Unicode版msearchの多言語対応機能を活用するために必要な言語コード表、 文字コード（エンコーディング）の表、およびその他の資料です。
RFC-1766("Tags for the Identification of Languages")準拠の言語コード表です。HTMLのタグで言語を指定する時に使います。 RFC-1766はOBSOLETEされているので、RFC-3066("Tags for the Identification of Languages")、RFC-3282("Content Language Headers")も参照してください。
HTMLのタグでの言語指定のサンプルを以下に記します。(色付き箇所が言語コード)
<meta http-equiv="Content-Language" content="ja">
<html lang="ja">
言語コードの定義を以下に記します。(RFC-1766, RFC-3066の内容の抜粋です。)
<meta>タグでContent-Languageの値として言語コードを記述する時の規則を以下に記します。(RFC-3282の内容の抜粋です。)
<meta http-equiv="Content-Language" content="ja">
<meta http-equiv="Content-Language" content="ja,sv">
<meta http-equiv="Content-Language" content="ja-JP,sv-SE">
言語コード表を以下に記します。 有無の欄に○が記載されているのは、当サイトでテストページが用意してあり、検索テストができる言語です。 なおWebブラウザがすべての言語コードに対応しているとは限らないので注意してください。 言語コードへの対応状況はWebブラウザによってまちまちです。
以下の表から目的の言語を探すには、ブラウザのページ内検索を使ってください。 ひとつの言語に複数の言語名が与えられている場合があり、 あいうえお順に出現するとは限りません。
| 有無 | 言語コード | 日本語での呼称 | 英語での呼称 |
|---|---|---|---|
| ○ | ja | 日本語 | Japanese |
| ja-JP | 日本語 | Japanese | |
| art-lojban | Lojban語(人工語) | Lojban | |
| is | アイスランド語 | Icelandic | |
| is-IS | アイスランド語 - アイスランド | Icelandic - Iceland | |
| アイヌ語 - ISO639には未登録らしい | Ainu | ||
| ay | アイマラ語 | Aymara | |
| ga | アイルランド語 | Irish | |
| ga-IE | アイルランド語 | Irish Gaelic | |
| ast-ES | アストゥリアス語 | Asturian | |
| az | アゼルバイジャン語 | Azerbaijani | |
| az-AZ | アゼルバイジャン語 - アゼルバイジャン | Azerbaijani - Azerbaijan | |
| az-Arab | アゼルバイジャン語 - アラビア文字 | Azerbaijani in Arabic script | |
| az-AZ-Cyrl | アゼルバイジャン語 - キリル文字 | Azerbaijani - Cyrillic | |
| az-Cyrl | アゼルバイジャン語 - キリル文字 | Azerbaijani in Cyrillic script | |
| az-AZ-Latn | アゼルバイジャン語 - ラテン文字 | Azerbaijani - Latin | |
| az-Latn | アゼルバイジャン語 - ラテン文字 | Azerbaijani in Latin script | |
| as | アッサム語 | Assamese | |
| aa | アファル語 | Afar | |
| ab | アブハジア語 | Abkhazian | |
| af | アフリカーンス語 | Afrikaans | |
| af-ZA | アフリカーンス語 - 南アフリカ | Afrikaans - South Africa | |
| am | アムハラ語 | Amharic | |
| an | アラゴン語 | Aragonese | |
| ar | アラビア語 | Arabic | |
| ar-AE | アラビア語 - アラブ首長国連邦 | Arabic - United Arab Emirates | |
| ar-DZ | アラビア語 - アルジェリア | Arabic - Algeria | |
| ar-YE | アラビア語 - イエメン | Arabic - Yemen | |
| ar-IQ | アラビア語 - イラク | Arabic - Iraq | |
| ar-EG | アラビア語 - エジプト | Arabic - Egypt | |
| ar-OM | アラビア語 - オマーン | Arabic - Oman | |
| ar-QA | アラビア語 - カタール | Arabic - Qatar | |
| ar-KW | アラビア語 - クウェート | Arabic - Kuwait | |
| ar-SA | アラビア語 - サウジアラビア | Arabic - Saudi Arabia | |
| ar-SY | アラビア語 - シリア | Arabic - Syrian Arab Republic | |
| ar-TN | アラビア語 - チュニジア | Arabic - Tunisia | |
| ar-BH | アラビア語 - バーレーン | Arabic - Bahrain | |
| ar-MA | アラビア語 - モロッコ | Arabic - Morocco | |
| ar-JO | アラビア語 - ヨルダン | Arabic - Jordan | |
| ar-LY | アラビア語 - リビア | Arabic - Libyan Arab Jamahiriya | |
| ar-LB | アラビア語 - レバノン | Arabic - Lebanon | |
| ar-LB | アラビア語 - レバノン | Arabic - Lebanon | |
| als | アルザス語 - ISO639-2に見当たらない | Alsace | |
| sq | アルバニア語 | Albanian | |
| sq-AL | アルバニア語 - アルバニア | Albanian - Albania | |
| hy | アルメニア語 | Armenian | |
| hy-AM | アルメニア語 - アルメニア | Armenian - Armenia | |
| it | イタリア語 | Italian | |
| it-IT | イタリア語 - イタリア | Italian - Italy | |
| it-CH | イタリア語 - スイス | Italian - Switzerland | |
| yi | イディッシュ語 | Yiddish | |
| yi-latn | イディッシュ語 - ラテン文字 | Yiddish in Latin script | |
| iu | イヌイット語 | Inuktitut | |
| ik | イヌピア語 | Inupiaq | |
| ig | イボ語(ナイジェリア) | Igbo(Nigeria) | |
| ilo-PH | イロコ語, イロカノ語(フィリピン)。ルソン島北部 | Iloco, ilocano(Philippines) | |
| iba | イバン語 | Iban | |
| hil-PH | イロンゴ語, ヒリガイノン語(フィリピン)。パナイ島, ネグロス島 | Ilonggo, Hiligaynon(Philippines) | |
| ia | インターリングア(国際語) | Interlingua (International Auxiliary Language Association) | |
| ie | インターリンガ語 | Interlingue | |
| id | インドネシア語 | Indonesian | |
| id-ID | インドネシア語 - インドネシア | Indonesian - Indonesia | |
| ug | ウィグル語(ウイグル語) | Uighur(新疆ウイグル自治区) | |
| cy | ウェールズ語 | Welsh | |
| cy-GB | ウェールズ語 | Welsh(ウェールズ語でCymraeg) | |
| wo | ウォロフ語(ガンビア, セネガル) | Wolof(Gambia, Senegal) | |
| uk | ウクライナ語 | Ukrainian | |
| uk-UA | ウクライナ語 - ウクライナ | Ukrainian - Ukraine | |
| uz | ウズベク語 | Uzbek | |
| uz-Cyrl | ウズベク語(キリル文字) | Uzbek in Cyrillic script | |
| uz-UZ-Cyrl | ウズベク語(キリル文字) - ウズベキスタン | Uzbek(Cyrillic) - Uzbekistan | |
| uz-Latn | ウズベク語(ラテン文字) | Uzbek in Latin script | |
| uz-UZ-Latn | ウズベク語(ラテン文字) - ウズベキスタン | Uzbek(Latin) - Uzbekistan | |
| ur | ウルドゥー語 | Urdu | |
| ur-PK | ウルドゥー語 - パキスタン | Urdu - Pakistan | |
| et | エストニア語 | Estonian | |
| et-EE | エストニア語 - エストニア | Estonian - Estonia | |
| eo | エスペラント語 | Esperanto | |
| oc | オキタン語 | Occitan | |
| os | オセット語 | Ossetian;Ossetic | |
| oc | オック語 | Occitan | |
| nl | オランダ語 | Flemish; Dutch | |
| nl-NL | オランダ語 - オランダ | Flemish; Dutch - Netherlands | |
