pod/perlebcdic.pod

   1 =encoding utf8
   2
   3 =head1 NAME
   4
   5 perlebcdic - Considerations for running Perl on EBCDIC platforms
   6
   7 =head1 DESCRIPTION
   8
   9 An exploration of some of the issues facing Perl programmers
  10 on EBCDIC based computers.  We do not cover localization,
  11 internationalization, or multi byte character set issues other
  12 than some discussion of UTF-8 and UTF-EBCDIC.
  13
  14 Portions that are still incomplete are marked with XXX.
  15
  16 Perl used to work on EBCDIC machines, but there are now areas of the code where
  17 it doesn't.  If you want to use Perl on an EBCDIC machine, please let us know
  18 by sending mail to perlbug@perl.org
  19
  20 =head1 COMMON CHARACTER CODE SETS
  21
  22 =head2 ASCII
  23
  24 The American Standard Code for Information Interchange (ASCII or US-ASCII) is a
  25 set of
  26 integers running from 0 to 127 (decimal) that imply character
  27 interpretation by the display and other systems of computers.
  28 The range 0..127 can be covered by setting the bits in a 7-bit binary
  29 digit, hence the set is sometimes referred to as a "7-bit ASCII".
  30 ASCII was described by the American National Standards Institute
  31 document ANSI X3.4-1986.  It was also described by ISO 646:1991
  32 (with localization for currency symbols).  The full ASCII set is
  33 given in the table below as the first 128 elements.  Languages that
  34 can be written adequately with the characters in ASCII include
  35 English, Hawaiian, Indonesian, Swahili and some Native American
  36 languages.
  37
  38 There are many character sets that extend the range of integers
  39 from 0..2**7-1 up to 2**8-1, or 8 bit bytes (octets if you prefer).
  40 One common one is the ISO 8859-1 character set.
  41
  42 =head2 ISO 8859
  43
  44 The ISO 8859-$n are a collection of character code sets from the
  45 International Organization for Standardization (ISO) each of which
  46 adds characters to the ASCII set that are typically found in European
  47 languages many of which are based on the Roman, or Latin, alphabet.
  48
  49 =head2 Latin 1 (ISO 8859-1)
  50
  51 A particular 8-bit extension to ASCII that includes grave and acute
  52 accented Latin characters.  Languages that can employ ISO 8859-1
  53 include all the languages covered by ASCII as well as Afrikaans,
  54 Albanian, Basque, Catalan, Danish, Faroese, Finnish, Norwegian,
  55 Portuguese, Spanish, and Swedish.  Dutch is covered albeit without
  56 the ij ligature.  French is covered too but without the oe ligature.
  57 German can use ISO 8859-1 but must do so without German-style
  58 quotation marks.  This set is based on Western European extensions
  59 to ASCII and is commonly encountered in world wide web work.
  60 In IBM character code set identification terminology ISO 8859-1 is
  61 also known as CCSID 819 (or sometimes 0819 or even 00819).
  62
  63 =head2 EBCDIC
  64
  65 The Extended Binary Coded Decimal Interchange Code refers to a
  66 large collection of single and multi byte coded character sets that are
  67 different from ASCII or ISO 8859-1 and are all slightly different from each
  68 other; they typically run on host computers.  The EBCDIC encodings derive from
  69 8 bit byte extensions of Hollerith punched card encodings.  The layout on the
  70 cards was such that high bits were set for the upper and lower case alphabet
  71 characters [a-z] and [A-Z], but there were gaps within each Latin alphabet
  72 range.
  73
  74 Some IBM EBCDIC character sets may be known by character code set
  75 identification numbers (CCSID numbers) or code page numbers.
  76
  77 Perl can be compiled on platforms that run any of three commonly used EBCDIC
  78 character sets, listed below.
  79
  80 =head2 The 13 variant characters
  81
  82 Among IBM EBCDIC character code sets there are 13 characters that
  83 are often mapped to different integer values.  Those characters
  84 are known as the 13 "variant" characters and are:
  85
  86     \ [ ] { } ^ ~ ! # | $ @ `
  87
  88 When Perl is compiled for a platform, it looks at some of these characters to
  89 guess which EBCDIC character set the platform uses, and adapts itself
  90 accordingly to that platform.  If the platform uses a character set that is not
  91 one of the three Perl knows about, Perl will either fail to compile, or
  92 mistakenly and silently choose one of the three.
  93 They are:
  94
  95 =head2 0037
  96
  97 Character code set ID 0037 is a mapping of the ASCII plus Latin-1
  98 characters (i.e. ISO 8859-1) to an EBCDIC set.  0037 is used
  99 in North American English locales on the OS/400 operating system
 100 that runs on AS/400 computers.  CCSID 0037 differs from ISO 8859-1
 101 in 237 places, in other words they agree on only 19 code point values.
 102
 103 =head2 1047
 104
 105 Character code set ID 1047 is also a mapping of the ASCII plus
 106 Latin-1 characters (i.e. ISO 8859-1) to an EBCDIC set.  1047 is
 107 used under Unix System Services for OS/390 or z/OS, and OpenEdition
 108 for VM/ESA.  CCSID 1047 differs from CCSID 0037 in eight places.
 109
 110 =head2 POSIX-BC
 111
 112 The EBCDIC code page in use on Siemens' BS2000 system is distinct from
 113 1047 and 0037.  It is identified below as the POSIX-BC set.
 114
 115 =head2 Unicode code points versus EBCDIC code points
 116
 117 In Unicode terminology a I<code point> is the number assigned to a
 118 character: for example, in EBCDIC the character "A" is usually assigned
 119 the number 193.  In Unicode the character "A" is assigned the number 65.
 120 This causes a problem with the semantics of the pack/unpack "U", which
 121 are supposed to pack Unicode code points to characters and back to numbers.
 122 The problem is: which code points to use for code points less than 256?
 123 (for 256 and over there's no problem: Unicode code points are used)
 124 In EBCDIC, for the low 256 the EBCDIC code points are used.  This
 125 means that the equivalences
 126
 127         pack("U", ord($character)) eq $character
 128         unpack("U", $character) == ord $character
 129
 130 will hold.  (If Unicode code points were applied consistently over
 131 all the possible code points, pack("U",ord("A")) would in EBCDIC
 132 equal I<A with acute> or chr(101), and unpack("U", "A") would equal
 133 65, or I<non-breaking space>, not 193, or ord "A".)
 134
 135 =head2 Remaining Perl Unicode problems in EBCDIC
 136
 137 =over 4
 138
 139 =item *
 140
 141 Many of the remaining problems seem to be related to case-insensitive matching
 142
 143 =item *
 144
 145 The extensions Unicode::Collate and Unicode::Normalized are not
 146 supported under EBCDIC, likewise for the encoding pragma.
 147
 148 =back
 149
 150 =head2 Unicode and UTF
 151
 152 UTF stands for C<Unicode Transformation Format>.
 153 UTF-8 is an encoding of Unicode into a sequence of 8-bit byte chunks, based on
 154 ASCII and Latin-1.
 155 The length of a sequence required to represent a Unicode code point
 156 depends on the ordinal number of that code point,
 157 with larger numbers requiring more bytes.
 158 UTF-EBCDIC is like UTF-8, but based on EBCDIC.
 159
 160 You may see the term C<invariant> character or code point.
 161 This simply means that the character has the same numeric
 162 value when encoded as when not.
 163 (Note that this is a very different concept from L</The 13 variant characters>
 164 mentioned above.)
 165 For example, the ordinal value of 'A' is 193 in most EBCDIC code pages,
 166 and also is 193 when encoded in UTF-EBCDIC.
 167 All variant code points occupy at least two bytes when encoded.
 168 In UTF-8, the code points corresponding to the lowest 128
 169 ordinal numbers (0 - 127: the ASCII characters) are invariant.
 170 In UTF-EBCDIC, there are 160 invariant characters.
 171 (If you care, the EBCDIC invariants are those characters
 172 which have ASCII equivalents, plus those that correspond to
 173 the C1 controls (80..9f on ASCII platforms).)
 174
 175 A string encoded in UTF-EBCDIC may be longer (but never shorter) than
 176 one encoded in UTF-8.
 177
 178 =head2 Using Encode
 179
 180 Starting from Perl 5.8 you can use the standard new module Encode
 181 to translate from EBCDIC to Latin-1 code points.
 182 Encode knows about more EBCDIC character sets than Perl can currently
 183 be compiled to run on.
 184
 185         use Encode 'from_to';
 186
 187         my %ebcdic = ( 176 => 'cp37', 95 => 'cp1047', 106 => 'posix-bc' );
 188
 189         # $a is in EBCDIC code points
 190         from_to($a, $ebcdic{ord '^'}, 'latin1');
 191         # $a is ISO 8859-1 code points
 192
 193 and from Latin-1 code points to EBCDIC code points
 194
 195         use Encode 'from_to';
 196
 197         my %ebcdic = ( 176 => 'cp37', 95 => 'cp1047', 106 => 'posix-bc' );
 198
 199         # $a is ISO 8859-1 code points
 200         from_to($a, 'latin1', $ebcdic{ord '^'});
 201         # $a is in EBCDIC code points
 202
 203 For doing I/O it is suggested that you use the autotranslating features
 204 of PerlIO, see L<perluniintro>.
