그래픽 문자(Graphic Characters)

97/05/16
이 상 로

코드의 개념과 용어정의에서 G0, G1, G2, G3 4개의 코드요소(code elements)를 설명하고 각요소는 94 또는 96개 문자를 배정받을 수 있다고 설명하였다. 이 장에서는 코드요소를 어떻게 이용하는지와 주어진 코드요소를 가지고 더많은 문자를 어떻게 표현하는지를 살펴본다.

1. 94, 96 문자셋(character sets)

ISO/IEC 2022에서는 94 또는 96개의 코드위치에 사용할 수 있는 그래픽 문자셋을 지정하고 있다. 또한 어떤 문자셋에서든지 SPACE와 DELETE문자가 배정되지 않도록 규정하고 있다. 그리고 문자셋은 다음과 같이 호출(invocation)된다.

이 4가지 방법은 모두 허용된다. 만일 96개 위치가 GL영역에 호출되면(invocated) 02/00과 07/15에까지 호출되므로 기존에 GL에 있던 SPACE와 DELETE는 사용할 수 없게 된다. 만일 94개 셋이 GR영역에 호출되면 10/00과 15/15는 사용되지 않는 상태로 남아있게 된다.

ISO/IEC 2022에서 G1, G2, G3의 코드요소(code elements)는 94개나 96개의 코드를 가질수 있으나 G0 코드요소는 오직 94개 코드만을 가지도록 하고 있다. 또한 G1, G2, G3 코드요소는 GL이나 GR영역에 호출될수 있으나 G0만은 반드시 GL영역에 호출되어야 한다고 규정하고 있다.

2. 단일바이트(single byte)와 다중바이트(multiple-byte) 문자셋(character sets)

2.1 문자셋의 중첩(Nesting of character sets)

ISO/IEC 2022에서는 94/96개의 코드위치에 다음과 같은 방식으로 문자나 문자셋을 배정하도록 하고 있다.

  1. 각 코드위치(code position)는 하나의 문자가 배정되거나 아니면 배정되지 않는 상태로 둔다.
  2. 각 코드위치(code position)는 추가로 94/96개의 code position set이 배정되거나 아니면 배정되지 않는 상태로 둔다

두 번째와 같이 한 코드위치가 다른 문자셋을 중첩해서 갖는 경우 94개 코드위치셋(code position set)은 94개 코드위치셋을 가지며, 96개 코드위치셋은 96개 코드위치셋을 가질 수 있다. 그러나 94개 코드위치셋에서 한 code position이 96개 코드위치셋을, 96개 코드위치셋에서 한 code position이 94개 코드위치셋을 교차로가질수는 없다. 따라서 같은 크기의 코드위치셋이라면 얼마든지 중첩해서 코드셋을 가질수 있다. (코드셋의 한 위치가 다른 코드위치셋을, 그 코드위치셋의 한원소가 다른 코드셋을...)

2.2 중첩된 문자셋의 코딩(Coding of nested sets)

중첩된 문자셋이 호출될때는 중첩된 문자를 표현하기위해 추가적으로 한바이트 이상이 필요하다. 이때 추가되는 바이트는 다음과 같은 알고리즘을 거친다.

  1. "중첩된 문자를 위해 추가된 바이트"를 취해(알고리즘이 처음 시작될 때 첫 번째 바이트가 됨) 그 바이트가 문자인지, 문자셋인지 구별한다. 이와 같은 구별은 현재 호출되어 있는 문자셋의 해당바이트를 보고 문자인지 문자셋인지 알수 있다. (다음장의 control function에서 자세히 설명)
  2. 만일 추가된 바이트가 문자셋을 가르키는 것이라면 해당 문자셋은 현재문자셋이 호출되어 있는 영역에(GL영역이면 GL, GR영역이면 GR영역)호출되어 기존의 문자셋을 대체한다. 그리고 다시 해당 바이트가 문자인지 문자셋인지 구별하는 단계 1로 간다.
  3. 만일 1)에서 구별된 바이트가 문자이면 "중첩된 바이트로 나타내는 문자"로 인식하고 알고리즘을 종료한다.

이러한 알고리즘에 의해 중첩된 문자셋으로 표현하는 문자는 추가적인 바이트가 필요하며 다음과 같은 특성을 갖는다.

