Shift-JIS 0x5C問題

Shift-JISコード文字に 0x5C(エスケープシーケンス) が含まれるときに生じる不具合について

C言語などのプログラミング言語は " \ " や " ¥ " をメタ文字(エスケープシーケンス)として扱います。XMLやHTML,CSVも " \ " や " ¥ " をエスケープシーケンスとして扱うため同様の問題が発生します。

C言語のエスケープシーケンスの例

  • \n : 改行文字
  • \0 : nul文字
  • \x1B : 16進数表記

" \ " , " ¥ " の ASCII文字コード ( UTF-8エンコード ) は 0x5C です。

一方でShift-JISでは、例えば以下の文字が16bitの中の下位バイト(8bit)に 0x5C を含みます。ちなみにShift-JISはプラットフォームに関わりなくビッグエンディアンとなります。したがって 2バイト目 に 0x5C が出現します。1バイト目にASCII文字と重複するコードを避ける。それがShift-JISの仕掛け(特徴)です。

0x5Cを含む文字の例

文字 16進数コード 意味・用例
0x815C 半角のダッシュ
0x835C 全角カタカナのソ
0x8D5C 機構
0x8F5C 漢数字の十
0x935C 下貼、目貼
0x945C 機能
0x955C 図表、別表

 

Shift-JISの文字コードに含まれる 0x5c が予想外の影響(不具合)を引き起こす例

Shift-JISに未対応のコンパイラ(言語処理系)は『能』の2バイト目の0x5Cをエスケープ文字として扱い、行末の改行文字(例えば CR / 0x0D )をエスケープします。

結果として1行目と2行目が連結されて、コンパイラは2行目もコメントアウトとみなします。

文字がエスケープされた後の悪影響はケースバイケースですので十分に注意する必要があります。

C/C++ソースコードにおける0x5c問題の回避策

  1. Shift-JISを使わない
  2. コメントを /* ~ */ 形式に統一する
  3. コメントの末尾に句点や全角スペースを挿入する

関連リンク