[Date Prev][Date Next][Thread Prev][][Date Index][Thread Index]

Re: [w3m-dev 03918] Re: charset attribute of anchor tag 

>> On Thu, 19 Jun 2003 23:15:24 +0900 (JST)
>> patakuti@t3.rim.or.jp said as follows:

>A要素の charset 属性って、リンク先の文書の符号化方法を指定するための
>ものですよね??

すみません．勘違いしていました．

まず第一に，畑口さんの指摘の通り，charset 属性はリンク先文書の文字コー
ドを与えるための属性です．

http://www.asahi-net.or.jp/~sd5a-ucd/rec-html401j/cover.html で公開さ
れている HTML4 規格の邦訳によると，

web> charset = charset [CI]
web>     この属性は、当該リンクが指し示すリソースの文字符号化方法を指
web>     定する。詳しくは文字符号化方法の項を参照されたい。

ということですから．

更に，RFC2396 によると，

rfc> 1.5. URI Transcribability
rfc> (snip)
rfc> A URI is a sequence of characters from a very limited set,
rfc> i.e. the letters of the basic Latin alphabet, digits, and a few
rfc> special characters.

と書かれていますので，現時点では non-ASCII character を含む URI は規格
外だと思います．したがって，何らの動作の保証もないことになります．

そのような状況下で，それでも non-ASCII character を含む URI が与えられ
た場合は，どうすればよいでしょうか．

1つは，そのような URI は無効だとエラーを出力することでしょう．それは1
つの見識ですが，実際問題としては不便です．

2つは，なるべく広い範囲で動く方法で対処することです．この場合，URI に
含まれている non-ASCII 文字は適当な文字コード系にしたがって octet 列に
変換し，それらを escape してから，相手サーバーに送信する必要があります．

ここで厄介なのは，相手サーバーで URI のために使われている文字コード(一
般的には，相手サーバーで利用されているファイル名の文字コード)を，相手
サーバーとの通信以前に予想しなければならない，ということです．これは大
変に厄介な問題ですが，その URI が記載されているページの作者の知識，言
い換えれば，記載されているページ自体の文字コードであるとか，そのアンカー
の charset 属性に手掛かりを求めることは，それなりに可能性の高い方法だ
と思います．

というわけで，私は勘違いはしていましたが，実際に動作するプログラムとし
てはそれなりの実装かなあ，と思っていますがどうでしょうか．

-- 
土屋 雅稔 ( TSUCHIYA Masatoshi )