Removal of a bunch of changes that don't merit perldelta integration
[perl.git] / 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 (ASCII or US-ASCII) is a
19 set of
20 integers running from 0 to 127 (decimal) that imply character 
21 interpretation by the display and other systems of computers.  
22 The range 0..127 can be covered by setting the bits in a 7-bit binary 
23 digit, hence the set is sometimes referred to as a "7-bit ASCII".  
24 ASCII was described by the American National Standards Institute 
25 document ANSI X3.4-1986.  It was also described by ISO 646:1991 
26 (with localization for currency symbols).  The full ASCII set is 
27 given in the table below as the first 128 elements.  Languages that 
28 can be written adequately with the characters in ASCII include 
29 English, Hawaiian, Indonesian, Swahili and some Native American 
30 languages.
31
32 There are many character sets that extend the range of integers
33 from 0..2**7-1 up to 2**8-1, or 8 bit bytes (octets if you prefer).
34 One common one is the ISO 8859-1 character set.
35
36 =head2 ISO 8859
37
38 The ISO 8859-$n are a collection of character code sets from the 
39 International Organization for Standardization (ISO) each of which 
40 adds characters to the ASCII set that are typically found in European 
41 languages many of which are based on the Roman, or Latin, alphabet.
42
43 =head2 Latin 1 (ISO 8859-1)
44
45 A particular 8-bit extension to ASCII that includes grave and acute 
46 accented Latin characters.  Languages that can employ ISO 8859-1 
47 include all the languages covered by ASCII as well as Afrikaans, 
48 Albanian, Basque, Catalan, Danish, Faroese, Finnish, Norwegian, 
49 Portuguese, Spanish, and Swedish.  Dutch is covered albeit without 
50 the ij ligature.  French is covered too but without the oe ligature. 
51 German can use ISO 8859-1 but must do so without German-style
52 quotation marks.  This set is based on Western European extensions 
53 to ASCII and is commonly encountered in world wide web work.
54 In IBM character code set identification terminology ISO 8859-1 is
55 also known as CCSID 819 (or sometimes 0819 or even 00819).
56
57 =head2 EBCDIC
58
59 The Extended Binary Coded Decimal Interchange Code refers to a 
60 large collection of slightly different single and multi byte 
61 coded character sets that are different from ASCII or ISO 8859-1 
62 and typically run on host computers.  The EBCDIC encodings derive 
63 from 8 bit byte extensions of Hollerith punched card encodings.
64 The layout on the cards was such that high bits were set for the
65 upper and lower case alphabet characters [a-z] and [A-Z], but there
66 were gaps within each Latin alphabet range.
67
68 Some IBM EBCDIC character sets may be known by character code set 
69 identification numbers (CCSID numbers) or code page numbers.  Leading
70 zero digits in CCSID numbers within this document are insignificant.
71 E.g. CCSID 0037 may be referred to as 37 in places.
72
73 Perl can be compiled on platforms that run any of three commonly used EBCDIC
74 character sets, listed below.
75
76 =head2 The 13 variant characters
77
78 Among IBM EBCDIC character code sets there are 13 characters that
79 are often mapped to different integer values.  Those characters
80 are known as the 13 "variant" characters and are:
81
82     \ [ ] { } ^ ~ ! # | $ @ ` 
83
84 When Perl is compiled for a platform, it looks at some of these characters to
85 guess which EBCDIC character set the platform uses, and adapts itself
86 accordingly to that platform.  If the platform uses a character set that is not
87 one of the three Perl knows about, Perl will either fail to compile, or
88 mistakenly and silently choose one of the three.
89 They are:
90
91 =head2 0037
92
93 Character code set ID 0037 is a mapping of the ASCII plus Latin-1 
94 characters (i.e. ISO 8859-1) to an EBCDIC set.  0037 is used 
95 in North American English locales on the OS/400 operating system 
96 that runs on AS/400 computers.  CCSID 37 differs from ISO 8859-1 
97 in 237 places, in other words they agree on only 19 code point values.
98
99 =head2 1047
100
101 Character code set ID 1047 is also a mapping of the ASCII plus 
102 Latin-1 characters (i.e. ISO 8859-1) to an EBCDIC set.  1047 is 
103 used under Unix System Services for OS/390 or z/OS, and OpenEdition 
104 for VM/ESA.  CCSID 1047 differs from CCSID 0037 in eight places.
