C# - 유니코드 한글 문자열을 ks_c_5601-1987로 변환하는 방법
아래와 같은 질문이 있습니다.
dot net micro framework 에서 encoding 변환
; http://social.msdn.microsoft.com/Forums/ko-KR/847b2a69-b53f-43fa-8455-439f11a985c2/dot-net-micro-framework-encoding-?forum=dotnetko&prof=required
질문의 내용을 요약하면, ".NET Micro Framework"는 System.Text.Encoding.UTF8 인코딩만 지원하고 있는 데다 장비는 System.Text.Encoding.Default 인코딩으로 전송한 한글을 인식한다는 것입니다.
재미있군요. ^^ 한글 윈도우에서 System.Text.Encoding.Default 방식은 곧 ks_c_5601-1987 인코딩을 사용했다는 것입니다. 그렇다면 장비 측에서 ks_c_5601-1987 인코딩 방식의 한글을 지원한다는 것인데, 제가 FA 산업 분야는 잘 몰라서 할 말이 없지만 장비에서 다른 표준 인코딩도 아니고 국내 특화된 ks_c_5601-1987을 지원한다는 것이 의외입니다.
암튼, 그렇다고 하니... ^^ ks_c_5601-1987 인코딩을 할 수 있는 메서드를 만들어야 합니다. 일단, C#의 string 타입은 내부적으로 UTF-16 인코딩을 따르기 때문에 해당 string을 char 배열로 바꾼 다음 곧바로 바이트 배열로 뽑아내면 그건 UTF-16 인코딩이 된 결과물이 됩니다. 비교를 위해 다음과 같이 코딩을 할 수 있습니다.
using System;
using System.Collections.Generic;
namespace encode_test
{
class Program
{
static void Main(string[] args)
{
string text = "한글 테스트";
byte[] contents1 = System.Text.Encoding.Unicode.GetBytes(text);
Console.WriteLine(BitConverter.ToString(contents1));
byte[] contents2 = Chars2Bytes(text.ToCharArray());
Console.WriteLine(BitConverter.ToString(contents2));
}
public static byte[] Chars2Bytes(char[] charArray)
{
List<byte> outputs = new List<byte>();
for (int i = 0; i < charArray.Length; i ++)
{
outputs.Add((byte)(charArray[i] & 0xFF));
outputs.Add((byte)(charArray[i] >> 8));
}
return outputs.ToArray();
}
}
}
당연히 실행 결과는 동일하게 나오겠죠? ^^
5C-D5-00-AE-20-00-4C-D1-A4-C2-B8-D2
5C-D5-00-AE-20-00-4C-D1-A4-C2-B8-D2
우리가 원하는 것은 ks_c_5601-1987이기 때문에 유니코드를 ks_c_5601-1987로 변환해주는 테이블이 필요합니다. 다행히 이를 찾아보면 다음과 같은 텍스트 파일을 구할 수 있습니다.
ksc5601.txt
; http://opensource.apple.com/source/tcl/tcl-10/tcl/tools/encoding/ksc5601.txt
대략 다음과 같은 내용을 담고 있는데요.