  1. 같은 셋에 있는 모든 문자는 동일한 수의 바이트로 표현된다.
  2. 94/96 위치셋(position set)이 GL이나 GR의 어느 한영역에 호출되므로 중첩된 문자셋을 표현하기 위해 필요한 바이트들은 같은 상태에 있게 된다.

이와 같은 방법으로 중첩된 문자셋을 가르켜 다중바이트셋(multiple-byte set)이라하고 중첩이 필요하지 않는 문자셋을 단일바이트셋(single byte set)이라고 한다.

문자셋 코딩 알고리즘을 예를 들어보자. 만일 문자가 두바이트셋으로 GL영역에 호출되고 그때의 두바이트가 03/01 05/04이라면 이와 같은 셋이 GR영역에 호출되었을 때 11/01 13/04로 표현할 수 있다.

2.3 한국, 중국, 일본의 국가문자표준(National Standards)

2바이트 코드 문자셋인 한국, 중국, 일본의 문자는 ISO/IEC 2022 코드 구조에 따라 코드화한 것으로 문자셋이 ISO 2375 Register에 규정되어 있으며 해당국가 표준과도 연결된다. 사실 ISO 2375는 한국, 중국, 일본뿐만 아니라 2바이트 문화권의 다국적 언어를 지원하는 코드방식이다. ISO 2375에서 규정하는 몇가지 중요한 부분만 살펴보자.

  1. ISO-IR 87 (ESC 02/04 xx 04/02) : Japanese standard JIS C 6226:1983 이 2바이트 문자셋은(94개 코드위치를 두 개 가짐) 147개 심벌, 0-9까지 숫자, A-Z a-z까지의 라틴문자, 히라가나, 가타가나, 24개 그리스문자, 33개 시릭문자, 일본 간지, 32개의 선문자(line drawing)를 합쳐 총 6877개 그래픽문자를 가진다.
  2. ISO-IR 168(ESC 02/06 04/00 ESC 02/04 xx 04/02) : Japanese standard JIS X 0208:1990 ISO-IR 87의 수정본으로써 ISO-IR 87에서와 같은 Escape Sequence에 의해 문자셋이 지정되며(designated) 02/06은 첫 번째 수정본이라는 것을 의미한다. 이 버전에서는 두 개의 문자가 추가로 포함되었다.
  3. ISO-IR 159 (ESC 02/04 gg 04/04) : Japanese standard JIS X 0212:1900 이 2바이트 문자셋은(94개 코드위치가 두 개) ISO-IR 87 이나 ISO-IR 168을 대체하는 것으로 21개의 추가 심벌문자, 27개의 추가 라틴문자, 171개의 diacritical marks을 가지는 라틴문자, 21개 그리스문자 26개 시릭문자, 추가로 5801개의 간지(kanji)문자를 합쳐 총 6067개 문자를 포함한다.
  4. ISO-IR 149 (ESC 02/04 gg 04/03): Korean standard KS C 5601:1987 이 2바이트 문자셋은(94개 코드위치가 2개) 276개의 심벌, 아랍숫자(0,1,...) 로마숫자(i,ii,.. and Ⅰ,Ⅱ...), 한글, A-Z a-z까지의 라틴문자에 추가로 11개 대문자 16개 소문자,24개 그리스문자, 33개 시릭문자, 68개 선문자(line drawing), 히라가나, 가타가나, 2350개 한글, 4888 한자로 총 8224개 문자를 포함한다.
  5. ISO-IR 171 (ESC 02/04 gg 04/07): Chinese standard CNS 11643: 1986, Set 1. 이 2바이트 문자셋은(94개 코드위치가 2개) 234개의 심벌, 아랍숫자(0,1,...) 로마숫자(i,ii,.. and Ⅰ,Ⅱ...) 한자숫자, A-Z a-z까지의 라틴문자, 24개 그리스문자, 42개 Mandarin phonetic symbols, 213개 Chinese character radicals, 33개 제어코드심벌(ESC, DEL과 같은), 5401개의 한자로 총 6085개 문자를 포함한다.
  6. ISO-IR 172 (ESC 02/04 gg 04/08): Chinese standard CNS 11643: 1986, Set 2. 이 2바이트 문자셋은(94개 코드위치가 2개) 자주 쓰이는 7650개 한자가 포함되었다.