| nl-BE | オランダ語 - ベルギー | Flemish; Dutch - Belgium | |
| or | オリヤー語 | Oriya | |
| om | オロモ語 | Oromo | |
| kaw | カウィ語 | Kawi | |
| kk | カザフ語 | Kazakh | |
| kk-KZ | カザフ語 - カザフスタン | Kazakh - Kazakhstan | |
| ks | カシミール語 | Kashmiri | |
| ca | カタロニア語 | Catalan; Valencian | |
| ca-ES | カタロニア語 - スペイン | Catalan; Valencian - Spain | |
| val-ca-ES | Valencian語 | Valencian | |
| gay | ガヨ語 | Gayo | |
| gl | ガリシア語 | Gallegan(Galician) | |
| gl-ES | ガリシア語 - スペイン・ガリシア地方 | Gallegan(Galician) - Galicia | |
| kn | カンナダ語 | Kannada | |
| kn-IN | カンナダ語 - インド | Kannada - India | |
| km | カンボジア語(クメール語) | Cambodian(Khmer) | |
| el | ギリシャ語 | Greek | |
| el-GR | ギリシャ語 - ギリシャ | Greek - Greece | |
| gil | キリバス語 - キリバス共和国 | Gilbertese(Kiribati) - Kiribati | |
| ky | キルギス語 | Kirghiz | |
| ky-KZ | キルギス語 - カザフスタン | Kirghiz - Kazakhstan | |
| rn | キルンジ語(キルンディ語) - ブルンジ共和国 | Rundi(Kirundi) - Burundi | |
| rw | キンヤルワンダ語 | Kinyarwanda | |
| gn | グアラニー語 | Guarani | |
| gu | グジャラート語 | Gujarati | |
| gu-IN | グジャラート語 - インド | Gujarati - India | |
| km | クメール語 | Khmer | |
| kl | グリーンランド語 | Greenlandic | |
| クリンゴン語 - ISO639では未定義らしい | Klingon | ||
| ka | グルジア語 | Georgian | |
| ka-GE | グルジア語 - グルジア共和国 | Georgian - Georgia | |
| ku | クルド語 | Kurdish | |
| crp | クレオール語 | Creoles and pidgins | |
| ht | クレオール語(ハイチ共和国)。セイシェル共和国, ハイチ共和国, モーリシャス | Creole - Haiti / Seychelles, Haiti, Mauritius | |
| cpe-MU | クレオール語(英語) - モーリシャス | Creoles and pidgins - Mauritius | |
| cpf-MU | クレオール語(フランス語) - モーリシャス | Creoles and pidgins - Mauritius | |
| hr | クロアチア語 | Croatian | |
| hr-HR | クロアチア語 - クロアチア | Croatian - Croatia | |
| qu | ケチュア語 | Quechua | |
| gd | ゲール語(スコットランド) | Gaelic; Scottish Gaelic | |
| gd-GB | ゲール語(英国) | Gaelic; Scottish Gaelic | |
| cel | ケルト語 | Celtic | |
| xh | コーサ語 | Xhosa | |
| xh-ZA | コーサ語 | Xhosa | |
| cel-gaulish | ゴール語 | Gaulish | |
| kw | コーンウォール語 | Cornish | |
| kw-GB | コーンウォール語 | Cornish | |
| kv | コミ語 | Komi | |
| co | コルシカ語 | Corsican | |
| kok | コンカニ語 | Konkani | |
| kok-IN | コンカニ語 - インド | Konkani - India | |
| smi | サーメ語(サーミ語, ラップ語) | Sami(Lappish) | |
| sm | サモア語 | Samoan | |
| se | サモス語 | Northern Sami | |
| sc | サルド語 | Sardinian | |
| srd-IT | サルド語 | Sardinian Campidanesu | |
| sg | サンゴ語(サングホ語) - 中央アフリカ | Sango - Central African Republic | |
| sa | サンスクリット語(梵語) | Sanskrit | |
| sa-IN | サンスクリット語 - インド | Sanskrit - India | |
| ss | シスワティ語 | Swati(Siswati) | |
| ss-ZA | シスワティ語 | Swati(Siswati) | |
| jv | ジャワ語 | Javanese | |
| sn | ショナ語 - ジンバブエ共和国 | Shona - Zimbabwe | |
| syr | シリア語 | Syriac | |
| syr-SY | シリア語 - シリア | Syriac - Syrian Arab Republic | |
| sd | シンド語 | Sindhi | |
| si | シンハラ語 | Sinhalese | |
| ○ | sv | スウェーデン語 | Swedish |
| sv-SE | スウェーデン語 - スウェーデン | Swedish - Sweden | |
| sv-FI | スウェーデン語 - フィンランド | Swedish - Finland | |
| スコーネ語(スコンスカ)。ISO639-2のgemを使うらしい。(Germanic (Other))。スウェーデン・スコーネ地方の方言。sv-DKもしくはda-SEとでも書きたい気分 | Skåne(Skånska) | ||
| su | スーダン語 | Sundanese | |
| zu | ズールー語 | Zulu | |
| zu-ZA | ズールー語 | Zulu | |
| sx | スツ語 - ISO639-1に見当たらない | Sutu | |
| es | スペイン語 | Castilian; Spanish | |
| es-US | スペイン語 - 米国 | Castilian; Spanish - United States | |
| es-AR | スペイン語 - アルゼンチン | Castilian; Spanish - Argentina | |
| es-UY | スペイン語 - ウルグアイ | Castilian; Spanish - Uruguay | |
| es-EC | スペイン語 - エクアドル | Castilian; Spanish - Ecuador | |
| es-SV | スペイン語 - エルサルバドル | Castilian; Spanish - EL Salvador | |
| es-GT | スペイン語 - グアテマラ | Castilian; Spanish - Guatemala | |
| es-CR | スペイン語 - コスタリカ | Castilian; Spanish - Costa Rica | |
| es-CO | スペイン語 - コロンビア | Castilian; Spanish - Colombia | |
| es-ES | スペイン語 - スペイン | Castilian; Spanish - Spain | |
| es-CL | スペイン語 - チリ | Castilian; Spanish - Chile | |
| es-DO | スペイン語 - ドミニカ共和国 | Castilian; Spanish - Dominican Republic | |
| es-NI | スペイン語 - ニカラグア | Castilian; Spanish - Nicaragua | |
| es-PA | スペイン語 - パナマ | Castilian; Spanish - Panama | |
| es-PY | スペイン語 - パラグアイ | Castilian; Spanish - Paraguay | |
| es-PR | スペイン語 - プエルトリコ | Castilian; Spanish - Puerto Rico | |
| es-VE | スペイン語 - ベネズエラ | Castilian; Spanish - Venezuela | |
| es-PE | スペイン語 - ペルー | Castilian; Spanish - Peru | |
| es-BO | スペイン語 - ボリビア | Castilian; Spanish - Bolivia | |
| es-HN | スペイン語 - ホンジュラス | Castilian; Spanish - Honduras | |
| es-MX | スペイン語 - メキシコ | Castilian; Spanish - Mexico | |
| sk | スロバキア語 | Slovak | |
| sk-SK | スロバキア語 - スロバキア | Slovak - Slovakia | |
| asz-sk-SK | 東スロバキア語 - ISO639-2にasz見当たらない | Eastern Slovak | |
| sl | スロベニア語 | Slovenian | |
| sl-SI | スロベニア語 - スロベニア | Slovenian - Slovenia | |
| sl-rozaj | Resian, Resianic, Rezijan | Resian, Resianic, Rezijan | |
| sw | スワヒリ語。ウガンダ共和国, ケニア共和国, タンザニア連合共和国 | Swahili / Uganda, Kenya, Tanzania | |
