pod/perlebcdic.pod

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