105
106 =head2 POSIX-BC
107
108 The EBCDIC code page in use on Siemens' BS2000 system is distinct from
109 1047 and 0037.  It is identified below as the POSIX-BC set.
110
111 =head2 Unicode code points versus EBCDIC code points
112
113 In Unicode terminology a I<code point> is the number assigned to a
114 character: for example, in EBCDIC the character "A" is usually assigned
115 the number 193.  In Unicode the character "A" is assigned the number 65.
116 This causes a problem with the semantics of the pack/unpack "U", which
117 are supposed to pack Unicode code points to characters and back to numbers.
118 The problem is: which code points to use for code points less than 256?
119 (for 256 and over there's no problem: Unicode code points are used)
120 In EBCDIC, for the low 256 the EBCDIC code points are used.  This
121 means that the equivalences
122
123         pack("U", ord($character)) eq $character
124         unpack("U", $character) == ord $character
125
126 will hold.  (If Unicode code points were applied consistently over
127 all the possible code points, pack("U",ord("A")) would in EBCDIC
128 equal I<A with acute> or chr(101), and unpack("U", "A") would equal
129 65, or I<non-breaking space>, not 193, or ord "A".)
130
131 =head2 Remaining Perl Unicode problems in EBCDIC
132
133 =over 4
134
135 =item *
136
137 Many of the remaining problems seem to be related to case-insensitive matching
138
139 =item *
140
141 The extensions Unicode::Collate and Unicode::Normalized are not
142 supported under EBCDIC, likewise for the encoding pragma.
143
144 =back
145
146 =head2 Unicode and UTF
147
148 UTF stands for C<Unicode Transformation Format>.
149 UTF-8 is an encoding of Unicode into a sequence of 8-bit byte chunks, based on
150 ASCII and Latin-1.
151 The length of a sequence required to represent a Unicode code point
152 depends on the ordinal number of that code point,
153 with larger numbers requiring more bytes.
154 UTF-EBCDIC is like UTF-8, but based on EBCDIC.
155
156 You may see the term C<invariant> character or code point.
157 This simply means that the character has the same numeric
158 value when encoded as when not.
159 (Note that this is a very different concept from L</The 13 variant characters>
160 mentioned above.)
161 For example, the ordinal value of 'A' is 193 in most EBCDIC code pages,
162 and also is 193 when encoded in UTF-EBCDIC.
163 All other code points occupy at least two bytes when encoded.
164 In UTF-8, the code points corresponding to the lowest 128
165 ordinal numbers (0 - 127: the ASCII characters) are invariant.
166 In UTF-EBCDIC, there are 160 invariant characters.
167 (If you care, the EBCDIC invariants are those characters
168 which have ASCII equivalents, plus those that correspond to
169 the C1 controls (80..9f on ASCII platforms).)
170
171 A string encoded in UTF-EBCDIC may be longer (but never shorter) than
172 one encoded in UTF-8.
173
174 =head2 Using Encode
175
176 Starting from Perl 5.8 you can use the standard new module Encode
177 to translate from EBCDIC to Latin-1 code points.
178 Encode knows about more EBCDIC character sets than Perl can currently
179 be compiled to run on.
180
181         use Encode 'from_to';
182
183         my %ebcdic = ( 176 => 'cp37', 95 => 'cp1047', 106 => 'posix-bc' );
184
185         # $a is in EBCDIC code points
186         from_to($a, $ebcdic{ord '^'}, 'latin1');
187         # $a is ISO 8859-1 code points
188
189 and from Latin-1 code points to EBCDIC code points
190
191         use Encode 'from_to';
192
193         my %ebcdic = ( 176 => 'cp37', 95 => 'cp1047', 106 => 'posix-bc' );
194
195         # $a is ISO 8859-1 code points
196         from_to($a, 'latin1', $ebcdic{ord '^'});
197         # $a is in EBCDIC code points
198
199 For doing I/O it is suggested that you use the autotranslating features
200 of PerlIO, see L<perluniintro>.