| sw-KE | スワヒリ語 - ケニア | Swahili - Kenya | |
| sw-TZ | スワヒリ語 - タンザニア | Swahili - United Republic Of Tanzania | |
| ceb-PH | セブアノ語(フィリピン)。セブ島, ボホール島, ネグロス島東部, レイテ島南西部, ミンダナオ島北東部 | Cebuano(Philippines) | |
| セラノ語(インド) - ISO639-1には未登録らしい | Serrano(India) | ||
| sr | セルビア語 | Serbian | |
| sr-Cyrl | セルビア語(キリル文字) | Serbian in Cyrillic script | |
| sr-SP-Cyrl | セルビア語(キリル文字) - セルビア。セルビアのISO3166国コードはCS | Serbian(Cyrillic) - Serbia And Montenegro | |
| sr-Latn | セルビア語(ラテン文字) | Serbian in Latin script | |
| sr-SP-Latn | セルビア語(ラテン文字) - セルビア。セルビアのISO3166国コードはCS | Serbian(Latin) - Serbia And Montenegro | |
| sh | セルボ・クロアチア語 | Serbo-Croatian | |
| nso-ZA | ソト語(北部) | Sotho(Northern) | |
| st | ソト語(南部) | Sotho(Southern) | |
| so | ソマリ語 | Somali | |
| sb | ソルビア語。ISO639-1に見当たらない | Sorbian | |
| wen-DE | ソルビア語 | Sorbian | |
| ae | ゾロアスター語 | Avestan | |
| dz | ゾンカ語 - ブータン | Dzongkha - Bhutan | |
| th | タイ語 | Thai | |
| th-TH | タイ語 - タイ | Thai - Thailand | |
| phi | タウスグ語(フィリピン)。ミンダナオ島南端のスルー諸島, スル州, ホロ島周辺 | Tausug, Tausog(Philippines) | |
| tl | タガログ語, フィリピノ語, フィリピン語 | Tagalog, Filipino, Pilipino | |
| tl-PH | タガログ語, フィリピノ語(フィリピン) | Tagalog, Filipino, Pilipino(Philippines) | |
| tg | タジク語 | Tajik | |
| tt | タタール語 | Tatar | |
| tt-RU | タタール語 - ロシア | Tatar - Russian Federation | |
| ta | タミール語 | Tamil | |
| ta-IN | タミール語 - インド | Tamil - India | |
| ta-MY | タミール語 - マレーシア | Tamil - Malaysia | |
| ira | ダリ語。アフガニスタン。ISO639には未登録らしい | Dari | |
| cs | チェコ語 | Czech | |
| cs-CZ | チェコ語 - チェコ共和国 | Czech - Czech Republic | |
| cu | チェコスロバキア語 | Slavonic | |
| ce | チェチェン語 | Chechen | |
| チェロキー語。ISO639-1には未登録らしい | Cherokee | ||
| bo | チベット語 | Tibetan | |
| crp-PH | チャバカノ語(フィリピン)。スペイン語との混成語(クレオール語)。サンボアンガ市, コタバト市, カビテ市 | Chavacano, Chabakano(Philippines) / Creole, Spanish based language. | |
| ch | チャモ口語 | Chamorro | |
| cv | チューバシュ語 | Chuvash | |
| ts | ツォンガ語 | Tsonga | |
| tn | ツワナ語(セツワナ語) | Tswana | |
| tn-ZA | ツワナ語(セツワナ語) | Tswana | |
| div | ディヴェヒ語。ISO639-1でdvも定義されてる | Divehi(Dhivehi) | |
| div-MV | ディヴェヒ語 - モルジブ | Divehi(Dhivehi) - Maldives | |
| ti | ティグリニャ語 | Tigrinya | |
| te | テルグ語 | Telugu | |
| te-IN | テルグ語 - インド | Telugu - India | |
| da | デンマーク語 | Danish | |
| da-DK | デンマーク語 - デンマーク | Danish - Denmark | |
| de | ドイツ語 | German | |
| de-1901 | ドイツ語 | German, traditional orthography | |
| de-1996 | ドイツ語 | German, orthography of 1996 | |
| de-AT | ドイツ語 - オーストリア | German - Austria | |
| de-AT-1901 | ドイツ語 - オーストリア | German, Austrian variant, traditional orthography | |
| de-AT-1996 | ドイツ語 - オーストリア | German, Austrian variant, orthography of 1996 | |
| de-CH | ドイツ語 - スイス | German - Switzerland | |
| de-CH-1901 | ドイツ語 - スイス | German, Swiss variant, traditional orthography | |
| de-CH-1996 | ドイツ語 - スイス | German, Swiss variant, orthography of 1996 | |
| de-DE | ドイツ語 - ドイツ | German - Germany | |
| de-DE-1901 | ドイツ語 - ドイツ | German, German variant, traditional orthography | |
| de-DE-1996 | ドイツ語 - ドイツ | German, German variant, orthography of 1996 | |
| de-LI | ドイツ語 - リヒテンシュタイン | German - Liechtenstein | |
| de-LU | ドイツ語 - ルクセンブルグ | German - Luxembourg | |
| nds | 低ザクセン語 | Low Saxon | |
| tw | トウィ語 | Twi | |
| ng | ドゥンガ語 | Ndonga | |
| tk | トルクメン語 | Turkmen | |
| tr | トルコ語 | Turkish | |
| tr-TR | トルコ語 - トルコ | Turkish - Turkey | |
| to | トンガ語 | Tonga | |
| na | ナウル語 | Nauru | |
| nv | ナバホー語 | Navajo; Navaho | |
| ny | ニャンジャ語 | Nyanja; Chichewa; Chewa | |
| ne | ネパール語(インド) | Nepali | |
| no | ノルウェー語 | Norwegian | |
| nn | ノルウェー語(ニーノシク) | Norwegian Nynorsk | |
| nn-no | ノルウェー語(ニーノシク) | Norwegian Nynorsk | |
| no-nyn | ノルウェー語(ニーノシク) | Norwegian Nynorsk | |
| nb | ノルウェー語(ブークモール) | Norwegian Bokmål | |
| nb-no | ノルウェー語(ブークモール) | Norwegian Bokmål | |
| no-bok | ノルウェー語(ブークモール) | Norwegian Bokmål | |
| pi | パーリ語 | Pali | |
| ha | ハウサ語。ナイジェリア連邦共和国, ニジェール共和国 | Hausa / Nigeria, Niger | |
| ba | バシキール語 | Bashkir | |
| ba-RU | バシキール語 | Bashkir | |
| ps | パシュトゥ語 | Pushto | |
| eu | バスク語 | Basque | |
| eu-ES | バスク語 | Basque | |
| ban | バリ語 | Balinese | |
| haw | ハワイ語。ISO639-1には未登録らしい | Hawaiian | |
| pag | パンガシナン語(フィリピン)。ルソン島中部パンガシナン州 | Pangasinan(Philippines) | |
| hu | ハンガリー語(マジャール語) | Hungarian(Magyar) | |
| hu-HU | ハンガリー語 - ハンガリー | Hungarian - Hungary | |
| pa | パンジャブ語 | Panjabi; Punjabi | |
| pa-IN | パンジャブ語 - インド | Panjabi; Punjabi - India | |
| pa-US | パンジャブ語(ラテン文字) | Punjabi in Latin script | |
| pam-PH | パンパンゴ語(フィリピン)。ルソン島中部パンパンガ州, 隣接州(ターラック, ヌエバ・エシーハ, バターン)の一部 | Pampanga(Philippines) | |
| bik-PH | ビコール語(フィリピン)。ビコール半島(カマリネス・スール州, アルバイ州, ソルソゴン州, カマリネス・ノルテ州), デュアネス島 | Bicolano(Philippines) | |