 205
 206 Since version 5.8 Perl uses the new PerlIO I/O library.  This enables
 207 you to use different encodings per IO channel.  For example you may use
 208
 209     use Encode;
 210     open($f, ">:encoding(ascii)", "test.ascii");
 211     print $f "Hello World!\n";
 212     open($f, ">:encoding(cp37)", "test.ebcdic");
 213     print $f "Hello World!\n";
 214     open($f, ">:encoding(latin1)", "test.latin1");
 215     print $f "Hello World!\n";
 216     open($f, ">:encoding(utf8)", "test.utf8");
 217     print $f "Hello World!\n";
 218
 219 to get four files containing "Hello World!\n" in ASCII, CP 0037 EBCDIC,
 220 ISO 8859-1 (Latin-1) (in this example identical to ASCII since only ASCII
 221 characters were printed), and
 222 UTF-EBCDIC (in this example identical to normal EBCDIC since only characters
 223 that don't differ between EBCDIC and UTF-EBCDIC were printed).  See the
 224 documentation of Encode::PerlIO for details.
 225
 226 As the PerlIO layer uses raw IO (bytes) internally, all this totally
 227 ignores things like the type of your filesystem (ASCII or EBCDIC).
 228
 229 =head1 SINGLE OCTET TABLES
 230
 231 The following tables list the ASCII and Latin 1 ordered sets including
 232 the subsets: C0 controls (0..31), ASCII graphics (32..7e), delete (7f),
 233 C1 controls (80..9f), and Latin-1 (a.k.a. ISO 8859-1) (a0..ff).  In the
 234 table non-printing control character names as well as the Latin 1
 235 extensions to ASCII have been labelled with character names roughly
 236 corresponding to I<The Unicode Standard, Version 3.0> albeit with
 237 substitutions such as s/LATIN// and s/VULGAR// in all cases,
 238 s/CAPITAL LETTER// in some cases, and s/SMALL LETTER ([A-Z])/\l$1/
 239 in some other cases.  The "names" of the controls listed here are
 240 the Unicode Version 1 names, except for the few that don't have names, in which
 241 case the names in the Wikipedia article were used
 242 (L<http://en.wikipedia.org/wiki/C0_and_C1_control_codes>.
 243 The differences between the 0037 and 1047 sets are
 244 flagged with ***.  The differences between the 1047 and POSIX-BC sets
 245 are flagged with ###.  All ord() numbers listed are decimal.  If you
 246 would rather see this table listing octal values then run the table
 247 (that is, the pod version of this document since this recipe may not
 248 work with a pod2_other_format translation) through:
 249
 250 =over 4
 251
 252 =item recipe 0
 253
 254 =back
 255
 256     perl -ne 'if(/(.{43})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)/)' \
 257      -e '{printf("%s%-9o%-9o%-9o%o\n",$1,$2,$3,$4,$5)}' perlebcdic.pod
 258
 259 If you want to retain the UTF-x code points then in script form you
 260 might want to write:
 261
 262 =over 4
 263
 264 =item recipe 1
 265
 266 =back
 267
 268     open(FH,"<perlebcdic.pod") or die "Could not open perlebcdic.pod: $!";
 269     while (<FH>) {
 270         if (/(.{43})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\.?(\d*)\s+(\d+)\.?(\d*)/)  {
 271             if ($7 ne '' && $9 ne '') {
 272                 printf("%s%-9o%-9o%-9o%-9o%-3o.%-5o%-3o.%o\n",$1,$2,$3,$4,$5,$6,$7,$8,$9);
 273             }
 274             elsif ($7 ne '') {
 275                 printf("%s%-9o%-9o%-9o%-9o%-3o.%-5o%o\n",$1,$2,$3,$4,$5,$6,$7,$8);
 276             }
 277             else {
 278                 printf("%s%-9o%-9o%-9o%-9o%-9o%o\n",$1,$2,$3,$4,$5,$6,$8);
 279             }
 280         }
 281     }
 282
 283 If you would rather see this table listing hexadecimal values then
 284 run the table through:
 285
 286 =over 4
 287
 288 =item recipe 2
 289
 290 =back
 291
 292     perl -ne 'if(/(.{43})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)/)' \
 293      -e '{printf("%s%-9X%-9X%-9X%X\n",$1,$2,$3,$4,$5)}' perlebcdic.pod
 294
 295 Or, in order to retain the UTF-x code points in hexadecimal:
 296
 297 =over 4
 298
 299 =item recipe 3
 300
 301 =back
 302
 303     open(FH,"<perlebcdic.pod") or die "Could not open perlebcdic.pod: $!";
 304     while (<FH>) {
 305         if (/(.{43})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\.?(\d*)\s+(\d+)\.?(\d*)/)  {
 306             if ($7 ne '' && $9 ne '') {
 307                 printf("%s%-9X%-9X%-9X%-9X%-2X.%-6X%-2X.%X\n",$1,$2,$3,$4,$5,$6,$7,$8,$9);
 308             }
 309             elsif ($7 ne '') {
 310                 printf("%s%-9X%-9X%-9X%-9X%-2X.%-6X%X\n",$1,$2,$3,$4,$5,$6,$7,$8);
 311             }
 312             else {
 313                 printf("%s%-9X%-9X%-9X%-9X%-9X%X\n",$1,$2,$3,$4,$5,$6,$8);
 314             }
 315         }
 316     }
 317
 318
 319                                       ISO 8859-1  CCSID    CCSID                    CCSID 1047
 320  chr                                  CCSID 0819  0037     1047    POSIX-BC  UTF-8  UTF-EBCDIC
 321  ----------------------------------------------------------------------------------------------
 322  <NULL>                                    0        0        0        0        0        0
 323  <START OF HEADING>                        1        1        1        1        1        1
 324  <START OF TEXT>                           2        2        2        2        2        2
 325  <END OF TEXT>                             3        3        3        3        3        3
 326  <END OF TRANSMISSION>                     4        55       55       55       4        55
 327  <ENQUIRY>                                 5        45       45       45       5        45
 328  <ACKNOWLEDGE>                             6        46       46       46       6        46
 329  <BELL>                                    7        47       47       47       7        47
 330  <BACKSPACE>                               8        22       22       22       8        22
 331  <HORIZONTAL TABULATION>                   9        5        5        5        9        5
 332  <LINE FEED>                               10       37       21       21       10       21       ***
 333  <VERTICAL TABULATION>                     11       11       11       11       11       11
 334  <FORM FEED>                               12       12       12       12       12       12
 335  <CARRIAGE RETURN>                         13       13       13       13       13       13
 336  <SHIFT OUT>                               14       14       14       14       14       14
 337  <SHIFT IN>                                15       15       15       15       15       15
 338  <DATA LINK ESCAPE>                        16       16       16       16       16       16
 339  <DEVICE CONTROL ONE>                      17       17       17       17       17       17
 340  <DEVICE CONTROL TWO>                      18       18       18       18       18       18
 341  <DEVICE CONTROL THREE>                    19       19       19       19       19       19
 342  <DEVICE CONTROL FOUR>                     20       60       60       60       20       60
 343  <NEGATIVE ACKNOWLEDGE>                    21       61       61       61       21       61
 344  <SYNCHRONOUS IDLE>                        22       50       50       50       22       50
 345  <END OF TRANSMISSION BLOCK>               23       38       38       38       23       38
 346  <CANCEL>                                  24       24       24       24       24       24
 347  <END OF MEDIUM>                           25       25       25       25       25       25
 348  <SUBSTITUTE>                              26       63       63       63       26       63
 349  <ESCAPE>                                  27       39       39       39       27       39
 350  <FILE SEPARATOR>                          28       28       28       28       28       28
 351  <GROUP SEPARATOR>                         29       29       29       29       29       29
 352  <RECORD SEPARATOR>                        30       30       30       30       30       30
 353  <UNIT SEPARATOR>                          31       31       31       31       31       31
 354  <SPACE>                                   32       64       64       64       32       64
 355  !                                         33       90       90       90       33       90
 356  "                                         34       127      127      127      34       127
 357  #                                         35       123      123      123      35       123
 358  $                                         36       91       91       91       36       91
 359  %                                         37       108      108      108      37       108
 360  &                                         38       80       80       80       38       80
 361  '                                         39       125      125      125      39       125
 362  (                                         40       77       77       77       40       77
 363  )                                         41       93       93       93       41       93
 364  *                                         42       92       92       92       42       92
 365  +                                         43       78       78       78       43       78
 366  ,                                         44       107      107      107      44       107
 367  -                                         45       96       96       96       45       96
 368  .                                         46       75       75       75       46       75
 369  /                                         47       97       97       97       47       97
 370  0                                         48       240      240      240      48       240
 371  1                                         49       241      241      241      49       241
 372  2                                         50       242      242      242      50       242
 373  3                                         51       243      243      243      51       243
 374  4                                         52       244      244      244      52       244
 375  5                                         53       245      245      245      53       245
 376  6                                         54       246      246      246      54       246
 377  7                                         55       247      247      247      55       247
 378  8                                         56       248      248      248      56       248
 379  9                                         57       249      249      249      57       249
 380  :                                         58       122      122      122      58       122
 381  ;                                         59       94       94       94       59       94
 382  <                                         60       76       76       76       60       76
 383  =                                         61       126      126      126      61       126
 384  >                                         62       110      110      110      62       110
 385  ?                                         63       111      111      111      63       111
 386  @                                         64       124      124      124      64       124
 387  A                                         65       193      193      193      65       193
 388  B                                         66       194      194      194      66       194