201
202 Since version 5.8 Perl uses the new PerlIO I/O library.  This enables
203 you to use different encodings per IO channel.  For example you may use
204
205     use Encode;
206     open($f, ">:encoding(ascii)", "test.ascii");
207     print $f "Hello World!\n";
208     open($f, ">:encoding(cp37)", "test.ebcdic");
209     print $f "Hello World!\n";
210     open($f, ">:encoding(latin1)", "test.latin1");
211     print $f "Hello World!\n";
212     open($f, ">:encoding(utf8)", "test.utf8");
213     print $f "Hello World!\n";
214
215 to get four files containing "Hello World!\n" in ASCII, CP 37 EBCDIC,
216 ISO 8859-1 (Latin-1) (in this example identical to ASCII since only ASCII
217 characters were printed), and 
218 UTF-EBCDIC (in this example identical to normal EBCDIC since only characters
219 that don't differ between EBCDIC and UTF-EBCDIC were printed).  See the
220 documentation of Encode::PerlIO for details.
221
222 As the PerlIO layer uses raw IO (bytes) internally, all this totally
223 ignores things like the type of your filesystem (ASCII or EBCDIC).
224
225 =head1 SINGLE OCTET TABLES
226
227 The following tables list the ASCII and Latin 1 ordered sets including
228 the subsets: C0 controls (0..31), ASCII graphics (32..7e), delete (7f),
229 C1 controls (80..9f), and Latin-1 (a.k.a. ISO 8859-1) (a0..ff).  In the 
230 table non-printing control character names as well as the Latin 1 
231 extensions to ASCII have been labelled with character names roughly 
232 corresponding to I<The Unicode Standard, Version 3.0> albeit with 
233 substitutions such as s/LATIN// and s/VULGAR// in all cases, 
234 s/CAPITAL LETTER// in some cases, and s/SMALL LETTER ([A-Z])/\l$1/ 
235 in some other cases (the C<charnames> pragma names unfortunately do 
236 not list explicit names for the C0 or C1 control characters).  The 
237 "names" of the C1 control set (128..159 in ISO 8859-1) listed here are 
238 somewhat arbitrary.  The differences between the 0037 and 1047 sets are 
239 flagged with ***.  The differences between the 1047 and POSIX-BC sets 
240 are flagged with ###.  All ord() numbers listed are decimal.  If you 
241 would rather see this table listing octal values then run the table 
242 (that is, the pod version of this document since this recipe may not 
243 work with a pod2_other_format translation) through:
244
245 =over 4
246
247 =item recipe 0
248
249 =back
250
251     perl -ne 'if(/(.{33})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)/)' \
252      -e '{printf("%s%-9o%-9o%-9o%o\n",$1,$2,$3,$4,$5)}' perlebcdic.pod
253
254 If you want to retain the UTF-x code points then in script form you
255 might want to write:
256
257 =over 4
258
259 =item recipe 1
260
261 =back
262
263     open(FH,"<perlebcdic.pod") or die "Could not open perlebcdic.pod: $!";
264     while (<FH>) {
265         if (/(.{33})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\.?(\d*)\s+(\d+)\.?(\d*)/)  {
266             if ($7 ne '' && $9 ne '') {
267                 printf("%s%-9o%-9o%-9o%-9o%-3o.%-5o%-3o.%o\n",$1,$2,$3,$4,$5,$6,$7,$8,$9);
268             }
269             elsif ($7 ne '') {
270                 printf("%s%-9o%-9o%-9o%-9o%-3o.%-5o%o\n",$1,$2,$3,$4,$5,$6,$7,$8);
271             }
272             else {
273                 printf("%s%-9o%-9o%-9o%-9o%-9o%o\n",$1,$2,$3,$4,$5,$6,$8);
274             }
275         }
276     }
277
278 If you would rather see this table listing hexadecimal values then
279 run the table through:
280
281 =over 4
282
283 =item recipe 2
284
285 =back
286
287     perl -ne 'if(/(.{33})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)/)' \
288      -e '{printf("%s%-9X%-9X%-9X%X\n",$1,$2,$3,$4,$5)}' perlebcdic.pod
289
290 Or, in order to retain the UTF-x code points in hexadecimal:
291
292 =over 4
293
294 =item recipe 3
295
296 =back
297
298     open(FH,"<perlebcdic.pod") or die "Could not open perlebcdic.pod: $!";
299     while (<FH>) {
300         if (/(.{33})(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\.?(\d*)\s+(\d+)\.?(\d*)/)  {
301             if ($7 ne '' && $9 ne '') {
302                 printf("%s%-9X%-9X%-9X%-9X%-2X.%-6X%-2X.%X\n",$1,$2,$3,$4,$5,$6,$7,$8,$9);
303             }
304             elsif ($7 ne '') {
305                 printf("%s%-9X%-9X%-9X%-9X%-2X.%-6X%X\n",$1,$2,$3,$4,$5,$6,$7,$8);
306             }
307             else {
308                 printf("%s%-9X%-9X%-9X%-9X%-9X%X\n",$1,$2,$3,$4,$5,$6,$8);
309             }
310         }
311     }
312
313
314                                                                      incomp-  incomp-
315                                  8859-1                              lete     lete
316     chr                          0819     0037     1047     POSIX-BC UTF-8    UTF-EBCDIC
317     ------------------------------------------------------------------------------------
318     <NULL>                       0        0        0        0        0        0 
319     <START OF HEADING>           1        1        1        1        1        1
320     <START OF TEXT>              2        2        2        2        2        2
321     <END OF TEXT>                3        3        3        3        3        3
322     <END OF TRANSMISSION>        4        55       55       55       4        55 
323     <ENQUIRY>                    5        45       45       45       5        45 
324     <ACKNOWLEDGE>                6        46       46       46       6        46 
325     <BELL>                       7        47       47       47       7        47 