| phi | ビサヤ語, ヴィサヤ語(フィリピン)。フィリピン中央部, ビサヤ諸島 | Visayan, Bisayan(Philippines) | |
| cpe | ピジン語 - ソロモン諸島 | Pijin(Pidgin) - Solomon Islands | |
| tpi | トク・ピジン語 - パプアニューギニア | Tok Pijin(Tok Pisin) - Papua New Guinea | |
| bi | ビスラマ語 | Bislama | |
| bh | ビハール語 | Bihari | |
| hil-PH | ヒリガイノン語(イロンゴ族) | Hiligaynon(Ilonngo) | |
| ho | ヒリ・モツ語 | Hiri Motu | |
| my | ビルマ語(ミャンマー語) | Burmese(Myanmar) | |
| hi | ヒンディー語 | Hindi | |
| hi-IN | ヒンディー語 - インド | Hindi - India | |
| fj | フィジー語 | Fijian | |
| fi | フィンランド語 | Finnish | |
| fi-FI | フィンランド語 - フィンランド | Finnish - Finland | |
| dz | ブータン語 | Dzongkha | |
| fo | フェロー語 | Faroese(Faeroese) | |
| fo-FO | フェロー語 - フェロー諸島 | Faroese(Faeroese) - Faroe Islands | |
| bug | ブギス語 | Buginese | |
| fr | フランス語 | French | |
| fr-CA | フランス語 - カナダ | French - Canada | |
| fr-CH | フランス語 - スイス | French - Switzerland | |
| fr-FR | フランス語 - フランス | French - France | |
| fr-BE | フランス語 - ベルギー | French - Belgium | |
| fr-MC | フランス語 - モナコ | French - Monaco | |
| fr-LU | フランス語 - ルクセンブルグ | French - Luxembourg | |
| fy | フリジア語 | Frisian | |
| bg | ブルガリア語 | Bulgarian | |
| bg-BG | ブルガリア語 - ブルガリア | Bulgarian - Bulgaria | |
| br | ブルトン語 | Breton | |
| br-FR | ブルトン語 | Breton | |
| vi | ベトナム語 | Vietnamese | |
| vi-VN | ベトナム語 - ベトナム | Vietnamese - Viet Nam | |
| he | ヘブライ語 | Hebrew | |
| he-IL | ヘブライ語 - イスラエル | Hebrew - Israel | |
| be | ベラルーシ語 | Belarusian | |
| be-BY | ベラルーシ語 - ベラルーシ | Belarusian - Belarus | |
| fa | ペルシア語 | Persian | |
| fa-IR | ペルシア語 - イラン | Persian - Islamic Republic Of Iran | |
| hz | ヘレ口語 | Herero | |
| bn | ベンガル語 | Bengali | |
| bn-BD | ベンガル語(バングラデシュ) | Bengali - Bangladesh | |
| ven-ZA | Venda語 | Venda | |
| pl | ポーランド語 | Polish | |
| pl-PL | ポーランド語 - ポーランド | Polish - Poland | |
| bs | ボスニア語 | Bosnian | |
| bs-BA | ボスニア語 | Bosnian | |
| vo | ボラビュック語, ヴォラビュック語 | Volapük | |
| pt | ポルトガル語 | Portuguese | |
| pt-BR | ポルトガル語 - ブラジル | Portuguese - Brazil | |
| pt-PT | ポルトガル語 - ポルトガル | Portuguese - Portugal | |
| mh | マーシャル語 | Marshallese | |
| mi | マオリ語 | Maori | |
| mi-NZ | マオリ語(ニュージーランド) | Maori - New Zealand | |
| mak | マカサル語 | Makasar | |
| mk | マケドニア語 | Macedonian | |
| mk-MK | マケドニア語 - マケドニア共和国 | Macedonian - The Former Yugoslav Republic Of Macedonia | |
| mg | マダガスカル語(マラガシ語)。マダガスカル共和国 | Malagasy / Madagascar | |
| nd | マタベレ語(北部) | North Ndebele | |
| nr | マタベレ語(南部) | South Ndebele | |
| mad | マドゥラ語 | Madurese | |
| mr | マラティー語 | Marathi | |
| mr-IN | マラティー語 - インド | Marathi - India | |
| ml | マラヤーラム語 | Malayalam | |
| mt | マルタ語 | Maltese | |
| ms | マレー語 | Malay | |
| ms-BN | マレー語 - ブルネイ | Malay - Brunei Darussalam | |
| ms-MY | マレー語 - マレーシア | Malay - Malaysia | |
| gv | マン島語 | Manx | |
| min | ミナンカバウ語 | Minangkabau | |
| mo | モルダビア語 | Moldavian | |
| mo-MD | モルダビア語 - モルドバ共和国 | Moldavian - Republic Of Moldova | |
| mn | モンゴル語 | Mongolian | |
| mn-MN | モンゴル語 - モンゴル | Mongolian - Mongolia | |
| yo | ヨルバ語 | Yoruba | |
| lo | ラオス語 | Lao | |
| lo-LA | ラオス語 - ラオス | Lao - Lao People's Democratic Republic | |
| la | ラテン語 | Latin | |
| lv | ラトビア語 | Latvian | |
| lv-LV | ラトビア語 - ラトビア | Latvian - Latvia | |
| li | リグリア語 | Limburgan; Limburger; Limburgish | |
| lt | リトアニア語 | Lithuanian | |
| lt-LT | リトアニア語 - リトアニア | Lithuanian - Lithuania | |
| ln | リンガラ語 | Lingala | |
| ro | ルーマニア語 | Romanian | |
| ro-MD | ルーマニア語 - モルドバ | Romanian - Republic Of Moldova | |
| ro-RO | ルーマニア語 - ルーマニア | Romanian - Romania | |
| lb | ルクセンブルグ語 | Luxembourgish(Luxemburgisch); Letzeburgesch | |
| lb-LU | ルクセンブルグ語 - ルクセンブルグ | Luxembourgish(Luxemburgisch); Letzeburgesch - Luxembourg | |
| rm | レートロマンス語 | Raeto-Romance(Rhaeto-Romanic) | |
| ru | ロシア語 | Russian | |
| ru-MD | ロシア語 - モルドバ | Russian - Republic Of Moldova | |
| ru-RU | ロシア語 - ロシア | Russian - Russian Federation | |
| war-PH | ワライ語, サマール・レイテ語(フィリピン)。サマール島全域, レイテ島の東半分 | Waray(Philippines) | |
| wa | ワロン語 | Walloon | |
| en | 英語 | English | |
| en-IE | 英語 - アイルランド | English - Ireland | |
| en-AU | 英語 - オーストラリア | English - Australia | |
| en-CA | 英語 - カナダ | English - Canada | |
| en-JM | 英語 - ジャマイカ | English - Jamaica | |
| en-ZW | 英語 - ジンバブエ | English - Zimbabwe | |
| en-TT | 英語 - トリニダードトバゴ | English - Trinidad And Tobago | |
| en-NZ | 英語 - ニュージーランド | English - New Zealand | |
| en-PH | 英語 - フィリピン | English - Philippines | |
| en-BZ | 英語 - ベリーズ | English - Belize | |
| en-GB | 英語 - 英国 | English - United Kingdom | |
| en-CB | 英語 - 西インド諸島。ISO3166にCB見当たらない | English | |
| en-US | 英語 - 米国 | English - United States | |
| en-ZA | 英語 - 南アフリカ | English - South Africa | |
| en-boont | 英語(Boontling) | Boontling | |
| en-GB-oed | 英語(GB-oed) | English, Oxford English Dictionary spelling | |
