要約

  • RFC 1489 は、旧ソ連地域の大規模な Unix・ネットワーク利用者層ですでに使われていた符号化に MIME 名 koi8-r を登録した。Informational 文書であり、国際標準や Internet Standard を制定したものではない。
  • 公開表から再計算すると、ロシア文字の主要なバイトから第7ビットを落とした結果は、大文字・小文字が逆転した粗いラテン文字対応になる。これは表の性質であって、特定の歴史的配送が成功したという記録ではない。
  • 射影後の文字列が読めても、元の8ビット列は一意に戻らない。ASCII とキリル文字が混在した本文では出自を区別できず、charset 宣言、真正性、意味、当時の表示も証明しない。

状態を失ったのではなく、区別を失った

古い記録に rUSSKIJ TEKST と残っていたとする。ロシア語を知る読者なら「Русский текст」を思い浮かべられる。壊れているのに内容らしいものが浮かぶため、移行担当者は「自動復元できた」と記録したくなる。

しかし残存しているのは ASCII バイトである。それが KOI8-R の最上位ビットを消された結果なのか、初めからその ASCII だったのかを、文字列自身は語らない。ここで失われたのはエスケープ状態ではなく、別々の入力を区別する能力だ。

RFC 1489 の対応表から効果を再現できる。「Русский текст」の KOI8-R バイト列は F2 D5 D3 D3 CB C9 CA 20 D4 C5 CB D3 D4 であり、各上位バイトの第7ビットを落とすと rUSSKIJ TEKST になる。

この計算は変換関係を証明する。目の前の ASCII 列が現実にその経路を通ったことは証明しない。「説明できる」と「由来を立証できる」は、アーカイブでは異なる判定でなければならない。

登録は普及の後を追った

RFC Editor の書誌情報によれば、文書は 1993 年7月に Andrew A. Chernov が RELCOM Development Team から発表し、現在は Legacy ストリームの Informational に分類される。本文は権威について慎重である。

KOI8-R は国際標準ではなく、基礎仕様は未公刊だった。GOST 19768-74、ISO 6937/8、INIS-Cyrillic、ISO 5427 などの公開資料を参照していた。一方、RELCOM を含む非常に大きな利用者共同体がすでに対応し、旧ソ連の Unix と国際ネットワーク用途では事実上の標準だった。Unix 利用者団体が登録を求めたのは、動いている交換に共通名が必要だったからである。

RFC は文字集合を発明したのではない。稼働中の慣行に、検査でき参照できる名前と表を与えた。この順序は Heng Lu のランニングコード優位と重なる。採用が仕様を拘束し、仕様が次の実装の座標になる。

だから「登録済み」の意味は狭い。名前がどの対応表を指すかを安定させるが、最善性、全域配備、実装適合、用途適合を認証しない。文書自身が Internet Standard を名乗らなかった事実は、後から権威を水増ししないための重要な来歴である。

可読な射影を生んだ配置

RFC 1489 では、下位128位置が ASCII と一致し、上位半分にキリル文字だけでなく罫線、ブロック、数理記号、著作権記号など端末文化の部品が並ぶ。Unicode Consortium の KOI8-R 対応表は RFC を基礎に全対応を機械可読にした。

文字位置を見ると射影の仕組みが分かる。C1 はキリル小文字 а だが、最上位ビットを落とせば ASCII 41、大文字 A になる。E1 はキリル大文字 А で、同じ処理後は ASCII 61、小文字 a になる。大小の反転は表示装置の癖ではなく、表の配置そのものだ。

音の対応は実用的な近似にすぎない。Р は R、С は S、Т は T に近づくが、別の字には W、Q、X や記号を借りる。壊れ方を知る人が推測できることと、完全な音訳体系であることは違う。

さらに上位半分全体が優雅に壊れるわけではない。罫線バイトは制御文字や無関係な句読記号へ落ち得る。隣の語が読めても、図、表の枠、数式記号は失われる。「KOI8-R は7ビットでも残る」という一般化は正しくない。残るのは一部文字の影であり、8ビットの記録ではない。

多対一の変換には逆関数がない

ASCII の A は 41、KOI8-R のキリル小文字 а は C1 である。第7ビットを落とすと両方が 41 になる。一つの出力に二つ以上の入力が集約された時点で、出力だけから歴史を一意に逆算できない。