326     <BACKSPACE>                  8        22       22       22       8        22 
327     <HORIZONTAL TABULATION>      9        5        5        5        9        5 
328     <LINE FEED>                  10       37       21       21       10       21       ***
329     <VERTICAL TABULATION>        11       11       11       11       11       11
330     <FORM FEED>                  12       12       12       12       12       12
331     <CARRIAGE RETURN>            13       13       13       13       13       13
332     <SHIFT OUT>                  14       14       14       14       14       14
333     <SHIFT IN>                   15       15       15       15       15       15
334     <DATA LINK ESCAPE>           16       16       16       16       16       16
335     <DEVICE CONTROL ONE>         17       17       17       17       17       17
336     <DEVICE CONTROL TWO>         18       18       18       18       18       18
337     <DEVICE CONTROL THREE>       19       19       19       19       19       19
338     <DEVICE CONTROL FOUR>        20       60       60       60       20       60
339     <NEGATIVE ACKNOWLEDGE>       21       61       61       61       21       61
340     <SYNCHRONOUS IDLE>           22       50       50       50       22       50
341     <END OF TRANSMISSION BLOCK>  23       38       38       38       23       38
342     <CANCEL>                     24       24       24       24       24       24
343     <END OF MEDIUM>              25       25       25       25       25       25
344     <SUBSTITUTE>                 26       63       63       63       26       63
345     <ESCAPE>                     27       39       39       39       27       39
346     <FILE SEPARATOR>             28       28       28       28       28       28
347     <GROUP SEPARATOR>            29       29       29       29       29       29
348     <RECORD SEPARATOR>           30       30       30       30       30       30
349     <UNIT SEPARATOR>             31       31       31       31       31       31
350     <SPACE>                      32       64       64       64       32       64
351     !                            33       90       90       90       33       90
352     "                            34       127      127      127      34       127
353     #                            35       123      123      123      35       123
354     $                            36       91       91       91       36       91
355     %                            37       108      108      108      37       108
356     &                            38       80       80       80       38       80
357     '                            39       125      125      125      39       125
358     (                            40       77       77       77       40       77
359     )                            41       93       93       93       41       93
360     *                            42       92       92       92       42       92
361     +                            43       78       78       78       43       78
362     ,                            44       107      107      107      44       107
363     -                            45       96       96       96       45       96
364     .                            46       75       75       75       46       75
365     /                            47       97       97       97       47       97
366     0                            48       240      240      240      48       240
367     1                            49       241      241      241      49       241
368     2                            50       242      242      242      50       242
369     3                            51       243      243      243      51       243
370     4                            52       244      244      244      52       244
371     5                            53       245      245      245      53       245
372     6                            54       246      246      246      54       246
373     7                            55       247      247      247      55       247
374     8                            56       248      248      248      56       248
375     9                            57       249      249      249      57       249
376     :                            58       122      122      122      58       122
377     ;                            59       94       94       94       59       94
378     <                            60       76       76       76       60       76
379     =                            61       126      126      126      61       126
380     >                            62       110      110      110      62       110
381     ?                            63       111      111      111      63       111
382     @                            64       124      124      124      64       124
383     A                            65       193      193      193      65       193
384     B                            66       194      194      194      66       194
385     C                            67       195      195      195      67       195
386     D                            68       196      196      196      68       196
387     E                            69       197      197      197      69       197
388     F                            70       198      198      198      70       198
389     G                            71       199      199      199      71       199
390     H                            72       200      200      200      72       200