| en-scouse | 英語(Scouse) | English Liverpudlian dialect known as 'Scouse' | |
| en-x-SI | Standard Units adoption | Standard Units adoption | |
| ko | ハングル語 | Korean | |
| ko-KR | 韓国語 - 韓国 | Korean - Republic Of Korea | |
| ko-KP | 朝鮮語 - 北朝鮮 | Korean - Democratic People's Republic Of Korea | |
| zh | 中国語 | Chinese | |
| zh-SG | 中国語 - シンガポール | Chinese - Singapore | |
| zh-TW | 中国語 - 台湾 | Chinese - Taiwan, Province Of China | |
| zh-CN | 中国語 - 中国 | Chinese - China | |
| zh-HK | 中国語 - 香港 | Chinese - Hong Kong | |
| zh-MO | 中国語 - マカオ | Chinese - Macao | |
| zh-CHS | 簡体字中国語 | Simplified Chinese | |
| zh-Hans | 簡体字中国語 | Chinese, in simplified script | |
| zh-CHT | 繁体字中国語 | Traditional Chinese | |
| zh-Hant | 繁体字中国語 | Chinese, in traditional script | |
| zh-gan | Kan or Gan | Kan or Gan | |
| zh-guoyu | Mandarin or Standard Chinese | Mandarin or Standard Chinese | |
| zh-hakka | Hakka | Hakka | |
| zh-min | Min, Fuzhou, Hokkien, Amoy or Taiwanese | Min, Fuzhou, Hokkien, Amoy or Taiwanese | |
| zh-min-nan | Minnan, Hokkien, Amoy, Taiwanese, Southern Min, Southern Fujian, Hoklo, Southern Fukien, Ho-lo | Minnan, Hokkien, Amoy, Taiwanese, Southern Min, Southern Fujian, Hoklo, Southern Fukien, Ho-lo | |
| zh-min-nan-TW | Minnan, Hokkien, Amoy, Taiwanese, Southern Min, Southern Fujian, Hoklo, Southern Fukien, Ho-lo(台湾) | Minnan, Hokkien, Amoy, Taiwanese, Southern Min, Southern Fujian, Hoklo, Southern Fukien, Ho-lo(Taiwan) | |
| zh-wuu | 上海語 | Shanghaiese or Wu | |
| zh-xiang | Xiang or Hunanese | Xiang or Hunanese | |
| zh-yue | 広東語 | Cantonese | |
| za | 壮語(チワン語) | Zhuang; Chuang | |
| 琉球語。ISO639には未登録らしい。 | Ryukyuan | ||
| i-ami | Amis語 | Amis | |
| i-bnn | ブヌン語 | Bunun | |
| i-default | Default Language Context | Default Language Context | |
| i-enochian | Enochian語 | Enochian | |
| i-hak | Hakka | Hakka | |
| i-klingon | クリンゴン語 | Klingon | |
| i-lux | Luxembourgish | Luxembourgish | |
| i-mingo | Mingo | Mingo | |
| i-navajo | Navajo | Navajo | |
| i-pwn | Paiwan | Paiwan | |
| i-tao | Tao | Tao | |
| i-tay | Tayal | Tayal | |
| i-tsu | Tsou | Tsou | |
| sgn-BE-fr | Belgian-French Sign Language | Belgian-French Sign Language | |
| sgn-BE-nl | Belgian-Flemish Sign Language | Belgian-Flemish Sign Language | |
| sgn-BR | Brazilian Sign Language | Brazilian Sign Language | |
| sgn-CH-de | Swiss German Sign Language | Swiss German Sign Language | |
| sgn-CO | Colombian Sign Language | Colombian Sign Language | |
| sgn-DE | German Sign Language | German Sign Language | |
| sgn-DK | Danish Sign Language | Danish Sign Language | |
| sgn-ES | Spanish Sign Language | Spanish Sign Language | |
| sgn-FR | French Sign Language | French Sign Language | |
| sgn-GB | British Sign Language | British Sign Language | |
| sgn-GR | Greek Sign Language | Greek Sign Language | |
| sgn-IE | Irish Sign Language | Irish Sign Language | |
| sgn-IT | Italian Sign Language | Italian Sign Language | |
| sgn-JP | Japanese Sign Language | Japanese Sign Language | |
| sgn-MX | Mexican Sign Language | Mexican Sign Language | |
| sgn-NI | Nicaraguan Sign Language | Nicaraguan Sign Language | |
| sgn-NL | Dutch Sign Language | Dutch Sign Language | |
| sgn-NO | Norwegian Sign Language | Norwegian Sign Language | |
| sgn-PT | Portuguese Sign Language | Portuguese Sign Language | |
| sgn-SE | Swedish Sign Language | Swedish Sign Language | |
| sgn-US | American Sign Language | American Sign Language | |
| sgn-ZA | South African Sign Language | South African Sign Language |
インデックス化対象ファイルについて、Unicode版msearchが対応しているエンコーディング(文字コード)を以下に列挙します。 呼称は日本語版Internet Explorer 6 Service Pack 1(on Windows XP Professional)での表記です。(Microsoftコードページの欄に番号の記載のあるもののみ。） Microsoftコードページの欄に番号の記載がなくブラウザ名の記載があるものは、Windowsが対応していないエンコーディングです。記載しているブラウザでは対応しています。 これらのエンコーディングを文書中にタグで指定するようにすれば、 インデックス作成時に文字コードが正しく自動判定されます。 なおUnicodeエンコーディング(UTF-8など)について、UTFの観点からwell-formedであるかどうか （ill-formedでないかどうか、すなわち不正なバイトシーケンスが出現していないかどうか）の 検証は行いません。
| エンコーディング。タグで指定する時の表記 | 呼称, 対象言語 | Microsoftコードページ、もしくは対応ブラウザ |
|---|---|---|
| Shift_JIS | 日本語 (シフト JIS) | 932 |
| ISO-2022-JP | 日本語 (JIS) | 50220 |
| csISO2022JP | 日本語 (JIS 1 バイト カタカナ可) | 50221 |
| ISO-2022-JP | 日本語 (JIS)。半角カタカナの開始にSO(Shift Out)、終了にSI(Shift In)を用いるもの。IE6は対応。Mozillaは未対応らしい。 | 50222 |
| EUC-JP | 日本語 (EUC) | 51932 |
| EUC-JP | 日本語 (EUC)。JIS X 0208-1990で追加された文字、もしくはJIS X 0212-1990で規定される文字を含む。IE6は未対応らしい。Mozillaは対応。 | 20932 |
| UTF-8 | Unicode (UTF-8)。BOMはあってもなくても、どちらでもOKです。(個人的にはBOM有を推奨) | 65001 |
| unicode | Unicode。UTF-16LEもしくはUTF-32LE。BOM有であること。文字コードの判定はBOMで行うはずで、このラベルで判定することはないはず。 | 1200 |
