1. Camomile
OCaml用Unicodeライブラリ
山形賴之
２０１１年１２月２９日
京大

2. Agenda
Unicodeとは？
OCamlとは？
Camomile

3. Agenda
Unicodeとは？
OCamlとは？
Camomile

4. A U+0041 Ậ U+1EAC
= U+0041 + U+0302
+ U+0323
U+3042
あ 既 U+65E2
ᚠ U+16A0 旣 U+65E3

5. 文字集合は民族の財産だ！
勝手に統合するな！
Code Seｔ Independeceにこだわる

6. Character, not glyph
AAAAA ←すべて同じ文字
原則：文字という論理的な対象をコード
論理的とは？
≒意味
でも、既≠旣とかわかりにくい

7. 意味
士≠土
抽象的な構造
既≠旣
とめ、はね、など
具体的な形

8. BMP：よく使われる文字
0 10000 20000 30000 E0000 F0000 10FFFF
拡
張 Private
漢 Zone
字
タグ
Plane 1: 特殊記号、歴史的な文字

9. A Ω 語
４１ CE A9 E8 AA 9E F0 A0 80 94
A Ω 語
00４１ 03A9 8A9E D840 DC14
A Ω 語
000000４１ 000003A9 0000819E 00020014

10. Ậ=Ậ
1EAC
= A + ̂+ ̣
0041 0302 0323
= A + ̣+ ̂
0041 0323 0302

11. NFD:できるだけ分解
NFD(Â+ ̣）=A + ̣+ ̂
NFC:できるだけ合成
NFC(A + ̂+ ̣）= Ậ
NFKD,NFKC:
NFKD(ｶ）= カ
NFKD(Dž）= D + z + ̆

12. Unicode Algorithm
• Unicode collation algorithm (UCA)
• Case mapping algorithm
• Bidirectional algorithm (BIDI)

13. Agenda
Unicodeとは？
OCamlとは？
Camomile

14. Lisp,Scheme,Erlang
ML系言語
OCaml Haskell
F#
Scala

15. OCaml vs Haskell
• 関数型言語
– 副作用のないプログラミングスタイルを奨励
• Hindley-Milner type systemがベース
– 強い静的型付け
– 型推論
– 多相型

16. OCaml vs Haskell(続き)
OCaml Haskell
Eager Lazy
副作用あり モナド
begin … end etc. オフサイドルール
独自機能 独自機能
モジュール タイプクラス
オブジェクト指向

17. Agenda
Unicodeとは？
OCamlとは？
Camomile

18. Camomile
• 基本データ型
• 文字コード変換
• 正規化
• Unicode Algorithms
– UCA (文字列照合)
– Case mappings
• 正規表現

19. サイト
• Github / yoriyuki / Camomile
• 課題
– ulib
– Unicode 6.X対応
– まともな正規表現エンジン
– バグ、バグ、バグ…