 389  C                                         67       195      195      195      67       195
 390  D                                         68       196      196      196      68       196
 391  E                                         69       197      197      197      69       197
 392  F                                         70       198      198      198      70       198
 393  G                                         71       199      199      199      71       199
 394  H                                         72       200      200      200      72       200
 395  I                                         73       201      201      201      73       201
 396  J                                         74       209      209      209      74       209
 397  K                                         75       210      210      210      75       210
 398  L                                         76       211      211      211      76       211
 399  M                                         77       212      212      212      77       212
 400  N                                         78       213      213      213      78       213
 401  O                                         79       214      214      214      79       214
 402  P                                         80       215      215      215      80       215
 403  Q                                         81       216      216      216      81       216
 404  R                                         82       217      217      217      82       217
 405  S                                         83       226      226      226      83       226
 406  T                                         84       227      227      227      84       227
 407  U                                         85       228      228      228      85       228
 408  V                                         86       229      229      229      86       229
 409  W                                         87       230      230      230      87       230
 410  X                                         88       231      231      231      88       231
 411  Y                                         89       232      232      232      89       232
 412  Z                                         90       233      233      233      90       233
 413  [                                         91       186      173      187      91       173      *** ###
 414  \                                         92       224      224      188      92       224      ###
 415  ]                                         93       187      189      189      93       189      ***
 416  ^                                         94       176      95       106      94       95       *** ###
 417  _                                         95       109      109      109      95       109
 418  `                                         96       121      121      74       96       121      ###
 419  a                                         97       129      129      129      97       129
 420  b                                         98       130      130      130      98       130
 421  c                                         99       131      131      131      99       131
 422  d                                         100      132      132      132      100      132
 423  e                                         101      133      133      133      101      133
 424  f                                         102      134      134      134      102      134
 425  g                                         103      135      135      135      103      135
 426  h                                         104      136      136      136      104      136
 427  i                                         105      137      137      137      105      137
 428  j                                         106      145      145      145      106      145
 429  k                                         107      146      146      146      107      146
 430  l                                         108      147      147      147      108      147
 431  m                                         109      148      148      148      109      148
 432  n                                         110      149      149      149      110      149
 433  o                                         111      150      150      150      111      150
 434  p                                         112      151      151      151      112      151
 435  q                                         113      152      152      152      113      152
 436  r                                         114      153      153      153      114      153
 437  s                                         115      162      162      162      115      162
 438  t                                         116      163      163      163      116      163
 439  u                                         117      164      164      164      117      164
 440  v                                         118      165      165      165      118      165
 441  w                                         119      166      166      166      119      166
 442  x                                         120      167      167      167      120      167
 443  y                                         121      168      168      168      121      168
 444  z                                         122      169      169      169      122      169
 445  {                                         123      192      192      251      123      192      ###
 446  |                                         124      79       79       79       124      79
 447  }                                         125      208      208      253      125      208      ###
 448  ~                                         126      161      161      255      126      161      ###
 449  <DELETE>                                  127      7        7        7        127      7
 450  <PADDING CHARACTER>                       128      32       32       32       194.128  32
 451  <HIGH OCTET PRESET>                       129      33       33       33       194.129  33
 452  <BREAK PERMITTED HERE>                    130      34       34       34       194.130  34
 453  <NO BREAK HERE>                           131      35       35       35       194.131  35
 454  <INDEX>                                   132      36       36       36       194.132  36
 455  <NEXT LINE>                               133      21       37       37       194.133  37       ***
 456  <START OF SELECTED AREA>                  134      6        6        6        194.134  6
 457  <END OF SELECTED AREA>                    135      23       23       23       194.135  23
 458  <CHARACTER TABULATION SET>                136      40       40       40       194.136  40
 459  <CHARACTER TABULATION WITH JUSTIFICATION> 137      41       41       41       194.137  41
 460  <LINE TABULATION SET>                     138      42       42       42       194.138  42
 461  <PARTIAL LINE FORWARD>                    139      43       43       43       194.139  43
 462  <PARTIAL LINE BACKWARD>                   140      44       44       44       194.140  44
 463  <REVERSE LINE FEED>                       141      9        9        9        194.141  9
 464  <SINGLE SHIFT TWO>                        142      10       10       10       194.142  10
 465  <SINGLE SHIFT THREE>                      143      27       27       27       194.143  27
 466  <DEVICE CONTROL STRING>                   144      48       48       48       194.144  48
 467  <PRIVATE USE ONE>                         145      49       49       49       194.145  49
 468  <PRIVATE USE TWO>                         146      26       26       26       194.146  26
 469  <SET TRANSMIT STATE>                      147      51       51       51       194.147  51
 470  <CANCEL CHARACTER>                        148      52       52       52       194.148  52
 471  <MESSAGE WAITING>                         149      53       53       53       194.149  53
 472  <START OF GUARDED AREA>                   150      54       54       54       194.150  54
 473  <END OF GUARDED AREA>                     151      8        8        8        194.151  8
 474  <START OF STRING>                         152      56       56       56       194.152  56
 475  <SINGLE GRAPHIC CHARACTER INTRODUCER>     153      57       57       57       194.153  57
 476  <SINGLE CHARACTER INTRODUCER>             154      58       58       58       194.154  58
 477  <CONTROL SEQUENCE INTRODUCER>             155      59       59       59       194.155  59
 478  <STRING TERMINATOR>                       156      4        4        4        194.156  4
 479  <OPERATING SYSTEM COMMAND>                157      20       20       20       194.157  20
 480  <PRIVACY MESSAGE>                         158      62       62       62       194.158  62
 481  <APPLICATION PROGRAM COMMAND>             159      255      255      95       194.159  255      ###
 482  <NON-BREAKING SPACE>                      160      65       65       65       194.160  128.65
 483  <INVERTED EXCLAMATION MARK>               161      170      170      170      194.161  128.66
 484  <CENT SIGN>                               162      74       74       176      194.162  128.67   ###
 485  <POUND SIGN>                              163      177      177      177      194.163  128.68
 486  <CURRENCY SIGN>                           164      159      159      159      194.164  128.69
 487  <YEN SIGN>                                165      178      178      178      194.165  128.70
 488  <BROKEN BAR>                              166      106      106      208      194.166  128.71   ###
 489  <SECTION SIGN>                            167      181      181      181      194.167  128.72
 490  <DIAERESIS>                               168      189      187      121      194.168  128.73   *** ###
 491  <COPYRIGHT SIGN>                          169      180      180      180      194.169  128.74
 492  <FEMININE ORDINAL INDICATOR>              170      154      154      154      194.170  128.81
 493  <LEFT POINTING GUILLEMET>                 171      138      138      138      194.171  128.82
 494  <NOT SIGN>                                172      95       176      186      194.172  128.83   *** ###
 495  <SOFT HYPHEN>                             173      202      202      202      194.173  128.84
 496  <REGISTERED TRADE MARK SIGN>              174      175      175      175      194.174  128.85
 497  <MACRON>                                  175      188      188      161      194.175  128.86   ###
 498  <DEGREE SIGN>                             176      144      144      144      194.176  128.87
 499  <PLUS-OR-MINUS SIGN>                      177      143      143      143      194.177  128.88
 500  <SUPERSCRIPT TWO>                         178      234      234      234      194.178  128.89
 501  <SUPERSCRIPT THREE>                       179      250      250      250      194.179  128.98
 502  <ACUTE ACCENT>                            180      190      190      190      194.180  128.99
 503  <MICRO SIGN>                              181      160      160      160      194.181  128.100