| unicodeFFFE unicodeFEFF | Unicode (Big-Endian)。UTF-16BEもしくはUTF-32BE。BOM有であること。FFFEと書いてあるものとFEFFと書いてあるものがある。文字コードの判定はBOMで行うはずで、このラベルで判定することはないはず。 | 1201 |
| utf-16 utf-16le | Unicode (UTF-16)。UTF-16LE, BOM有であること。 | Mozilla |
| utf-16be | Unicode (UTF-16 Big-Endian)。UTF-16BE, BOM有であること。 | Mozilla |
| utf-32 utf-32le | Unicode (UTF-32)。UTF-32LE, BOM有であること。 | 65005? Mozilla |
| utf-32be | Unicode (UTF-32 Big-Endian)。UTF-32BE, BOM有であること。 | 65006? Mozilla |
| iso-10646-ucs-2 | UCS-2(UTF-16とほぼ同じ)。Little-EndianかBig-Endianのいずれか。いずれの場合もBOM有であること。基本的にXML用の文字コード名。 | 1200? |
| iso-10646-ucs-4 | UCS-4(UTF-32はこれのサブセット)。Little-EndianかBig-Endianのいずれか。いずれの場合もBOM有であること。基本的にXML用の文字コード名。 | 1201? |
| ISO-8859-1 | 西ヨーロッパ言語 (ISO) | 28591 |
| ISO-8859-2 | 中央ヨーロッパ言語 (ISO) | 28592 |
| ISO-8859-3 | ラテン 3 (ISO) | 28593 |
| ISO-8859-4 | バルト言語 (ISO) | 28594 |
| ISO-8859-5 | キリル言語 (ISO) | 28595 |
| ISO-8859-6 | アラビア語 (ISO) | 28596 |
| ISO-8859-7 | ギリシャ語 (ISO) | 28597 |
| ISO-8859-8 | ヘブライ語 (ISO-Visual) | 28598 |
| ISO-8859-9 | トルコ語 (ISO) | 28599 |
| ISO-8859-10 | 北欧言語 (ISO) | Mozilla |
| ISO-8859-11 | タイ語, TIS-620とほぼ同じ。IE6ではWindows-874として扱われているらしい。 | Mozilla |
| ISO-8859-13 | エストニア語 (ISO) | 28603 |
| ISO-8859-14 | ケルト言語 (ISO) | Mozilla |
| ISO-8859-15 | ラテン 9 (ISO) | 28605 |
| ISO-8859-16 | ルーマニア語 (ISO) | Mozilla |
| Windows-874 | タイ語 (Windows) | 874 |
| Windows-1250 | 中央ヨーロッパ言語 (Windows) | 1250 |
| Windows-1251 | キリル言語 (Windows) | 1251 |
| Windows-1252 | 西ヨーロッパ言語 (Windows) | 1252 |
| Windows-1253 | ギリシャ語 (Windows) | 1253 |
| Windows-1254 | トルコ語 (Windows) | 1254 |
| Windows-1255 | ヘブライ語 (Windows) | 1255 |
| Windows-1256 | アラビア語 (Windows) | 1256 |
| Windows-1257 | バルト言語 (Windows) | 1257 |
| Windows-1258 | ベトナム語 (Windows) | 1258 |
| Windows-Sami-2 | 北欧言語 | Opera |
| ARMSCII-8 | アルメニア語 | Mozilla |
| ASMO-708 | アラビア語 (ASMO 708) | 708 |
| GEOSTD8 | グルジア語 | Mozilla |
| ISO-IR-111 | キリル言語 (ISO) | Mozilla |
| KOI8-R | キリル言語 (KOI8-R) | 20866 |
| KOI8-U | キリル言語 (KOI8-U) | 21866 |
| TIS-620 x-tis620 | タイ語, ISO-8859-11とほぼ同じ。IE6ではWindows-874として扱われているらしい。 | Mozilla |
| US-ASCII | US-ASCII | 20127 |
| x-IA5 | 西ヨーロッパ言語 (IA5) | 20105 |
| x-IA5-German | ドイツ語 (IA5) | 20106 |
| x-IA5-Norwegian | ノルウェー語 (IA5) | 20108 |
| x-IA5-Swedish | スウェーデン語 (IA5) | 20107 |
| x-viet-tcvn5712 | ベトナム語 | Mozilla |
| viscii | ベトナム語 | Mozilla |
| x-viet-vps | ベトナム語 | Mozilla |
| IBM437 | OEM アメリカ合衆国 | 437 |
| DOS-720 | アラビア語 (DOS) | 720 |
| IBM737 | ギリシャ語 (DOS) | 737 |
| IBM775 | バルト言語 (DOS) | 775 |
| IBM850 | 西ヨーロッパ言語 (DOS) | 850 |
| IBM852 | 中央ヨーロッパ言語 (DOS) | 852 |
| IBM855 | OEM キリル | 855 |
| IBM857 | トルコ語 (DOS) | 857 |
| IBM00858 CP858 | マルチリンガル ラテン I | 858 |
| IBM860 | ポルトガル語 (DOS) | 860 |
| IBM861 | アイスランド語 (DOS) | 861 |
| DOS-862 IBM862 | ヘブライ語 (DOS) | 862 |
| IBM863 | フランス語 (カナダ) (DOS) | 863 |
| IBM864 | アラビア語 (864) | 864 |
| IBM865 | 北欧 (DOS) | 865 |
| IBM866 | キリル言語 (DOS) | 866 |
| IBM869 | ギリシャ語, Modern (DOS) | 869 |
以下、上記対応エンコーディングについての毛流麦花のメモ(覚書き)です。
Windows-Sami-2: 北欧言語向けのエンコーディングです。 省略してwinsami2と表記することもあります。 ノルウェーの会社が開発したOperaは対応しています。(というか、Operaしか対応していません。) 北欧に対して強い思い入れのある毛流麦花といたしましては、Windows-Sami-2への対応を外すわけにはまいりません。(笑) 北欧言語向けのエンコーディングとしてはこれ以外に ISO-8859-10 (Latin6) があります。
ARMSCII-8: アルメニア語で使われているエンコーディングです。 なお,"Armenian Eternity Sign"と"Armenian Section Sign"には対応していません。 アルメニア語ではこれ以外にARMSCII-7, ARMSCII-8A, ARMSCII-16のエンコーディングがありますが、これらには対応していません。
IA5: International Alphabet No.5の略で、情報交換用の符号体系の一種で、ITU-T勧告T.50にて規定されています。 ("International Reference Alphabet (IRA) (Formerly International Alphabet No. 5 or IA5) - Information technology - 7-bit coded character set for information interchange") ISO-646でも規定されているらしいですが、当方では確認していません。(ECMA-6 にも記述があります。) x-IA5、x-IA5-German、x-IA5-Norwegian、x-IA5-Swedishのいずれのエンコーディングにも対応しています。 IA5では、0x00から0x7Fまでの文字を規定しています。 各々(x-IA5、x-IA5-German、x-IA5-Norwegian、x-IA5-Swedish)が 0x23, 0x24, 0x40, 0x5B, 0x5C, 0x5D, 0x5E, 0x60, 0x7B, 0x7C, 0x7D, 0x7Eに独自の文字を割り当てています。 x-IA5はIRV(International Reference Version)と呼ぶこともあります。 前述コード領域の文字を規定していない素のIA5もあります。 普段からおなじみのASCIIは、IA5の米国バージョンのことです。
TIS-620: タイ語で使われているエンコーディングです。0xA0(NO-BREAK SPACE)がないことを除けば、ISO-8859-11と同等です。
ISO-IR-111, KOI8-R, KOI8-U: ロシア・ウクライナなどのキリル言語圏で使われているエンコーディングです。 ISO-IR-111はRFC-1345, KOI8-RはRFC-1489, KOI8-UはRFC-2319で規定されています。
TCVN, VISCII, VPS: ベトナム語圏で使われているエンコーディングです。 TCVNはTCVN 5712:1993のことで, VSCII-1とも呼ばれます。(VSCIIはVietnam Standard Code for Information Interchangeの略。) この他にもVSCII-2, VSCII-3があります。 VISCIIは上述VSCIIとは別物で、RFC-1456で規定されています。 VPSはVietnamese Professionals Societyが規定したエンコーディングで、VNCIIとも呼ばれます。
