にせねこメモ

はてなダイアリーがUTF-8じゃないので移ってきました。

変な文字化け

Unicode

奇妙な文字化けがあった(ことを思い出した)のでメモしておく。

きっかけはこのツイート。twitpicの画像をご覧いただきたい。

twitter.com

「悰しい悰惴が倩瀨僯能です」は「新しい更新が利用可能です」が化けた物ではないか。下表にUnicodeスカラ値を示す。

悰 し い 惴 悰 が
60B0 3057 3044 60F4 60B0 304C
新 し い 更 新 が
65B0 3057 3044 66F4 65B0 304C
倩 瀨 僯 能 で す
5029 7028 50EF 80FD 3067 3059
利 用 可 能 で す
5229 7528 53EF 80FD 3067 3059

Unicodeスカラ値を見ると、0x100の位が0に変化してるように見える。
となると、ひらがな、カタカナはU+30xxに含まれているので化けない。最後の「？U+FF1F」は私用領域の「  U+F01F」に化けているものと推測される。


同様の化け方をしているものが検索したら次のページが見つかった。見事に化けている。
http://download.nai.com/products/patches/spamassassin/suservice/2.0/japanese/readme.txt

エンコードはUTF-16の様である。エンディアンはしっかり確認してないがLEか。
以下、漢字とそれが化ける前と推測される字を並べた表を載せる。数字はUnicodeスカラ値である。

側 怈 惥 䃥 䀋 炰 傃 邋 灺 聲
5074 6008 60e5 40e5 400b 70b0 5083 908b 707a 8072
年 月 日 以 下 環 境 開 発 該
5e74 6708 65e5 4ee5 4e0b 74b0 5883 958b 767a 8a72
偓 䁿 瀨 偍 䀊 耘 為 肍 倩 邢
5053 407f 7028 504d 400a 8018 70ba 808d 5029 90a2
当 使 用 前 上 記 確 認 利 関
5f53 4f7f 7528 524d 4e0a 8a18 78ba 8a8d 5229 95a2
郍 肁 情 倱 倫 惸 遞 傅 傹 偨
90cd 8081 60c5 5031 502b 60f8 905e 5085 50b9 5068
重 要 情 報 含 書 類 内 容 全
91cd 8981 60c5 5831 542b 66f8 985e 5185 5bb9 5168
䀀 肭 僧 惻 䃘 烾 偘 炶 恋 惐
4000 80ad 50e7 60fb 40d8 70fe 5058 70b6 604b 60d0
一 読 勧 添 付 現 存 状 態 提
4e00 8aad 52e7 6dfb 4ed8 73fe 5b58 72b6 614b 63d0
䂛 灹 傚 烮 炄 僾 適 倈 性 怎
409b 7079 509a 70ee 7084 50fe 9069 5008 6027 600e
供 特 定 目 的 対 適 合 性 明
4f9b 7279 5b9a 76ee 7684 5bfe 9069 5408 6027 660e
瀺 炄 郙 倇 䃝 耼 悈 倱 停 恢
703a 7084 90d9 5007 40dd 803c 6088 5031 505c 6062
示 的 黙 切 保 証 消 失 停 止
793a 7684 9ed9 5207 4fdd 8a3c 6d88 5931 505c 6b62
恟 䀚 烊 傪 倱 烴 悥 邓 怍 傳
605f 401a 70ca 50aa 5031 70f4 60a5 9093 600d 50b3
機 会 益 喪 失 直 接 間 損 害
6a5f 4f1a 76ca 55aa 5931 76f4 63a5 9593 640d 5bb3
肫 傳 灺 瀟 倴 倈 肬 䃻 肠 倊
80ab 50b3 707a 701f 5034 5008 80ac 40fb 80a0 500a
被 害 発 生 場 合 責 任 負 弊
88ab 5bb3 767a 751f 5834 5408 8cac 4efb 8ca0 5f0a
瀾 怇 瀺 胣 恺 偏 遌 傟 邛 遤
703e 6007 703a 80e3 607a 504f 904c 509f 909b 9064
社 指 示 解 決 問 題 実 際 除
793e 6307 793a 89e3 6c7a 554f 984c 5b9f 969b 9664
恜 倨 䂈 進 僦 灮 悖 備 耭 傢
605c 5028 4088 9032 50e6 706e 6096 5099 802d 50a2
潜 在 予 防 処 置 準 備 設 客
6f5c 5728 4e88 9632 51e6 7f6e 6e96 5099 8a2d 5ba2
惘 职 聨 能 僁 䃣 遢 耱 胾 瀬
60d8 804c 8068 80fd 50c1 40e3 9062 8031 80fe 702c
様 行 表 製 品 代 面 許 諾 第
69d8 884c 8868 88fd 54c1 4ee3 9762 8a31 8afe 7b2c
䀉 者 遍 倃 偱 偬 邋 悲 耉 炁
4009 8005 904d 5003 5071 506c 908b 60b2 8009 7081
三 者 配 布 共 公 開 掲 載 禁
4e09 8005 914d 5e03 5171 516c 958b 63b2 8f09 7981
違 惕 個 䂺 惒 倦 怩 遐 态 胪
9055 60d5 500b 40ba 60d2 5026 6029 9050 6001 80ea
違 法 個 人 拒 否 権 限 持 質
9055 6cd5 500b 4eba 62d2 5426 6a29 9650 6301 8cea
連 灡
9023 7061
連 絡
9023 7d61

まだあるが飽きたのでやめる。
なかなかみごとにUnicodeスカラ値の0x0100の位の桁が0になっているようだ。

どうしたらこんな化け方するんだろうか。
詳しい方、原因が分かる方いらっしゃいましたらご教授願います。

文字化けJavascript

折角なので色々化けさせてみましょう。

フォーム版





ブックマークレット1: ページ丸ごと化けさせるもの

javascript:(function(){document.body.innerHTML=document.body.innerHTML.replace(/./g, function(m){return String.fromCodePoint(m.codePointAt(0)&0xF0FF);});})();

ブックマークレット用リンク

ブックマークレット2: 選択範囲を化けさせた結果をAlertで表示するもの

javascript:(function(){s=[...document.getSelection().toString()];s.forEach(function(c,i,a){a[i]=String.fromCodePoint(c.codePointAt(0)&0xF0FF);});alert(s.join(''));})();

ブックマークレット用リンク