 504  <PARAGRAPH SIGN>                          182      182      182      182      194.182  128.101
 505  <MIDDLE DOT>                              183      179      179      179      194.183  128.102
 506  <CEDILLA>                                 184      157      157      157      194.184  128.103
 507  <SUPERSCRIPT ONE>                         185      218      218      218      194.185  128.104
 508  <MASC. ORDINAL INDICATOR>                 186      155      155      155      194.186  128.105
 509  <RIGHT POINTING GUILLEMET>                187      139      139      139      194.187  128.106
 510  <FRACTION ONE QUARTER>                    188      183      183      183      194.188  128.112
 511  <FRACTION ONE HALF>                       189      184      184      184      194.189  128.113
 512  <FRACTION THREE QUARTERS>                 190      185      185      185      194.190  128.114
 513  <INVERTED QUESTION MARK>                  191      171      171      171      194.191  128.115
 514  <A WITH GRAVE>                            192      100      100      100      195.128  138.65
 515  <A WITH ACUTE>                            193      101      101      101      195.129  138.66
 516  <A WITH CIRCUMFLEX>                       194      98       98       98       195.130  138.67
 517  <A WITH TILDE>                            195      102      102      102      195.131  138.68
 518  <A WITH DIAERESIS>                        196      99       99       99       195.132  138.69
 519  <A WITH RING ABOVE>                       197      103      103      103      195.133  138.70
 520  <CAPITAL LIGATURE AE>                     198      158      158      158      195.134  138.71
 521  <C WITH CEDILLA>                          199      104      104      104      195.135  138.72
 522  <E WITH GRAVE>                            200      116      116      116      195.136  138.73
 523  <E WITH ACUTE>                            201      113      113      113      195.137  138.74
 524  <E WITH CIRCUMFLEX>                       202      114      114      114      195.138  138.81
 525  <E WITH DIAERESIS>                        203      115      115      115      195.139  138.82
 526  <I WITH GRAVE>                            204      120      120      120      195.140  138.83
 527  <I WITH ACUTE>                            205      117      117      117      195.141  138.84
 528  <I WITH CIRCUMFLEX>                       206      118      118      118      195.142  138.85
 529  <I WITH DIAERESIS>                        207      119      119      119      195.143  138.86
 530  <CAPITAL LETTER ETH>                      208      172      172      172      195.144  138.87
 531  <N WITH TILDE>                            209      105      105      105      195.145  138.88
 532  <O WITH GRAVE>                            210      237      237      237      195.146  138.89
 533  <O WITH ACUTE>                            211      238      238      238      195.147  138.98
 534  <O WITH CIRCUMFLEX>                       212      235      235      235      195.148  138.99
 535  <O WITH TILDE>                            213      239      239      239      195.149  138.100
 536  <O WITH DIAERESIS>                        214      236      236      236      195.150  138.101
 537  <MULTIPLICATION SIGN>                     215      191      191      191      195.151  138.102
 538  <O WITH STROKE>                           216      128      128      128      195.152  138.103
 539  <U WITH GRAVE>                            217      253      253      224      195.153  138.104  ###
 540  <U WITH ACUTE>                            218      254      254      254      195.154  138.105
 541  <U WITH CIRCUMFLEX>                       219      251      251      221      195.155  138.106  ###
 542  <U WITH DIAERESIS>                        220      252      252      252      195.156  138.112
 543  <Y WITH ACUTE>                            221      173      186      173      195.157  138.113  *** ###
 544  <CAPITAL LETTER THORN>                    222      174      174      174      195.158  138.114
 545  <SMALL LETTER SHARP S>                    223      89       89       89       195.159  138.115
 546  <a WITH GRAVE>                            224      68       68       68       195.160  139.65
 547  <a WITH ACUTE>                            225      69       69       69       195.161  139.66
 548  <a WITH CIRCUMFLEX>                       226      66       66       66       195.162  139.67
 549  <a WITH TILDE>                            227      70       70       70       195.163  139.68
 550  <a WITH DIAERESIS>                        228      67       67       67       195.164  139.69
 551  <a WITH RING ABOVE>                       229      71       71       71       195.165  139.70
 552  <SMALL LIGATURE ae>                       230      156      156      156      195.166  139.71
 553  <c WITH CEDILLA>                          231      72       72       72       195.167  139.72
 554  <e WITH GRAVE>                            232      84       84       84       195.168  139.73
 555  <e WITH ACUTE>                            233      81       81       81       195.169  139.74
 556  <e WITH CIRCUMFLEX>                       234      82       82       82       195.170  139.81
 557  <e WITH DIAERESIS>                        235      83       83       83       195.171  139.82
 558  <i WITH GRAVE>                            236      88       88       88       195.172  139.83
 559  <i WITH ACUTE>                            237      85       85       85       195.173  139.84
 560  <i WITH CIRCUMFLEX>                       238      86       86       86       195.174  139.85
 561  <i WITH DIAERESIS>                        239      87       87       87       195.175  139.86
 562  <SMALL LETTER eth>                        240      140      140      140      195.176  139.87
 563  <n WITH TILDE>                            241      73       73       73       195.177  139.88
 564  <o WITH GRAVE>                            242      205      205      205      195.178  139.89
 565  <o WITH ACUTE>                            243      206      206      206      195.179  139.98
 566  <o WITH CIRCUMFLEX>                       244      203      203      203      195.180  139.99
 567  <o WITH TILDE>                            245      207      207      207      195.181  139.100
 568  <o WITH DIAERESIS>                        246      204      204      204      195.182  139.101
 569  <DIVISION SIGN>                           247      225      225      225      195.183  139.102
 570  <o WITH STROKE>                           248      112      112      112      195.184  139.103
 571  <u WITH GRAVE>                            249      221      221      192      195.185  139.104  ###
 572  <u WITH ACUTE>                            250      222      222      222      195.186  139.105
 573  <u WITH CIRCUMFLEX>                       251      219      219      219      195.187  139.106
 574  <u WITH DIAERESIS>                        252      220      220      220      195.188  139.112
 575  <y WITH ACUTE>                            253      141      141      141      195.189  139.113
 576  <SMALL LETTER thorn>                      254      142      142      142      195.190  139.114
 577  <y WITH DIAERESIS>                        255      223      223      223      195.191  139.115
 578
 579 If you would rather see the above table in CCSID 0037 order rather than
 580 ASCII + Latin-1 order then run the table through:
 581
 582 =over 4
 583
 584 =item recipe 4
 585
 586 =back
 587
 588     perl -ne 'if(/.{43}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}/)'\
 589      -e '{push(@l,$_)}' \
 590      -e 'END{print map{$_->[0]}' \
 591      -e '          sort{$a->[1] <=> $b->[1]}' \
 592      -e '          map{[$_,substr($_,52,3)]}@l;}' perlebcdic.pod
 593
 594 If you would rather see it in CCSID 1047 order then change the number
 595 52 in the last line to 61, like this:
 596
 597 =over 4
 598
 599 =item recipe 5
 600
 601 =back
 602
 603     perl -ne 'if(/.{43}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}/)'\
 604      -e '{push(@l,$_)}' \
 605      -e 'END{print map{$_->[0]}' \
 606      -e '          sort{$a->[1] <=> $b->[1]}' \
 607      -e '          map{[$_,substr($_,61,3)]}@l;}' perlebcdic.pod
 608
 609 If you would rather see it in POSIX-BC order then change the number
 610 61 in the last line to 70, like this:
 611
 612 =over 4
 613
 614 =item recipe 6
 615
 616 =back
 617
 618     perl -ne 'if(/.{43}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}/)'\
 619      -e '{push(@l,$_)}' \
 620      -e 'END{print map{$_->[0]}' \
 621      -e '          sort{$a->[1] <=> $b->[1]}' \
 622      -e '          map{[$_,substr($_,70,3)]}@l;}' perlebcdic.pod
 623
 624
 625 =head1 IDENTIFYING CHARACTER CODE SETS
 626
 627 To determine the character set you are running under from perl one
 628 could use the return value of ord() or chr() to test one or more
 629 character values.  For example:
 630
 631     $is_ascii  = "A" eq chr(65);
 632     $is_ebcdic = "A" eq chr(193);
 633
 634 Also, "\t" is a C<HORIZONTAL TABULATION> character so that:
 635
 636     $is_ascii  = ord("\t") == 9;
 637     $is_ebcdic = ord("\t") == 5;
 638
 639 To distinguish EBCDIC code pages try looking at one or more of
 640 the characters that differ between them.  For example:
 641
 642     $is_ebcdic_37   = "\n" eq chr(37);
 643     $is_ebcdic_1047 = "\n" eq chr(21);
 644
 645 Or better still choose a character that is uniquely encoded in any
 646 of the code sets, e.g.:
 647
 648     $is_ascii           = ord('[') == 91;
 649     $is_ebcdic_37       = ord('[') == 186;
 650     $is_ebcdic_1047     = ord('[') == 173;
 651     $is_ebcdic_POSIX_BC = ord('[') == 187;
 652
 653 However, it would be unwise to write tests such as:
 654
 655     $is_ascii = "\r" ne chr(13);  #  WRONG
 656     $is_ascii = "\n" ne chr(10);  #  ILL ADVISED
 657
 658 Obviously the first of these will fail to distinguish most ASCII platforms
 659 from either a CCSID 0037, a 1047, or a POSIX-BC EBCDIC platform since "\r" eq
 660 chr(13) under all of those coded character sets.  But note too that
 661 because "\n" is chr(13) and "\r" is chr(10) on the MacIntosh (which is an
 662 ASCII platform) the second C<$is_ascii> test will lead to trouble there.
 663
 664 To determine whether or not perl was built under an EBCDIC
 665 code page you can use the Config module like so:
 666
 667     use Config;
 668     $is_ebcdic = $Config{'ebcdic'} eq 'define';
 669
 670 =head1 CONVERSIONS
 671
 672 =head2 tr///
 673
 674 In order to convert a string of characters from one character set to
 675 another a simple list of numbers, such as in the right columns in the
 676 above table, along with perl's tr/// operator is all that is needed.
 677 The data in the table are in ASCII order hence the EBCDIC columns
 678 provide easy to use ASCII to EBCDIC operations that are also easily
 679 reversed.
 680
 681 For example, to convert ASCII to code page 037 take the output of the second
 682 column from the output of recipe 0 (modified to add \\ characters) and use
 683 it in tr/// like so:
 684
 685     $cp_037 =
 686     '\000\001\002\003\234\011\206\177\227\215\216\013\014\015\016\017' .