インデックス化対象ファイルについて、Unicode版msearchが対応していないエンコーディング(文字コード)を列挙します。 エンコーディングは、タグで指定できるものはその表記になっています。 呼称は日本語版Internet Explorer 6 Service Pack 1(on Windows XP Professional)での表記です。(Microsoftコードページの欄に番号の記載のあるもののみ。） Microsoftコードページの欄に番号の記載がなくブラウザ名の記載があるものは、Windowsが対応していないエンコーディングです。記載しているブラウザでは対応しています。
| エンコーディング | 呼称, 対象言語 | Microsoftコードページ、もしくは対応ブラウザ |
|---|---|---|
| UTF-7 | Unicode (UTF-7) | 65000 |
| UTF-EBCDIC | Unicode (UTF-EBCDIC) | 未確認 |
| x-imap4-modified-utf7 | IMAP4 Unicode (UTF-7) | Mozilla |
| ASMO-449 | アラビア語 | 未確認 |
| ISIRI-2900 | ペルシア語(イラン) | 未確認 |
| ISIRI-3342 | ペルシア語(イラン) | 未確認 |
| cp1368 | アラビア語(マレーシア) | 未確認 |
| ISO-8859-6-I | アラビア語 | 未確認 |
| ISO-8859-6-E | アラビア語 | 未確認 |
| ISO-8859-8-I | ヘブライ語 (ISO-Logical) | 38598 |
| ISO-8859-8-E | ヘブライ語 | 未確認 |
| x-iscii-as | ISCII アッサム語 | 57006 |
| x-iscii-be | ISCII ベンガル語 | 57003 |
| x-iscii-de | ISCII デバナガリ文字 | 57002 |
| x-iscii-gu | ISCII グジャラート語 | 57010 |
| x-iscii-ka | ISCII カンナダ語 | 57008 |
| x-iscii-ma | ISCII マラヤーラム語 | 57009 |
| x-iscii-or | ISCII オリヤー語 | 57007 |
| x-iscii-pa | ISCII パンジャブ語 | 57011 |
| x-iscii-ta | ISCII タミール語 | 57004 |
| x-iscii-te | ISCII テルグ語 | 57005 |
| IBM037 | IBM EBCDIC (US - カナダ) | 037 |
| IBM500 | IBM EBCDIC (インターナショナル) | 500 |
| IBM870 | IBM EBCDIC (多国語ラテン 2) | 870 |
| CP875 | IBM EBCDIC (ギリシャ語 Modern) | 875 |
| IBM1026 | IBM EBCDIC (トルコ語ラテン 5) | 1026 |
| IBM01047 | IBM ラテン-1 | 1047 |
| IBM01140 | IBM EBCDIC (US - カナダ - ヨーロッパ) | 1140 |
| IBM01141 | IBM EBCDIC (ドイツ - ヨーロッパ) | 1141 |
| IBM01142 | IBM EBCDIC (デンマーク - ノルウェー - ヨーロッパ) | 1142 |
| IBM01143 | IBM EBCDIC (フィンランド - スウェーデン - ヨーロッパ) | 1143 |
| IBM01144 | IBM EBCDIC (イタリア - ヨーロッパ) | 1144 |
| IBM01145 | IBM EBCDIC (スペイン - ヨーロッパ) | 1145 |
| IBM01146 | IBM EBCDIC (UK - ヨーロッパ) | 1146 |
| IBM01147 | IBM EBCDIC (フランス - ヨーロッパ) | 1147 |
| IBM01148 | IBM EBCDIC (インターナショナル - ヨーロッパ) | 1148 |
| IBM01149 | IBM EBCDIC (アイスランド語 - ヨーロッパ) | 1149 |
| IBM273 | IBM EBCDIC (ドイツ) | 20273 |
| IBM277 | IBM EBCDIC (デンマーク - ノルウェー) | 20277 |
| IBM278 | IBM EBCDIC (フィンランド - スウェーデン) | 20278 |
| IBM280 | IBM EBCDIC (イタリア) | 20280 |
| IBM284 | IBM EBCDIC (スペイン) | 20284 |
| IBM285 | IBM EBCDIC (UK) | 20285 |
| IBM290 | IBM EBCDIC (日本語カタカナ) | 20290 |
| IBM297 | IBM EBCDIC (フランス) | 20297 |
| IBM420 | IBM EBCDIC (アラビア語) | 20420 |
| IBM423 | IBM EBCDIC (ギリシャ語) | 20423 |
| IBM424 | IBM EBCDIC (ヘブライ語) | 20424 |
| x-EBCDIC-KoreanExtended | IBM EBCDIC (韓国語 Extended) | 20833 |
| IBM-Thai | IBM EBCDIC (タイ語) | 20838 |
| IBM871 | IBM EBCDIC (アイスランド語) | 20871 |
| IBM880 | IBM EBCDIC (キリル言語 - ロシア語) | 20880 |
| IBM905 | IBM EBCDIC (トルコ語) | 20905 |
| IBM00924 | IBM ラテン-1 | 20924 |
| CP1025 | IBM EBCDIC (キリル言語 セルビア - ブルガリア) | 21025 |
| GB2312 | 簡体字中国語 (GB2312) | 936 |
| x-cp20936 gb_2312-80 | 簡体字中国語 (GB2312-80) | 20936 |
| x-cp50227 | 簡体字中国語 (ISO-2022) | 50227 |
| ISO-2022-CN | 簡体字中国語 (ISO-2022-CN) | Mozilla |
| euc-cn | 簡体字中国語 (EUC) | 51936 |
| HZ-GB-2312 | 簡体字中国語 (HZ) | 52936 |
| GB18030 | 簡体字中国語 (GB18030) | 54936 |
| x-GBK | 簡体字中国語 (GBK) | Mozilla |
| Big5 | 繁体字中国語 (Big5) | 950 |
| Big5-HKSCS | 繁体字中国語 (Big5-HKSCS) | Mozilla |
| x-Chinese-CNS | 繁体字中国語 (CNS) | 20000 |
| x-Chinese-Eten | 繁体字中国語 (Eten) | 20002 |
| x-euc-tw | 繁体字中国語 (EUC-TW) | Mozilla |
| x-cp20001 | TCA 台湾 | 20001 |
| x-cp20003 | IBM5550 台湾 | 20003 |
| x-cp20004 | TeleText 台湾 | 20004 |
| x-cp20005 | Wang 台湾 | 20005 |
| ks_c_5601-1987 x-ksc5601-11 | 韓国語 | 949 |
| Johab | 韓国語 (Johab) | 1361 |
| x-Johab | 韓国語 (Johab) | Mozilla |
| x-cp20949 | 韓国語 Wansung | 20949 |
| ISO-2022-KR | 韓国語 (ISO) | 50225 |
| euc-kr | 韓国語 (EUC) | 51949 |
| x-Windows-949 | 韓国語 (UHC) | Mozilla |
| x-cp20261 | T.61 | 20261 |
| T.61-8bit | T.61 | Mozilla |
| x-cp20269 | ISO-6937 | 20269 |
| x-cp21027 | Ext Alpha Lowercase | 21027 |
| adobe-symbol-encoding | Symbol | Mozilla |
| x-dingbats | DingBats | Mozilla |
| x-dectech | DECTECH | Mozilla |
| x-Europa | Europa。未確認 | 29001 |
| x-user-defined | ユーザー定義 | なし |
| x-Mac-Arabic | アラビア語 (Mac) | 10004 |
| x-Mac-CE | 中央ヨーロッパ言語 (Mac) | 10029 |
| Macintosh | 西ヨーロッパ言語 (Mac) | 10000 |
| x-Mac-ChineseSimp | 簡体字中国語 (Mac) | 10008 |
| x-Mac-ChineseTrad | 繁体字中国語 (Mac) | 10002 |
| x-Mac-Croatian | クロアチア語 (Mac) | 10082 |
| x-Mac-Cyrillic | キリル言語 (Mac) | 10007 |
| x-Mac-Devanagari | デバナガリ文字 (Mac)。ヒンディー語, サンスクリット語 | Mozilla |
| x-Mac-Farsi | ペルシア語 (Mac) | Mozilla |
| x-Mac-Greek | ギリシャ語 (Mac) | 10006 |
| x-Mac-Gujarati | グジャラート語 (Mac)。ナーガリー文字 | Mozilla |
| x-Mac-Gurmukhi | グルムキー文字 (Mac)。パンジャブ語 | Mozilla |
| x-Mac-Hebrew | ヘブライ語 (Mac) | 10005 |
| x-Mac-Japanese | 日本語 (Mac) | 10001 |
| x-Mac-Icelandic | アイスランド語 (Mac) | 10079 |
| x-Mac-Korean | 韓国語 (Mac) | 10003 |
| x-Mac-Roman | 西ヨーロッパ言語 (Mac) | Mozilla |
| x-Mac-Romanian | ルーマニア語 (Mac) | 10010 |
| x-Mac-Thai | タイ語 (Mac) | 10021 |