# What is enclosed below is the mapping between KS C 5601-1987
# and Unicode 2.0. It's automatically generated from KSC5601.TXT
# (at ftp://ftp.unicode.org/Public/MAPPING/EASTASIA/KSC) which is
# actually NOT the mapping between KS C 5601-1992 and Unicode 2.0
# BUT the mapping table between UHC(Microsoft Unified Hangul Code)
# and Unicode 2.0. Hence, in this pacakge, I renamed it as UHC.TXT
#
# The Unix command used is
# egrep '^0x' < KSC5601.TXT | \
# egrep -v '^0x([8-9]...|A0..|..[4-9].|..A0)' | perl tab.pl
#
# where tab.pl is as following
#----------tab.pl
# $n=0;
# while (<>) {
# local($euck, $ucs4, @rest) = split;
# local($u)=hex($ucs4);
# local($k)=hex($euck);
# printf ("0x%04X 0x%04X %s\n",$k-0x8080, $u,join(' ',@rest));
# }
#
# Column #1 : KS C 5601-1987(KS C 5601-1992 excluding addtional Hangul
# syllables defined for Johab encoding in Annex 3)
# in hex as 0xXXXX
# Column #2 : the Unicode (in hex as 0xXXXX)
# Column #3 : the Unicode name (following a comment sign, '#')
# The number of characters enumerated in this table is 8824, the
# as listed in KS C 5601-987
#
#
# The entries are in KS C 5601-1987 order
# You can use the following algorithms to convert the hex form
# of KS C 5601 to other forms
# To get EUCKorea(EUC-KR) code points, add 0x8080.
# To get row(Hang) and column(Yol) as used in KS C 5601-1987 manual,
# first subtract 0x2020. Then
# the high and low bytes correspond to the row(Hang) and the column(Yol),
# respectively
0x2121 0x3000 # IDEOGRAPHIC SPACE
0x2122 0x3001 # IDEOGRAPHIC COMMA
0x2123 0x3002 # IDEOGRAPHIC FULL STOP
0x2124 0x00B7 # MIDDLE DOT
0x2125 0x2025 # TWO DOT LEADER
0x2126 0x2026 # HORIZONTAL ELLIPSIS
0x2127 0x00A8 # DIAERESIS
....[이하 생략]...
즉 첫 번째 컬럼의 값이 (0x8080을 더하면) "KS C 5601-1987" 값이고, 두 번째 값이 유니코드 대응입니다. 이 텍스트를 동적으로 로드해서 사용하는 것도 좋지만 보통 매핑 테이블을 만들어 두는 것이 더 효율적이기 때문에 미리 C# 코드로 변환해 두는 것이 좋습니다. 하지만, 텍스트 파일 내용이 너무 길기 때문에 일일이 변환하는 것은 불편하므로 다음과 같이 C# 코드로 출력해 주는 메서드를 이용해 파일로 만듭니다.
public static void Output()
{
Console.WriteLine("Dictionary<char, char> unicode2ksc = new Dictionary<char,char>();");
foreach (string line in File.ReadAllLines("ksc5601.txt"))
{
string[] splits = line.Split('#');
if (splits.Length < 2 || string.IsNullOrEmpty(splits[0]) == true)
{
continue;
}
string[] ksc2unicode = splits[0].Split(new char[] { ' ' }, StringSplitOptions.RemoveEmptyEntries);
if (ksc2unicode.Length < 2)
{
continue;
}
int ksc = Convert.ToInt32(ksc2unicode[0], 16) + 0x8080;
int unicode = Convert.ToInt32(ksc2unicode[1], 16);
Console.WriteLine(string.Format("unicode2ksc.Add((char){0}, (char){1});", unicode, ksc));
}
}
출력된 내용을 C# 파일에 적절하게 복사하면 다음과 같이 유니코드에서 ks_c_5601-1987로 변환하는 메서드를 만들 수 있습니다.
using System;
using System.Collections.Generic;
using System.IO;
namespace encode_test
{
public class ksc5601
{
static Dictionary<char, char> unicode2ksc = new Dictionary<char, char>();
static ksc5601()
{
unicode2ksc.Add((char)12288, (char)41377);
unicode2ksc.Add((char)12289, (char)41378);
// ...[생략]...
unicode2ksc.Add((char)32690, (char)65021);
unicode2ksc.Add((char)35440, (char)65022);
}
public static byte[] unicode2ksc5601(string text)
{
List<byte> contents = new List<byte>();
foreach (char ch in text)
{
if (unicode2ksc.ContainsKey(ch) == true)
{
char ksc = (char)(unicode2ksc[ch]);
contents.Add((byte)(ksc >> 8));
contents.Add((byte)(ksc & 0xFF));
}
else if (ch < byte.MaxValue)
{
contents.Add((byte)ch);
}
else
{
throw new ApplicationException("Not supported character: " + ch);
}
}
return contents.ToArray();
}
}
}
이제 System.Text.Encoding.Default와 출력이 같은지 테스트 해볼까요? ^^
string text = "한글 테스트";
{
byte[] contents1 = System.Text.Encoding.Default.GetBytes(text);
Console.WriteLine(BitConverter.ToString(contents1));
byte[] contents2 = ksc5601.unicode2ksc5601(text);
Console.WriteLine(BitConverter.ToString(contents2));
}
// 출력결과
C7-D1-B1-DB-20-C5-D7-BD-BA-C6-AE
C7-D1-B1-DB-20-C5-D7-BD-BA-C6-AE
참고로, ".NET Micro Framework"는 제네릭 구문을 지원하지 않기 때문에 위의 코드를 C# 1.0 문법으로 변환해 주어야 합니다. 그건... 각자의 숙제로!
(
테스트 코드는 첨부 파일로 넣어두었습니다.)
[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]