 687     '\020\021\022\023\235\205\010\207\030\031\222\217\034\035\036\037' .
 688     '\200\201\202\203\204\012\027\033\210\211\212\213\214\005\006\007' .
 689     '\220\221\026\223\224\225\226\004\230\231\232\233\024\025\236\032' .
 690     '\040\240\342\344\340\341\343\345\347\361\242\056\074\050\053\174' .
 691     '\046\351\352\353\350\355\356\357\354\337\041\044\052\051\073\254' .
 692     '\055\057\302\304\300\301\303\305\307\321\246\054\045\137\076\077' .
 693     '\370\311\312\313\310\315\316\317\314\140\072\043\100\047\075\042' .
 694     '\330\141\142\143\144\145\146\147\150\151\253\273\360\375\376\261' .
 695     '\260\152\153\154\155\156\157\160\161\162\252\272\346\270\306\244' .
 696     '\265\176\163\164\165\166\167\170\171\172\241\277\320\335\336\256' .
 697     '\136\243\245\267\251\247\266\274\275\276\133\135\257\250\264\327' .
 698     '\173\101\102\103\104\105\106\107\110\111\255\364\366\362\363\365' .
 699     '\175\112\113\114\115\116\117\120\121\122\271\373\374\371\372\377' .
 700     '\134\367\123\124\125\126\127\130\131\132\262\324\326\322\323\325' .
 701     '\060\061\062\063\064\065\066\067\070\071\263\333\334\331\332\237' ;
 702
 703     my $ebcdic_string = $ascii_string;
 704     eval '$ebcdic_string =~ tr/' . $cp_037 . '/\000-\377/';
 705
 706 To convert from EBCDIC 037 to ASCII just reverse the order of the tr///
 707 arguments like so:
 708
 709     my $ascii_string = $ebcdic_string;
 710     eval '$ascii_string =~ tr/\000-\377/' . $cp_037 . '/';
 711
 712 Similarly one could take the output of the third column from recipe 0 to
 713 obtain a C<$cp_1047> table.  The fourth column of the output from recipe
 714 0 could provide a C<$cp_posix_bc> table suitable for transcoding as well.
 715
 716 =head2 iconv
 717
 718 XPG operability often implies the presence of an I<iconv> utility
 719 available from the shell or from the C library.  Consult your system's
 720 documentation for information on iconv.
 721
 722 On OS/390 or z/OS see the iconv(1) manpage.  One way to invoke the iconv
 723 shell utility from within perl would be to:
 724
 725     # OS/390 or z/OS example
 726     $ascii_data = `echo '$ebcdic_data'| iconv -f IBM-1047 -t ISO8859-1`
 727
 728 or the inverse map:
 729
 730     # OS/390 or z/OS example
 731     $ebcdic_data = `echo '$ascii_data'| iconv -f ISO8859-1 -t IBM-1047`
 732
 733 For other perl based conversion options see the Convert::* modules on CPAN.
 734
 735 =head2 C RTL
 736
 737 The OS/390 and z/OS C run time libraries provide _atoe() and _etoa() functions.
 738
 739 =head1 OPERATOR DIFFERENCES
 740
 741 The C<..> range operator treats certain character ranges with
 742 care on EBCDIC platforms.  For example the following array
 743 will have twenty six elements on either an EBCDIC platform
 744 or an ASCII platform:
 745
 746     @alphabet = ('A'..'Z');   #  $#alphabet == 25
 747
 748 The bitwise operators such as & ^ | may return different results
 749 when operating on string or character data in a perl program running
 750 on an EBCDIC platform than when run on an ASCII platform.  Here is
 751 an example adapted from the one in L<perlop>:
 752
 753     # EBCDIC-based examples
 754     print "j p \n" ^ " a h";                      # prints "JAPH\n"
 755     print "JA" | "  ph\n";                        # prints "japh\n"
 756     print "JAPH\nJunk" & "\277\277\277\277\277";  # prints "japh\n";
 757     print 'p N$' ^ " E<H\n";                      # prints "Perl\n";
 758
 759 An interesting property of the 32 C0 control characters
 760 in the ASCII table is that they can "literally" be constructed
 761 as control characters in perl, e.g. C<(chr(0) eq C<\c@>)>
 762 C<(chr(1) eq C<\cA>)>, and so on.  Perl on EBCDIC platforms has been
 763 ported to take C<\c@> to chr(0) and C<\cA> to chr(1), etc. as well, but the
 764 thirty three characters that result depend on which code page you are
 765 using.  The table below uses the standard acronyms for the controls.
 766 The POSIX-BC and 1047 sets are
 767 identical throughout this range and differ from the 0037 set at only
 768 one spot (21 decimal).  Note that the C<LINE FEED> character
 769 may be generated by C<\cJ> on ASCII platforms but by C<\cU> on 1047 or POSIX-BC
 770 platforms and cannot be generated as a C<"\c.letter."> control character on
 771 0037 platforms.  Note also that C<\c\> cannot be the final element in a string
 772 or regex, as it will absorb the terminator.   But C<\c\I<X>> is a C<FILE
 773 SEPARATOR> concatenated with I<X> for all I<X>.
 774
 775  chr   ord   8859-1    0037    1047 && POSIX-BC
 776  ------------------------------------------------------------------------
 777  \c?   127   <DEL>       "            "
 778  \c@     0   <NUL>     <NUL>        <NUL>
 779  \cA     1   <SOH>     <SOH>        <SOH>
 780  \cB     2   <STX>     <STX>        <STX>
 781  \cC     3   <ETX>     <ETX>        <ETX>
 782  \cD     4   <EOT>     <ST>         <ST>
 783  \cE     5   <ENQ>     <HT>         <HT>
 784  \cF     6   <ACK>     <SSA>        <SSA>
 785  \cG     7   <BEL>     <DEL>        <DEL>
 786  \cH     8   <BS>      <EPA>        <EPA>
 787  \cI     9   <HT>      <RI>         <RI>
 788  \cJ    10   <LF>      <SS2>        <SS2>
 789  \cK    11   <VT>      <VT>         <VT>
 790  \cL    12   <FF>      <FF>         <FF>
 791  \cM    13   <CR>      <CR>         <CR>
 792  \cN    14   <SO>      <SO>         <SO>
 793  \cO    15   <SI>      <SI>         <SI>
 794  \cP    16   <DLE>     <DLE>        <DLE>
 795  \cQ    17   <DC1>     <DC1>        <DC1>
 796  \cR    18   <DC2>     <DC2>        <DC2>
 797  \cS    19   <DC3>     <DC3>        <DC3>
 798  \cT    20   <DC4>     <OSC>        <OSC>
 799  \cU    21   <NAK>     <NEL>        <LF>              ***
 800  \cV    22   <SYN>     <BS>         <BS>
 801  \cW    23   <ETB>     <ESA>        <ESA>
 802  \cX    24   <CAN>     <CAN>        <CAN>
 803  \cY    25   <EOM>     <EOM>        <EOM>
 804  \cZ    26   <SUB>     <PU2>        <PU2>
 805  \c[    27   <ESC>     <SS3>        <SS3>
 806  \c\X   28   <FS>X     <FS>X        <FS>X
 807  \c]    29   <GS>      <GS>         <GS>
 808  \c^    30   <RS>      <RS>         <RS>
 809  \c_    31   <US>      <US>         <US>
 810
 811 =head1 FUNCTION DIFFERENCES
 812
 813 =over 8
 814
 815 =item chr()
 816
 817 chr() must be given an EBCDIC code number argument to yield a desired
 818 character return value on an EBCDIC platform.  For example:
 819
 820     $CAPITAL_LETTER_A = chr(193);
 821
 822 =item ord()
 823
 824 ord() will return EBCDIC code number values on an EBCDIC platform.
 825 For example:
 826
 827     $the_number_193 = ord("A");
 828
 829 =item pack()
 830
 831 The c and C templates for pack() are dependent upon character set
 832 encoding.  Examples of usage on EBCDIC include:
 833
 834     $foo = pack("CCCC",193,194,195,196);
 835     # $foo eq "ABCD"
 836     $foo = pack("C4",193,194,195,196);
 837     # same thing
 838
 839     $foo = pack("ccxxcc",193,194,195,196);
 840     # $foo eq "AB\0\0CD"
 841
 842 =item print()
 843
 844 One must be careful with scalars and strings that are passed to
 845 print that contain ASCII encodings.  One common place
 846 for this to occur is in the output of the MIME type header for
 847 CGI script writing.  For example, many perl programming guides
 848 recommend something similar to:
 849
 850     print "Content-type:\ttext/html\015\012\015\012";
 851     # this may be wrong on EBCDIC
 852
 853 Under the IBM OS/390 USS Web Server or WebSphere on z/OS for example
 854 you should instead write that as:
 855
 856     print "Content-type:\ttext/html\r\n\r\n"; # OK for DGW et alia
 857
 858 That is because the translation from EBCDIC to ASCII is done
 859 by the web server in this case (such code will not be appropriate for
 860 the Macintosh however).  Consult your web server's documentation for
 861 further details.