391     I                            73       201      201      201      73       201
392     J                            74       209      209      209      74       209
393     K                            75       210      210      210      75       210
394     L                            76       211      211      211      76       211
395     M                            77       212      212      212      77       212
396     N                            78       213      213      213      78       213
397     O                            79       214      214      214      79       214
398     P                            80       215      215      215      80       215
399     Q                            81       216      216      216      81       216
400     R                            82       217      217      217      82       217
401     S                            83       226      226      226      83       226
402     T                            84       227      227      227      84       227
403     U                            85       228      228      228      85       228
404     V                            86       229      229      229      86       229
405     W                            87       230      230      230      87       230
406     X                            88       231      231      231      88       231
407     Y                            89       232      232      232      89       232
408     Z                            90       233      233      233      90       233
409     [                            91       186      173      187      91       173      *** ###
410     \                            92       224      224      188      92       224      ### 
411     ]                            93       187      189      189      93       189      ***
412     ^                            94       176      95       106      94       95       *** ###
413     _                            95       109      109      109      95       109
414     `                            96       121      121      74       96       121      ###
415     a                            97       129      129      129      97       129
416     b                            98       130      130      130      98       130
417     c                            99       131      131      131      99       131
418     d                            100      132      132      132      100      132
419     e                            101      133      133      133      101      133
420     f                            102      134      134      134      102      134
421     g                            103      135      135      135      103      135
422     h                            104      136      136      136      104      136
423     i                            105      137      137      137      105      137
424     j                            106      145      145      145      106      145
425     k                            107      146      146      146      107      146
426     l                            108      147      147      147      108      147
427     m                            109      148      148      148      109      148
428     n                            110      149      149      149      110      149
429     o                            111      150      150      150      111      150
430     p                            112      151      151      151      112      151
431     q                            113      152      152      152      113      152
432     r                            114      153      153      153      114      153
433     s                            115      162      162      162      115      162
434     t                            116      163      163      163      116      163
435     u                            117      164      164      164      117      164
436     v                            118      165      165      165      118      165
437     w                            119      166      166      166      119      166
438     x                            120      167      167      167      120      167
439     y                            121      168      168      168      121      168
440     z                            122      169      169      169      122      169
441     {                            123      192      192      251      123      192      ###
442     |                            124      79       79       79       124      79
443     }                            125      208      208      253      125      208      ###
444     ~                            126      161      161      255      126      161      ###
445     <DELETE>                     127      7        7        7        127      7
446     <C1 0>                       128      32       32       32       194.128  32
447     <C1 1>                       129      33       33       33       194.129  33
448     <C1 2>                       130      34       34       34       194.130  34
449     <C1 3>                       131      35       35       35       194.131  35
450     <C1 4>                       132      36       36       36       194.132  36
451     <C1 5>                       133      21       37       37       194.133  37       ***
452     <C1 6>                       134      6        6        6        194.134  6
453     <C1 7>                       135      23       23       23       194.135  23
