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