 862
 863 =item printf()
 864
 865 The formats that can convert characters to numbers and vice versa
 866 will be different from their ASCII counterparts when executed
 867 on an EBCDIC platform.  Examples include:
 868
 869     printf("%c%c%c",193,194,195);  # prints ABC
 870
 871 =item sort()
 872
 873 EBCDIC sort results may differ from ASCII sort results especially for
 874 mixed case strings.  This is discussed in more detail below.
 875
 876 =item sprintf()
 877
 878 See the discussion of printf() above.  An example of the use
 879 of sprintf would be:
 880
 881     $CAPITAL_LETTER_A = sprintf("%c",193);
 882
 883 =item unpack()
 884
 885 See the discussion of pack() above.
 886
 887 =back
 888
 889 =head1 REGULAR EXPRESSION DIFFERENCES
 890
 891 As of perl 5.005_03 the letter range regular expression such as
 892 [A-Z] and [a-z] have been especially coded to not pick up gap
 893 characters.  For example, characters such as E<ocirc> C<o WITH CIRCUMFLEX>
 894 that lie between I and J would not be matched by the
 895 regular expression range C</[H-K]/>.  This works in
 896 the other direction, too, if either of the range end points is
 897 explicitly numeric: C<[\x89-\x91]> will match C<\x8e>, even
 898 though C<\x89> is C<i> and C<\x91 > is C<j>, and C<\x8e>
 899 is a gap character from the alphabetic viewpoint.
 900
 901 If you do want to match the alphabet gap characters in a single octet
 902 regular expression try matching the hex or octal code such
 903 as C</\313/> on EBCDIC or C</\364/> on ASCII platforms to
 904 have your regular expression match C<o WITH CIRCUMFLEX>.
 905
 906 Another construct to be wary of is the inappropriate use of hex or
 907 octal constants in regular expressions.  Consider the following
 908 set of subs:
 909
 910     sub is_c0 {
 911         my $char = substr(shift,0,1);
 912         $char =~ /[\000-\037]/;
 913     }
 914
 915     sub is_print_ascii {
 916         my $char = substr(shift,0,1);
 917         $char =~ /[\040-\176]/;
 918     }
 919
 920     sub is_delete {
 921         my $char = substr(shift,0,1);
 922         $char eq "\177";
 923     }
 924
 925     sub is_c1 {
 926         my $char = substr(shift,0,1);
 927         $char =~ /[\200-\237]/;
 928     }
 929
 930     sub is_latin_1 {
 931         my $char = substr(shift,0,1);
 932         $char =~ /[\240-\377]/;
 933     }
 934
 935 The above would be adequate if the concern was only with numeric code points.
 936 However, the concern may be with characters rather than code points
 937 and on an EBCDIC platform it may be desirable for constructs such as
 938 C<if (is_print_ascii("A")) {print "A is a printable character\n";}> to print
 939 out the expected message.  One way to represent the above collection
 940 of character classification subs that is capable of working across the
 941 four coded character sets discussed in this document is as follows:
 942
 943     sub Is_c0 {
 944         my $char = substr(shift,0,1);
 945         if (ord('^')==94)  { # ascii
 946             return $char =~ /[\000-\037]/;
 947         }
 948         if (ord('^')==176) { # 0037
 949             return $char =~ /[\000-\003\067\055-\057\026\005\045\013-\023\074\075\062\046\030\031\077\047\034-\037]/;
 950         }
 951         if (ord('^')==95 || ord('^')==106) { # 1047 || posix-bc
 952             return $char =~ /[\000-\003\067\055-\057\026\005\025\013-\023\074\075\062\046\030\031\077\047\034-\037]/;
 953         }
 954     }
 955
 956     sub Is_print_ascii {
 957         my $char = substr(shift,0,1);
 958         $char =~ /[ !"\#\$%&'()*+,\-.\/0-9:;<=>?\@A-Z[\\\]^_`a-z{|}~]/;
 959     }
 960
 961     sub Is_delete {
 962         my $char = substr(shift,0,1);
 963         if (ord('^')==94)  { # ascii
 964             return $char eq "\177";
 965         }
 966         else  {              # ebcdic
 967             return $char eq "\007";
 968         }
 969     }
 970
 971     sub Is_c1 {
 972         my $char = substr(shift,0,1);
 973         if (ord('^')==94)  { # ascii
 974             return $char =~ /[\200-\237]/;
 975         }
 976         if (ord('^')==176) { # 0037
 977             return $char =~ /[\040-\044\025\006\027\050-\054\011\012\033\060\061\032\063-\066\010\070-\073\040\024\076\377]/;
 978         }
 979         if (ord('^')==95)  { # 1047
 980             return $char =~ /[\040-\045\006\027\050-\054\011\012\033\060\061\032\063-\066\010\070-\073\040\024\076\377]/;
 981         }
 982         if (ord('^')==106) { # posix-bc
 983             return $char =~
 984               /[\040-\045\006\027\050-\054\011\012\033\060\061\032\063-\066\010\070-\073\040\024\076\137]/;
 985         }
 986     }
 987
 988     sub Is_latin_1 {
 989         my $char = substr(shift,0,1);
 990         if (ord('^')==94)  { # ascii
 991             return $char =~ /[\240-\377]/;
 992         }
 993         if (ord('^')==176) { # 0037
 994             return $char =~
 995               /[\101\252\112\261\237\262\152\265\275\264\232\212\137\312\257\274\220\217\352\372\276\240\266\263\235\332\233\213\267\270\271\253\144\145\142\146\143\147\236\150\164\161-\163\170\165-\167\254\151\355\356\353\357\354\277\200\375\376\373\374\255\256\131\104\105\102\106\103\107\234\110\124\121-\123\130\125-\127\214\111\315\316\313\317\314\341\160\335\336\333\334\215\216\337]/;
 996         }
 997         if (ord('^')==95)  { # 1047
 998             return $char =~
 999               /[\101\252\112\261\237\262\152\265\273\264\232\212\260\312\257\274\220\217\352\372\276\240\266\263\235\332\233\213\267\270\271\253\144\145\142\146\143\147\236\150\164\161-\163\170\165-\167\254\151\355\356\353\357\354\277\200\375\376\373\374\272\256\131\104\105\102\106\103\107\234\110\124\121-\123\130\125-\127\214\111\315\316\313\317\314\341\160\335\336\333\334\215\216\337]/;
1000         }
1001         if (ord('^')==106) { # posix-bc
1002             return $char =~
1003               /[\101\252\260\261\237\262\320\265\171\264\232\212\272\312\257\241\220\217\352\372\276\240\266\263\235\332\233\213\267\270\271\253\144\145\142\146\143\147\236\150\164\161-\163\170\165-\167\254\151\355\356\353\357\354\277\200\340\376\335\374\255\256\131\104\105\102\106\103\107\234\110\124\121-\123\130\125-\127\214\111\315\316\313\317\314\341\160\300\336\333\334\215\216\337]/;
1004         }
1005     }
1006
1007 Note however that only the C<Is_ascii_print()> sub is really independent
1008 of coded character set.  Another way to write C<Is_latin_1()> would be
1009 to use the characters in the range explicitly:
1010
1011     sub Is_latin_1 {
1012         my $char = substr(shift,0,1);
1013         $char =~ /[ ¡¢£¤¥¦§¨©ª«¬\ad®¯°±²³´µ¶·¸¹º»¼½¾¿ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖ×ØÙÚÛÜÝÞßàáâãäåæçèéêëìíîïðñòóôõö÷øùúûüýþÿ]/;
1014     }
1015
1016 Although that form may run into trouble in network transit (due to the
1017 presence of 8 bit characters) or on non ISO-Latin character sets.
1018
1019 =head1 SOCKETS
1020
1021 Most socket programming assumes ASCII character encodings in network
1022 byte order.  Exceptions can include CGI script writing under a
1023 host web server where the server may take care of translation for you.
1024 Most host web servers convert EBCDIC data to ISO-8859-1 or Unicode on
1025 output.
1026
1027 =head1 SORTING
1028
1029 One big difference between ASCII based character sets and EBCDIC ones
1030 are the relative positions of upper and lower case letters and the
1031 letters compared to the digits.  If sorted on an ASCII based platform the
1032 two letter abbreviation for a physician comes before the two letter
1033 for drive, that is:
1034
1035     @sorted = sort(qw(Dr. dr.));  # @sorted holds ('Dr.','dr.') on ASCII,
1036                                   # but ('dr.','Dr.') on EBCDIC
1037
1038 The property of lower case before uppercase letters in EBCDIC is
1039 even carried to the Latin 1 EBCDIC pages such as 0037 and 1047.
1040 An example would be that E<Euml> C<E WITH DIAERESIS> (203) comes
1041 before E<euml> C<e WITH DIAERESIS> (235) on an ASCII platform, but
1042 the latter (83) comes before the former (115) on an EBCDIC platform.
1043 (Astute readers will note that the upper case version of E<szlig>
1044 C<SMALL LETTER SHARP S> is simply "SS" and that the upper case version of
1045 E<yuml> C<y WITH DIAERESIS> is not in the 0..255 range but it is
1046 at U+x0178 in Unicode, or C<"\x{178}"> in a Unicode enabled Perl).