여기에 나오는 Escape sequence에서 gg는 02/08, 02/09, 02/10, 02/11중 하나로 바꾸어 쓸수 있으며 각각은 G0, G1, G2, G3 코드요소를 의미한다. gg자리에 xx가 쓰인 곳은 ISO/IEC 2022 코딩의 예외로서 해당 비트조합(bit combination)은 없다. 따라서 G0 코드요소가 사용된다.

Escape sequence에서 중간에 나오는 바이트는(02/04) 94개 2바이트 문자셋이 코드요소(code elements)로 지정됨을 의미한다.

2.4 가변길이(Variable-length) 문자의 코딩

다중바이트(multiple-byte) 문자셋이 사용된다는 것은 2바이트처럼 동일한 길이의 문자코딩방식 뿐만아니라 가변길이 문자의 코딩방법도 있을 수 있다는 것을 의미한다. 가변길이 문자코딩이 필요한 이유는 두가지이다.

  1. GL과 GR 코드영역은 각기 다른 길이의 문자를 코딩한 문자셋을 포함할 수 있다.
  2. 만일 94개 위치셋(position set)이(multiple-byte set이 호출되더라도)이 GL영역에 호출되면 SPACE와 DELETE 각기 02/00 07/15같이 단일문자로 표현할 수 있다.

문자셋이 escape sequence에 의해 G0, G1, G2, G3에 동적으로 지정될 때 escape sequence의 표현방식은 전송상대방에게 다음과 같은 내용을 구분할 수 있도록 해준다.

  1. 문자셋이 94개 또는 96개 위치셋(position set)인지
  2. 문자셋이 single-byte인지 multiple-byte인지
  3. 만일 multiple-byte라면 각 문자를 표현하기위해 얼만큼의 바이크가 필요한지 에 관한 정보를 넘겨준다.

3. 문자를 통한 조합(Combining characters)

이용가능한 코드위치(code position)를 사용하는 방법말고도 문자셋을 확장하는 수단으로 문자를 조합하는 방법이 있다. 문자를 조합하여 사용하는 원래목적은 어떤 문자들은 공백이 없는 문자라는 것을 나타내기 위해서였다. 이것은 아래 한글에서 사용하는 글자겹침기능과 같다. 즉 a움라우트나 첨자가 붙은 문자를 표현하기 위해 두 개 또는 이상의 문자를 같은 위치에 조합하여 표현하는 방식이다. 처음에는 전보를 받는 전신인쇄기가 액센트가 붙은 문자를 표현하기위해 다음문자로 자리를 옮기지 않고 문자를 겹쳐(공백없이) 액센트가 붙은 문자를 나타내기 위해 사용되었다. 따라서 단일공백문자(공백문자가 1개이면 2개를 겹치는 것이고, 2개이면 3개문자를 겹치는 것임)를 사용함으로서 더많은 액센트가 문자를 표현할 수 있게 되었다.

겹침문자(공백문자)로 표현한 문자는 그래픽문자(종이에 찍을수 있는문자)에 속하지만 그렇다고 공백문자로 표현한 액센트가 붙은 문자가 일반문자처럼 해당코드를 가지는 것은 아니다. 그리고 겹침문자 다음에는 항상 SPACE가 나와야 한다. 그래야 문자겹침에서 빠져나올수 있기 때문이다. 공백문자에 관한 사용규정은 ISO/IEC 6937에 나타나있다.

공백문자(겹침문자)는 다음문자를 현재문자에 겹쳐서 문자를 조합하는 방법이다. 현재에는 전신인쇄기에서도 액센트문자를 표현할 다른 방법이 생겨서 문자를 조합할 필요성이 감소되었지만 만일 겹침문자를 나타낸다면 이후에 나오는 문자를 겹치는 것이 아닌 이전문자를 겹쳐 문자를 표현할수도 있을 것이다. 이전문자를 겹치는 방법은 소문자 E에 아래첨자로 왼쪽 작은 인용표를 찍는데 사용하는 것보다 소문자 E에 왼쪽 작은인용표를 표현하는데 더 적합할 것이다. 이런 방법은 ISO/IEC 10646에 포함되었다.

문자 조합(겹침문자를 사용하는)방식으로 단일코드요소(single code element)에서도 가변길이 문자를 코드화할 수 있게 되었다.