454     <C1 8>                       136      40       40       40       194.136  40
455     <C1 9>                       137      41       41       41       194.137  41
456     <C1 10>                      138      42       42       42       194.138  42
457     <C1 11>                      139      43       43       43       194.139  43
458     <C1 12>                      140      44       44       44       194.140  44
459     <C1 13>                      141      9        9        9        194.141  9
460     <C1 14>                      142      10       10       10       194.142  10
461     <C1 15>                      143      27       27       27       194.143  27
462     <C1 16>                      144      48       48       48       194.144  48
463     <C1 17>                      145      49       49       49       194.145  49
464     <C1 18>                      146      26       26       26       194.146  26
465     <C1 19>                      147      51       51       51       194.147  51
466     <C1 20>                      148      52       52       52       194.148  52
467     <C1 21>                      149      53       53       53       194.149  53
468     <C1 22>                      150      54       54       54       194.150  54
469     <C1 23>                      151      8        8        8        194.151  8
470     <C1 24>                      152      56       56       56       194.152  56
471     <C1 25>                      153      57       57       57       194.153  57
472     <C1 26>                      154      58       58       58       194.154  58
473     <C1 27>                      155      59       59       59       194.155  59
474     <C1 28>                      156      4        4        4        194.156  4
475     <C1 29>                      157      20       20       20       194.157  20
476     <C1 30>                      158      62       62       62       194.158  62
477     <C1 31>                      159      255      255      95       194.159  255      ###
478     <NON-BREAKING SPACE>         160      65       65       65       194.160  128.65
479     <INVERTED EXCLAMATION MARK>  161      170      170      170      194.161  128.66
480     <CENT SIGN>                  162      74       74       176      194.162  128.67   ###
481     <POUND SIGN>                 163      177      177      177      194.163  128.68
482     <CURRENCY SIGN>              164      159      159      159      194.164  128.69
483     <YEN SIGN>                   165      178      178      178      194.165  128.70
484     <BROKEN BAR>                 166      106      106      208      194.166  128.71   ###
485     <SECTION SIGN>               167      181      181      181      194.167  128.72
486     <DIAERESIS>                  168      189      187      121      194.168  128.73   *** ###
487     <COPYRIGHT SIGN>             169      180      180      180      194.169  128.74
488     <FEMININE ORDINAL INDICATOR> 170      154      154      154      194.170  128.81
489     <LEFT POINTING GUILLEMET>    171      138      138      138      194.171  128.82
490     <NOT SIGN>                   172      95       176      186      194.172  128.83   *** ###
491     <SOFT HYPHEN>                173      202      202      202      194.173  128.84
492     <REGISTERED TRADE MARK SIGN> 174      175      175      175      194.174  128.85
493     <MACRON>                     175      188      188      161      194.175  128.86   ###
494     <DEGREE SIGN>                176      144      144      144      194.176  128.87
495     <PLUS-OR-MINUS SIGN>         177      143      143      143      194.177  128.88
496     <SUPERSCRIPT TWO>            178      234      234      234      194.178  128.89
497     <SUPERSCRIPT THREE>          179      250      250      250      194.179  128.98
498     <ACUTE ACCENT>               180      190      190      190      194.180  128.99
499     <MICRO SIGN>                 181      160      160      160      194.181  128.100
500     <PARAGRAPH SIGN>             182      182      182      182      194.182  128.101
501     <MIDDLE DOT>                 183      179      179      179      194.183  128.102
502     <CEDILLA>                    184      157      157      157      194.184  128.103
503     <SUPERSCRIPT ONE>            185      218      218      218      194.185  128.104
504     <MASC. ORDINAL INDICATOR>    186      155      155      155      194.186  128.105
505     <RIGHT POINTING GUILLEMET>   187      139      139      139      194.187  128.106
506     <FRACTION ONE QUARTER>       188      183      183      183      194.188  128.112
507     <FRACTION ONE HALF>          189      184      184      184      194.189  128.113
508     <FRACTION THREE QUARTERS>    190      185      185      185      194.190  128.114
509     <INVERTED QUESTION MARK>     191      171      171      171      194.191  128.115
510     <A WITH GRAVE>               192      100      100      100      195.128  138.65
511     <A WITH ACUTE>               193      101      101      101      195.129  138.66
512     <A WITH CIRCUMFLEX>          194      98       98       98       195.130  138.67
513     <A WITH TILDE>               195      102      102      102      195.131  138.68
514     <A WITH DIAERESIS>           196      99       99       99       195.132  138.69
515     <A WITH RING ABOVE>          197      103      103      103      195.133  138.70
516     <CAPITAL LIGATURE AE>        198      158      158      158      195.134  138.71