1047
1048 The sort order will cause differences between results obtained on
1049 ASCII platforms versus EBCDIC platforms.  What follows are some suggestions
1050 on how to deal with these differences.
1051
1052 =head2 Ignore ASCII vs. EBCDIC sort differences.
1053
1054 This is the least computationally expensive strategy.  It may require
1055 some user education.
1056
1057 =head2 MONO CASE then sort data.
1058
1059 In order to minimize the expense of mono casing mixed test try to
1060 C<tr///> towards the character set case most employed within the data.
1061 If the data are primarily UPPERCASE non Latin 1 then apply tr/[a-z]/[A-Z]/
1062 then sort().  If the data are primarily lowercase non Latin 1 then
1063 apply tr/[A-Z]/[a-z]/ before sorting.  If the data are primarily UPPERCASE
1064 and include Latin-1 characters then apply:
1065
1066     tr/[a-z]/[A-Z]/;
1067     tr/[àáâãäåæçèéêëìíîïðñòóôõöøùúûüýþ]/[ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝÞ/;
1068     s/ß/SS/g;
1069
1070 then sort().  Do note however that such Latin-1 manipulation does not
1071 address the E<yuml> C<y WITH DIAERESIS> character that will remain at
1072 code point 255 on ASCII platforms, but 223 on most EBCDIC platforms
1073 where it will sort to a place less than the EBCDIC numerals.  With a
1074 Unicode enabled Perl you might try:
1075
1076     tr/^?/\x{178}/;
1077
1078 The strategy of mono casing data before sorting does not preserve the case
1079 of the data and may not be acceptable for that reason.
1080
1081 =head2 Convert, sort data, then re convert.
1082
1083 This is the most expensive proposition that does not employ a network
1084 connection.
1085
1086 =head2 Perform sorting on one type of platform only.
1087
1088 This strategy can employ a network connection.  As such
1089 it would be computationally expensive.
1090
1091 =head1 TRANSFORMATION FORMATS
1092
1093 There are a variety of ways of transforming data with an intra character set
1094 mapping that serve a variety of purposes.  Sorting was discussed in the
1095 previous section and a few of the other more popular mapping techniques are
1096 discussed next.
1097
1098 =head2 URL decoding and encoding
1099
1100 Note that some URLs have hexadecimal ASCII code points in them in an
1101 attempt to overcome character or protocol limitation issues.  For example
1102 the tilde character is not on every keyboard hence a URL of the form:
1103
1104     http://www.pvhp.com/~pvhp/
1105
1106 may also be expressed as either of:
1107
1108     http://www.pvhp.com/%7Epvhp/
1109
1110     http://www.pvhp.com/%7epvhp/
1111
1112 where 7E is the hexadecimal ASCII code point for '~'.  Here is an example
1113 of decoding such a URL under CCSID 1047:
1114
1115     $url = 'http://www.pvhp.com/%7Epvhp/';
1116     # this array assumes code page 1047
1117     my @a2e_1047 = (
1118           0,  1,  2,  3, 55, 45, 46, 47, 22,  5, 21, 11, 12, 13, 14, 15,
1119          16, 17, 18, 19, 60, 61, 50, 38, 24, 25, 63, 39, 28, 29, 30, 31,
1120          64, 90,127,123, 91,108, 80,125, 77, 93, 92, 78,107, 96, 75, 97,
1121         240,241,242,243,244,245,246,247,248,249,122, 94, 76,126,110,111,
1122         124,193,194,195,196,197,198,199,200,201,209,210,211,212,213,214,
1123         215,216,217,226,227,228,229,230,231,232,233,173,224,189, 95,109,
1124         121,129,130,131,132,133,134,135,136,137,145,146,147,148,149,150,
1125         151,152,153,162,163,164,165,166,167,168,169,192, 79,208,161,  7,
1126          32, 33, 34, 35, 36, 37,  6, 23, 40, 41, 42, 43, 44,  9, 10, 27,
1127          48, 49, 26, 51, 52, 53, 54,  8, 56, 57, 58, 59,  4, 20, 62,255,
1128          65,170, 74,177,159,178,106,181,187,180,154,138,176,202,175,188,
1129         144,143,234,250,190,160,182,179,157,218,155,139,183,184,185,171,
1130         100,101, 98,102, 99,103,158,104,116,113,114,115,120,117,118,119,
1131         172,105,237,238,235,239,236,191,128,253,254,251,252,186,174, 89,
1132          68, 69, 66, 70, 67, 71,156, 72, 84, 81, 82, 83, 88, 85, 86, 87,
1133         140, 73,205,206,203,207,204,225,112,221,222,219,220,141,142,223
1134     );
1135     $url =~ s/%([0-9a-fA-F]{2})/pack("c",$a2e_1047[hex($1)])/ge;
1136
1137 Conversely, here is a partial solution for the task of encoding such
1138 a URL under the 1047 code page:
1139
1140     $url = 'http://www.pvhp.com/~pvhp/';
1141     # this array assumes code page 1047
1142     my @e2a_1047 = (
1143           0,  1,  2,  3,156,  9,134,127,151,141,142, 11, 12, 13, 14, 15,
1144          16, 17, 18, 19,157, 10,  8,135, 24, 25,146,143, 28, 29, 30, 31,
1145         128,129,130,131,132,133, 23, 27,136,137,138,139,140,  5,  6,  7,
1146         144,145, 22,147,148,149,150,  4,152,153,154,155, 20, 21,158, 26,
1147          32,160,226,228,224,225,227,229,231,241,162, 46, 60, 40, 43,124,
1148          38,233,234,235,232,237,238,239,236,223, 33, 36, 42, 41, 59, 94,
1149          45, 47,194,196,192,193,195,197,199,209,166, 44, 37, 95, 62, 63,
1150         248,201,202,203,200,205,206,207,204, 96, 58, 35, 64, 39, 61, 34,
1151         216, 97, 98, 99,100,101,102,103,104,105,171,187,240,253,254,177,
1152         176,106,107,108,109,110,111,112,113,114,170,186,230,184,198,164,
1153         181,126,115,116,117,118,119,120,121,122,161,191,208, 91,222,174,
1154         172,163,165,183,169,167,182,188,189,190,221,168,175, 93,180,215,
1155         123, 65, 66, 67, 68, 69, 70, 71, 72, 73,173,244,246,242,243,245,
1156         125, 74, 75, 76, 77, 78, 79, 80, 81, 82,185,251,252,249,250,255,
1157          92,247, 83, 84, 85, 86, 87, 88, 89, 90,178,212,214,210,211,213,
1158          48, 49, 50, 51, 52, 53, 54, 55, 56, 57,179,219,220,217,218,159
1159     );
1160     # The following regular expression does not address the
1161     # mappings for: ('.' => '%2E', '/' => '%2F', ':' => '%3A')
1162     $url =~ s/([\t "#%&\(\),;<=>\?\@\[\\\]^`{|}~])/sprintf("%%%02X",$e2a_1047[ord($1)])/ge;
1163
1164 where a more complete solution would split the URL into components
1165 and apply a full s/// substitution only to the appropriate parts.
1166
1167 In the remaining examples a @e2a or @a2e array may be employed
1168 but the assignment will not be shown explicitly.  For code page 1047
1169 you could use the @a2e_1047 or @e2a_1047 arrays just shown.
1170
1171 =head2 uu encoding and decoding
1172
1173 The C<u> template to pack() or unpack() will render EBCDIC data in EBCDIC
1174 characters equivalent to their ASCII counterparts.  For example, the
1175 following will print "Yes indeed\n" on either an ASCII or EBCDIC computer:
1176
1177     $all_byte_chrs = '';
1178     for (0..255) { $all_byte_chrs .= chr($_); }
1179     $uuencode_byte_chrs = pack('u', $all_byte_chrs);
1180     ($uu = <<'ENDOFHEREDOC') =~ s/^\s*//gm;
1181     M``$"`P0%!@<("0H+#`T.#Q`1$A,4%187&!D:&QP='A\@(2(C)"4F)R@I*BLL
1182     M+2XO,#$R,S0U-C<X.3H[/#T^/T!!0D-$149'2$E*2TQ-3D]045)35%565UA9
1183     M6EM<75Y?8&%B8V1E9F=H:6IK;&UN;W!Q<G-T=79W>'EZ>WQ]?G^`@8*#A(6&
1184     MAXB)BHN,C8Z/D)&2DY25EI>8F9J;G)V>GZ"AHJ.DI::GJ*FJJZRMKJ^PL;*S
1185     MM+6VM[BYNKN\O;Z_P,'"P\3%QL?(R<K+S,W.S]#1TM/4U=;7V-G:V]S=WM_@
1186     ?X>+CY.7FY^CIZNOL[>[O\/'R\_3U]O?X^?K[_/W^_P``
1187     ENDOFHEREDOC
1188     if ($uuencode_byte_chrs eq $uu) {
1189         print "Yes ";
1190     }
1191     $uudecode_byte_chrs = unpack('u', $uuencode_byte_chrs);
1192     if ($uudecode_byte_chrs eq $all_byte_chrs) {
1193         print "indeed\n";
1194     }
1195
1196 Here is a very spartan uudecoder that will work on EBCDIC provided
1197 that the @e2a array is filled in appropriately:
1198
1199     #!/usr/local/bin/perl
1200     @e2a = ( # this must be filled in
1201            );
1202     $_ = <> until ($mode,$file) = /^begin\s*(\d*)\s*(\S*)/;
1203     open(OUT, "> $file") if $file ne "";
1204     while(<>) {
1205         last if /^end/;
1206         next if /[a-z]/;
1207         next unless int(((($e2a[ord()] - 32 ) & 077) + 2) / 3) ==
1208             int(length() / 4);
1209         print OUT unpack("u", $_);
1210     }
1211     close(OUT);
1212     chmod oct($mode), $file;
1213
1214
1215 =head2 Quoted-Printable encoding and decoding
1216
1217 On ASCII encoded platforms it is possible to strip characters outside of
1218 the printable set using:
1219
1220     # This QP encoder works on ASCII only
1221     $qp_string =~ s/([=\x00-\x1F\x80-\xFF])/sprintf("=%02X",ord($1))/ge;
1222
1223 Whereas a QP encoder that works on both ASCII and EBCDIC platforms
1224 would look somewhat like the following (where the EBCDIC branch @e2a
1225 array is omitted for brevity):
1226
1227     if (ord('A') == 65) {    # ASCII
1228         $delete = "\x7F";    # ASCII
1229         @e2a = (0 .. 255)    # ASCII to ASCII identity map
1230     }
1231     else {                   # EBCDIC
1232         $delete = "\x07";    # EBCDIC
1233         @e2a =               # EBCDIC to ASCII map (as shown above)
1234     }
1235     $qp_string =~
1236       s/([^ !"\#\$%&'()*+,\-.\/0-9:;<>?\@A-Z[\\\]^_`a-z{|}~$delete])/sprintf("=%02X",$e2a[ord($1)])/ge;