ロシア語だけの文なら辞書が強い文脈を与える。現実のデータは、メールヘッダー、ソースコード、製品名、パス、もともとのローマ字表記、キリル文字本文を混在させる。ラテン文字らしい位置すべてに上位ビットを足す「修復」は本物の ASCII を壊す。足さなければ壊れたキリル文字を放置する。統計モデルが確率を出しても、その数値は来歴ではない。

途中処理は残った手掛かりまで奪う。大文字小文字の正規化、検索索引のケースフォールド、制御文字の置換が先行すれば、特徴的なパターンは薄れる。その後 UTF-8 に変換すれば、推定を誤ったラテン文字列であっても現代的で整然と保存される。符号化の健全さは、内容の歴史的正しさを保証しない。

したがって「復元」には元バイト、または元バイトを独立に再構成できる証拠が要る。読みやすさは調査の優先順位を上げるには役立つが、証拠の空白を埋めない。

ラベルの権限は解釈規則の指定まで

現在の IANA Character Sets registryにも KOI8-R は MIBenum 2084、別名 csKOI8R として残り、RFC 1489 を参照する。長期に残る登録は、charset=koi8-r を受け取った実装に意図された対応表を示す。

RFC 2046 の MIME 規則では、charset は送信者が本文オクテットをどのように解釈させたいかを示す。8ビットを保持できないメール経路では、別に Content-Transfer-Encoding が必要になり得る。一方は意味付けの名前、他方は配送中の保護であり、同じ保証ではない。

RFC 2046 の記録が示す標準上の位置づけも、個別メッセージを検査する力は持たない。構文上正しい誤ラベルは誤りのままで、ラベル欠落は黙示推測の許可ではなく、正しいラベルも中継が全ビットを保存したことを証明しない。

後の RFC 2978 は、登録が固有名と完全に記述された charset を結び、MIME text で使えるかを示す一方、一般的適用可能性は各アプリケーションプロトコルが決めると明確にした。RFC Editor の RFC 2978 記録では Best Current Practice である。これは後年の制度的整理であり、1993年の手続きをそのまま表すものではない。

Heng Lu の現実の層で考えると境界が見える。レジストリは名前の割当を証明し、ヘッダーは宣言を記録し、保存オクテットは物質的記録であり、デコーダーが文字を作り、フォントが字形を描き、読者が意味を取る。隣接層の誤りは、別層の正しさで相殺されない。

共有基盤を保った局所拡張

RFC 2319 は5年後に KOI8-U を記述した。KOI8-R のロシア文字位置をすべて維持し、上位半分の別位置にウクライナ語の4文字を加えた。書誌情報ではこれも Informational である。

採用史は興味深い。1992年のウクライナ ISP postmaster 会議ですでに採用され、その後に完成した。すべてを一機関が作り直すのではなく、地域共同体が共有するロシア文字面を保ちつつ、自言語の不足を埋めた。

これは最小初期仕様と局所的な将来決定の姿に近い。狭い共通面が交換を可能にし、将来の全用途への権限を要求しない。ただし互換性の範囲は明記すべきだ。ロシア文字位置が互換でも、KOI8-R デコーダーは追加されたウクライナ文字を表せない。二つのラベルを同一視すれば、拡張が保存した差異を再び捨てる。

UTF-8 は未来の共通面であって、過去の鑑定人ではない

RFC 3629 は Unicode レパートリーの UTF-8 を定義する。通常 ASCII のバイト値を保つ点は KOI8-R と共通するが、言語別の上位半分ではなく可変長列で普遍文字集合を表す。RFC 3629 の記録は後の Standards Track の合意を示す。

UTF-8 は巨大な相互運用面を作ったが、ラベルのない旧ファイルの出自を遡って決めない。正しい KOI8-R 変換には、源オクテットと正しい源マッピングが依然必要だ。Unicode の対応表も、RFC ベースの表が各ベンダーの Code Page 878 と同一だとは主張しない。文字が正しく見えても、特定の資料に関係したベンダー差を落とす可能性がある。

アーカイブは二つの受領証を持てる。元の KOI8-R バイト列とハッシュを保存し、同時に変換器、表の版、例外、出力ハッシュを添えた Unicode 版を作る。UTF-8 の表示が自然だからと元を捨てれば、便利さと引き換えに再検証可能性を失う。

RFC 1489 が今も教えるのは、古い符号化の珍しさではなく、耐障害性の射程である。表の設計は損傷を人が気づきやすい形にできる。それでも有損変換を無損にはせず、登録名に本文検査能力を与えず、読者の直感を原記録へ昇格させない。

出典