| x-Mac-Turkish | トルコ語 (Mac) | 10081 |
| x-Mac-Ukrainian | ウクライナ語 (Mac) | 10017 |
以下、上記以外の未対応エンコーディングについての毛流麦花のメモ(覚書)です。
CESU-8: CESU-8とは、8-bit Compatibility Encoding Scheme for UTF-16のことで、 Unicode Technical Reports #26(UTR 26)で規定されています。(Unicodeの正式な仕様の一部ではありません。) UTF-16のデータを(バイトオーダーを考慮する必要のない)8bit単位で処理するためのエンコーディングで、 BMP領域の文字はUTF-8と同じようにエンコーディングされます。 補助プレーンの文字については(Unicodeコードポイントではなく)UTF-16のサロゲートペアー(surrogate pair)を 6バイトにエンコーディングする点がUTF-8との違いです。 もともとCESU-8はソフトウェア内部で用いるためのエンコーディングであってWebページなどで使うためのものではないので、 対応する必要性は低いものと考えています。
(1)インデックス作成時、インデックス化対象ファイルの文字コードの判定は以下の手順で行われます。
(2)検索実行時、HTMLページの検索フォームからサーバーに送られた 検索文字列の文字コードの判定は、 ヒント文字列(検索フォームにhidden属性で埋め込まれたname="hint"の<input>タグ)を使って行われます。 すなわち、ヒント文字列の文字コードを判定し、 検索文字列もその文字コードでエンコードされていると判断します。(※4)
※1：文字コードの判定にタグを調べるのには、2つの理由があります。 1番目の理由は, 文字コードを判定する際、UTF-8とShift_JIS, EUC-JP間の見極めが難しいことによります。 これらの文字コードは使用しているコード領域が重なっています。 2番目の理由は, ISO-8859, CodePageなどの各種エンコーディングに対応するためです
※2：この判定を行っているため、「鏤身」(注：ルシン、もしくはロウシンと読みます。)などの「鏤」で始まる字句が ファイルの先頭にあるEUC-JPのファイル(非マークアップのテキスト)をUTF-8であると誤判定する可能性があります。
※3：この判定は簡易的なものです。Shift_JISにおいては、 「絆」、「罠」、「羞恥」、「飛翔」、「胚芽」などの 1バイト目が0xE3の文字を含む字句が多く出現するファイル(非マークアップのテキスト)、 EUC-JPにおいては、 「祭祀」、「齋藤」、「稟議」、「改竄」などの 1バイト目が0xE3の文字を含む字句が多く出現するファイル(非マークアップのテキスト)、 などをUTF-8であると誤判定する可能性があります。この種の誤判定を防止したい場合は、 当該ページをHTML化した上で、<meta>タグで文字コードを指定してください。
※4：本家版msearchでは、当初、検索文字列の文字コード判定を 検索文字列そのもの(検索窓に入力した文字列)を使って行っていたのですが、 この方法だと、全角文字1文字で検索すると文字コードの判定がうまく行われず 結果として正しく検索できない場合があると いう問題が発生し、本家版msearch 1.51以降では、ヒント文字列で文字コードを 判定する方法に変更されています。当時のmsearch掲示板(閉鎖済)を調べると、 「簪（かんざし）という文字で検索するとうまく検索できない」という 問題だったようです。
Unicode版msearchを活用する上でのコツ、秘訣、裏技です。
検索対象に絶対に出てこない文字列のNOT検索を行います。検索対象に絶対出現しないような文字列、例えば「ばみぼずら」の NOT検索、具体的には「-ばみぼずら」で検索すれば、全件ヒットします。
Unicode版msearchにまつわる、主に技術的な話です。
本家版msearchでは特定の文字列で検索すると、文字化けが発生することがあります。(検索結果画面のサマリー表示が文字化けする。) これは、検索文字列のバイトシーケンスが、検索対象内の文字境界間ではなく中途半端な場所でヒットしてしまうことに起因します。 具体例を見てみましょう。 (下記例は小職が本家版msearchを使っていた時に実際に遭遇した事例で、 Unicode版msearch開発のきっかけとなったもの。 以下、本家msearchサイトのmsearch掲示板(閉鎖済)から要約して引用。)
本家版msearchでの誤検索(ミスマッチ)による文字化けの例 [検索文字列] 北 CB,CC 欧 B2,A4 [検索対象内] す A4,B9 で A4,C7 に A4,CB 眠 CC,B2 り A4,EA
本家版msearchでは、インデックスをEUC-JPエンコーディングで作成しており、 「北欧」と「すでに眠り」のバイトシーケンスは上記のようになります。 「北欧」のバイトシーケンスは、上記のように「すでに眠り」の中に出現しますが、 文字境界間ではなく「文字の途中から途中まで」と中途半端な場所に出現します。 このため「北欧」で検索すると、文字化けします。
これに対して、インデックスをUTF-8エンコーディングで作成するUnicode版msearchでは、 上記のような誤検索(ミスマッチ)に起因する文字化けは原理的に発生しません。
それはUTF-8エンコーディングで使用しているコード領域に秘密があります。 以下の表はUCS-4全領域の文字をUTF-8でエンコーディングした時のバイトシーケンスを示します。 0x0000から0x0010FFFFまでのUCS-4値は、Unicodeコードポイントと同じです。 各数値は16進数表記です。 （以下の表は説明用に簡略化してあり、実際のUTF-8ではill-formed（不正）として扱われるバイトシーケンスも含まれています。 厳密な意味での（well-formedな）UTF-8で使われるバイトシーケンスはもう少し複雑です。詳しくはUnicode 4.0仕様書の "3.9 Unicode Encoding Forms"をご参照ください。）
| 1バイト目 | 2バイト目 | 3バイト目 | 4バイト目 | 5バイト目 | 6バイト目 | UCS-4値 |
|---|---|---|---|---|---|---|
| 00-7F | 0x0000 - 0x007F | |||||
| C0-DF | 80-BF | 0x0080 - 0x07FF | ||||
| E0-EF | 80-BF | 80-BF | 0x0800 - 0xFFFF | |||
| F0-F7 | 80-BF | 80-BF | 80-BF | 0x00010000 - 0x001FFFFF | ||
| F8-FB | 80-BF | 80-BF | 80-BF | 80-BF | 0x00200000 - 0x03FFFFFF | |
| FC-FD | 80-BF | 80-BF | 80-BF | 80-BF | 80-BF | 0x04000000 - 0x7FFFFFFF |
各文字の1バイト目で使用しているコード領域はバイト数の異なる他の文字の1バイト目と重なっておらず、 さらに各文字の2バイト目以降とも重なっていません。これはすなわち、検索動作(パターンマッチ動作)を 行う際に、文字の途中から途中までという中途半端な場所にマッチする恐れがないことを意味します。 この特徴はUTF-8ならではのもので、UTF-16, UTF-32にはありません。 なおコード領域が重なっていないことには、他にも以下のメリットがあります。
もっと詳しく知りたい場合は、RFC-2279もしくはRFC-3629 "UTF-8, a transformation format of ISO 10646"をご参照ください。 (RFC-2279はドラフト版、RFC-3629は正式版です。)
msearchの検索エンジン内部を調べていて、「エンジン本体そのままで内部エンコードをUTF-8に変更しても動作するのではないか?」と 考えたのがきっかけです。そもそも検索エンジン内部に首をつっこんだのは、「北欧」で検索すると文字化けが発生するという事象に遭遇したためです。 以下に時系列で記します。(以下、本家msearchサイトのmsearch掲示板(閉鎖済)から要約して引用。)
[2002年11月29日] 「北欧」で検索すると文字化けが発生する(検索結果のサマリー表示が文字化け)という事象に遭遇。
[2003年9月14日] msearch.cgi(当時はver1.50)を改造することで問題解決。 検索クエリー中に文字化けを誘発する語句（北欧など）が含まれている場合、その語句については全角１文字検索に準じた検索（厳密なパターンマッチング）を行うことで、 問題解決した。
[2003年11月15日] msearchのUnicode対応化実験。この時点では、Unicodeエンコーディングのファイルも インデックス化できるだけであり、インデックスそのもののエンコーディングはEUC-JPのまま。
[2004年1月20日] Unicode版msearchのテスト開始。 インデックスのエンコーディングがUTF-8になり、ようやく「Unicodeに対応しました」と呼べる代物になった。
[2004年3月10日] Unicode版msearch Ver. 1.51(U1)-β1の公開開始。 2004年4月15日に正式版公開開始。 ちなみにこの時点では、プロバイダ(@Nifty)のホームページスペースを使っていた。 レンタルサーバーに引っ越ししたのは、Unicode版msearch Ver 1.52(U1)公開時(2005年3月8日)から。
Unicode版msearchに含まれているスクリプトファイル(.cgi, .pl)のエンコードは UTF-8ではなくEUC-JPとなっていますが、これには理由があります。
Unicode未対応の古いPerlでBOM付UTF-8で保存されたPerlスクリプトを実行しようとすると エラーになるためです。Unicode版msearchは、Unicode未対応のPerl(5.004など)でも 動作するようになっており、BOMに起因する上記トラブルを回避するために、 スクリプトファイルのエンコードは敢えて、EUC-JPのままとしています。
ちなみにUnicodeに正式対応したPerlでは、BOM付UTF-8で 保存されたPerlスクリプトであっても、問題なく実行できます。