1237
1238 (although in production code the substitutions might be done
1239 in the EBCDIC branch with the @e2a array and separately in the
1240 ASCII branch without the expense of the identity map).
1241
1242 Such QP strings can be decoded with:
1243
1244     # This QP decoder is limited to ASCII only
1245     $string =~ s/=([0-9A-Fa-f][0-9A-Fa-f])/chr hex $1/ge;
1246     $string =~ s/=[\n\r]+$//;
1247
1248 Whereas a QP decoder that works on both ASCII and EBCDIC platforms
1249 would look somewhat like the following (where the @a2e array is
1250 omitted for brevity):
1251
1252     $string =~ s/=([0-9A-Fa-f][0-9A-Fa-f])/chr $a2e[hex $1]/ge;
1253     $string =~ s/=[\n\r]+$//;
1254
1255 =head2 Caesarian ciphers
1256
1257 The practice of shifting an alphabet one or more characters for encipherment
1258 dates back thousands of years and was explicitly detailed by Gaius Julius
1259 Caesar in his B<Gallic Wars> text.  A single alphabet shift is sometimes
1260 referred to as a rotation and the shift amount is given as a number $n after
1261 the string 'rot' or "rot$n".  Rot0 and rot26 would designate identity maps
1262 on the 26 letter English version of the Latin alphabet.  Rot13 has the
1263 interesting property that alternate subsequent invocations are identity maps
1264 (thus rot13 is its own non-trivial inverse in the group of 26 alphabet
1265 rotations).  Hence the following is a rot13 encoder and decoder that will
1266 work on ASCII and EBCDIC platforms:
1267
1268     #!/usr/local/bin/perl
1269
1270     while(<>){
1271         tr/n-za-mN-ZA-M/a-zA-Z/;
1272         print;
1273     }
1274
1275 In one-liner form:
1276
1277     perl -ne 'tr/n-za-mN-ZA-M/a-zA-Z/;print'
1278
1279
1280 =head1 Hashing order and checksums
1281
1282 To the extent that it is possible to write code that depends on
1283 hashing order there may be differences between hashes as stored
1284 on an ASCII based platform and hashes stored on an EBCDIC based platform.
1285 XXX
1286
1287 =head1 I18N AND L10N
1288
1289 Internationalization(I18N) and localization(L10N) are supported at least
1290 in principle even on EBCDIC platforms.  The details are system dependent
1291 and discussed under the L<perlebcdic/OS ISSUES> section below.
1292
1293 =head1 MULTI OCTET CHARACTER SETS
1294
1295 Perl may work with an internal UTF-EBCDIC encoding form for wide characters
1296 on EBCDIC platforms in a manner analogous to the way that it works with
1297 the UTF-8 internal encoding form on ASCII based platforms.
1298
1299 Legacy multi byte EBCDIC code pages XXX.
1300
1301 =head1 OS ISSUES
1302
1303 There may be a few system dependent issues
1304 of concern to EBCDIC Perl programmers.
1305
1306 =head2 OS/400
1307
1308 =over 8
1309
1310 =item PASE
1311
1312 The PASE environment is runtime environment for OS/400 that can run
1313 executables built for PowerPC AIX in OS/400, see L<perlos400>.  PASE
1314 is ASCII-based, not EBCDIC-based as the ILE.
1315
1316 =item IFS access
1317
1318 XXX.
1319
1320 =back
1321
1322 =head2 OS/390, z/OS
1323
1324 Perl runs under Unix Systems Services or USS.
1325
1326 =over 8
1327
1328 =item chcp
1329
1330 B<chcp> is supported as a shell utility for displaying and changing
1331 one's code page.  See also L<chcp>.
1332
1333 =item dataset access
1334
1335 For sequential data set access try:
1336
1337     my @ds_records = `cat //DSNAME`;
1338
1339 or:
1340
1341     my @ds_records = `cat //'HLQ.DSNAME'`;
1342
1343 See also the OS390::Stdio module on CPAN.
1344
1345 =item OS/390, z/OS iconv
1346
1347 B<iconv> is supported as both a shell utility and a C RTL routine.
1348 See also the iconv(1) and iconv(3) manual pages.
1349
1350 =item locales
1351
1352 On OS/390 or z/OS see L<locale> for information on locales.  The L10N files
1353 are in F</usr/nls/locale>.  $Config{d_setlocale} is 'define' on OS/390
1354 or z/OS.
1355
1356 =back
1357
1358 =head2 VM/ESA?
1359
1360 XXX.
1361
1362 =head2 POSIX-BC?
1363
1364 XXX.
1365
1366 =head1 BUGS
1367
1368 This pod document contains literal Latin 1 characters and may encounter
1369 translation difficulties.  In particular one popular nroff implementation
1370 was known to strip accented characters to their unaccented counterparts
1371 while attempting to view this document through the B<pod2man> program
1372 (for example, you may see a plain C<y> rather than one with a diaeresis
1373 as in E<yuml>).  Another nroff truncated the resultant manpage at
1374 the first occurrence of 8 bit characters.
1375
1376 Not all shells will allow multiple C<-e> string arguments to perl to
1377 be concatenated together properly as recipes 0, 2, 4, 5, and 6 might
1378 seem to imply.
1379
1380 =head1 SEE ALSO
1381
1382 L<perllocale>, L<perlfunc>, L<perlunicode>, L<utf8>.
1383
1384 =head1 REFERENCES
1385
1386 L<http://anubis.dkuug.dk/i18n/charmaps>
1387
1388 L<http://www.unicode.org/>
1389
1390 L<http://www.unicode.org/unicode/reports/tr16/>
1391
1392 L<http://www.wps.com/projects/codes/>
1393 B<ASCII: American Standard Code for Information Infiltration> Tom Jennings,
1394 September 1999.
1395
1396 B<The Unicode Standard, Version 3.0> The Unicode Consortium, Lisa Moore ed.,
1397 ISBN 0-201-61633-5, Addison Wesley Developers Press, February 2000.
1398
1399 B<CDRA: IBM - Character Data Representation Architecture -
1400 Reference and Registry>, IBM SC09-2190-00, December 1996.
1401
1402 "Demystifying Character Sets", Andrea Vine, Multilingual Computing
1403 & Technology, B<#26 Vol. 10 Issue 4>, August/September 1999;
1404 ISSN 1523-0309; Multilingual Computing Inc. Sandpoint ID, USA.
1405
1406 B<Codes, Ciphers, and Other Cryptic and Clandestine Communication>
1407 Fred B. Wrixon, ISBN 1-57912-040-7, Black Dog & Leventhal Publishers,
1408 1998.
1409
1410 L<http://www.bobbemer.com/P-BIT.HTM>
1411 B<IBM - EBCDIC and the P-bit; The biggest Computer Goof Ever> Robert Bemer.
1412
1413 =head1 HISTORY
1414
1415 15 April 2001: added UTF-8 and UTF-EBCDIC to main table, pvhp.
1416
1417 =head1 AUTHOR
1418
1419 Peter Prymmer pvhp@best.com wrote this in 1999 and 2000
1420 with CCSID 0819 and 0037 help from Chris Leach and
1421 AndrE<eacute> Pirard A.Pirard@ulg.ac.be as well as POSIX-BC
1422 help from Thomas Dorner Thomas.Dorner@start.de.
1423 Thanks also to Vickie Cooper, Philip Newton, William Raffloer, and
1424 Joe Smith.  Trademarks, registered trademarks, service marks and
1425 registered service marks used in this document are the property of
1426 their respective owners.