TEXT.
  • 바이트 수는 Codec의 최하위 비트와 Payload WORD 수로 정한다. 2 × Payload WORD 수 − 최하위 비트이며 Byte Count는 두지 않는다(Value).
TAG WORD          0000 0111 001P LLLL      Codec 0x072L/0x073L
[Length 확장 TAG] 전체 15 WORD 이상일 때
Payload WORD 1st ... Nth          UTF-8 bytes / final zero padding

해석과 유효성

  • 바이트열은 RFC 3629 문법에 맞는 well-formed shortest-form UTF-8이어야 한다. 디코딩 결과는 U+0000..U+10FFFF 범위의 Unicode scalar value만 포함하며, surrogate 범위 U+D800..U+DFFF는 포함하지 않는다.
  • Payload 선두의 U+FEFF(UTF-8 바이트열 EF BB BF)도 다른 위치의 U+FEFF와 같은 문자로 보고 허용한다. RFC 3629가 설명하는 선두 U+FEFF signature(BOM) 처리는 하지 않는다. 떼어 내거나 signature로 해석하지 않고 원문 그대로 보존한다.
  • Unicode normalization은 강제하지 않는다. 디코딩한 원문 scalar sequence를 그대로 보존한다.
  • 유효한 UTF-8 바이트열을 변환 없이 Payload에 둔다. WORD 안에서는 상위 byte가 먼저 온다. 바이트 수가 홀수(홀수 코드)이면 마지막 WORD의 사용하지 않는 하위 byte는 00이어야 한다.
  • Payload WORD 수는 ceil(바이트 수/2)다. 홀수 코드인데 마지막 WORD의 하위 byte가 00이 아니면 거부한다.

표준 근거

  • UTF-8의 scalar 범위와 well-formed 바이트열은 RFC 3629를 따른다.
  • 홀짝 코드 쌍, zero padding, GEUL TAG/Length와 16비트 WORD 배치는 이 형식의 canonical framing 규칙이다.

길이

  • 전체는 TAG 1 WORD, Length 확장 TAG(있으면)와 Payload를 합한 WORD 수다. 14 WORD 이하는 직접 길이, 15 WORD 이상은 1110·1111 확장 길이를 쓰며, 확장 TAG도 전체 수에 포함한다(Length).
  • 0 byte 문자열은 짝수 코드의 1 WORD 레코드(TAG WORD만)로 쓴다(Value).

예시

  • A(41)는 1 byte(홀수)라 UTF8-TEXT-ODD(0x073L), Payload 4100, 전체 2 WORD, LLLL=0001이다. 전체는 0731 4100이다.
  • 빈 문자열은 0720(UTF8-TEXT-EVEN, TAG WORD만) 1 WORD다.

규격 문서 원문

규격 문서 0x00000000/codecs/0x00000720/latest.geul을 geul show로 읽은 모습이다(16진은 대문자).

SPEC-VERSION 0x0001
DOC-ID 0x0426000000000000072000000000
BODY
#1 DECLARE 0x0720
#2 FIELD #1 rest
#3 BIND #1 "UTF8-TEXT-EVEN"
#4 BIND #2 "bytes"

위는 UTF8-TEXT-EVEN(0x072L)의 코덱 문서다. 다른 구성원(UTF8-TEXT-ODD)의 코덱 문서는 DOC-ID의 코덱 ID, DECLARE 대상, #1에 묶은 이름(BIND)만 다르다.