517     <C WITH CEDILLA>             199      104      104      104      195.135  138.72
518     <E WITH GRAVE>               200      116      116      116      195.136  138.73
519     <E WITH ACUTE>               201      113      113      113      195.137  138.74
520     <E WITH CIRCUMFLEX>          202      114      114      114      195.138  138.81
521     <E WITH DIAERESIS>           203      115      115      115      195.139  138.82
522     <I WITH GRAVE>               204      120      120      120      195.140  138.83
523     <I WITH ACUTE>               205      117      117      117      195.141  138.84
524     <I WITH CIRCUMFLEX>          206      118      118      118      195.142  138.85
525     <I WITH DIAERESIS>           207      119      119      119      195.143  138.86
526     <CAPITAL LETTER ETH>         208      172      172      172      195.144  138.87
527     <N WITH TILDE>               209      105      105      105      195.145  138.88
528     <O WITH GRAVE>               210      237      237      237      195.146  138.89
529     <O WITH ACUTE>               211      238      238      238      195.147  138.98
530     <O WITH CIRCUMFLEX>          212      235      235      235      195.148  138.99
531     <O WITH TILDE>               213      239      239      239      195.149  138.100
532     <O WITH DIAERESIS>           214      236      236      236      195.150  138.101
533     <MULTIPLICATION SIGN>        215      191      191      191      195.151  138.102
534     <O WITH STROKE>              216      128      128      128      195.152  138.103
535     <U WITH GRAVE>               217      253      253      224      195.153  138.104  ###
536     <U WITH ACUTE>               218      254      254      254      195.154  138.105
537     <U WITH CIRCUMFLEX>          219      251      251      221      195.155  138.106  ###
538     <U WITH DIAERESIS>           220      252      252      252      195.156  138.112
539     <Y WITH ACUTE>               221      173      186      173      195.157  138.113  *** ###
540     <CAPITAL LETTER THORN>       222      174      174      174      195.158  138.114
541     <SMALL LETTER SHARP S>       223      89       89       89       195.159  138.115
542     <a WITH GRAVE>               224      68       68       68       195.160  139.65
543     <a WITH ACUTE>               225      69       69       69       195.161  139.66
544     <a WITH CIRCUMFLEX>          226      66       66       66       195.162  139.67
545     <a WITH TILDE>               227      70       70       70       195.163  139.68
546     <a WITH DIAERESIS>           228      67       67       67       195.164  139.69
547     <a WITH RING ABOVE>          229      71       71       71       195.165  139.70
548     <SMALL LIGATURE ae>          230      156      156      156      195.166  139.71
549     <c WITH CEDILLA>             231      72       72       72       195.167  139.72
550     <e WITH GRAVE>               232      84       84       84       195.168  139.73
551     <e WITH ACUTE>               233      81       81       81       195.169  139.74
552     <e WITH CIRCUMFLEX>          234      82       82       82       195.170  139.81
553     <e WITH DIAERESIS>           235      83       83       83       195.171  139.82
554     <i WITH GRAVE>               236      88       88       88       195.172  139.83
555     <i WITH ACUTE>               237      85       85       85       195.173  139.84
556     <i WITH CIRCUMFLEX>          238      86       86       86       195.174  139.85
557     <i WITH DIAERESIS>           239      87       87       87       195.175  139.86
558     <SMALL LETTER eth>           240      140      140      140      195.176  139.87
559     <n WITH TILDE>               241      73       73       73       195.177  139.88
560     <o WITH GRAVE>               242      205      205      205      195.178  139.89
561     <o WITH ACUTE>               243      206      206      206      195.179  139.98
562     <o WITH CIRCUMFLEX>          244      203      203      203      195.180  139.99
563     <o WITH TILDE>               245      207      207      207      195.181  139.100
564     <o WITH DIAERESIS>           246      204      204      204      195.182  139.101
565     <DIVISION SIGN>              247      225      225      225      195.183  139.102
566     <o WITH STROKE>              248      112      112      112      195.184  139.103
567     <u WITH GRAVE>               249      221      221      192      195.185  139.104  ###
568     <u WITH ACUTE>               250      222      222      222      195.186  139.105
569     <u WITH CIRCUMFLEX>          251      219      219      219      195.187  139.106
570     <u WITH DIAERESIS>           252      220      220      220      195.188  139.112
571     <y WITH ACUTE>               253      141      141      141      195.189  139.113
572     <SMALL LETTER thorn>         254      142      142      142      195.190  139.114
573     <y WITH DIAERESIS>           255      223      223      223      195.191  139.115
574
575 If you would rather see the above table in CCSID 0037 order rather than
576 ASCII + Latin-1 order then run the table through:
577
578 =over 4
579
580 =item recipe 4
581
582 =back
583
584     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}/)'\
585      -e '{push(@l,$_)}' \
586      -e 'END{print map{$_->[0]}' \
587      -e '          sort{$a->[1] <=> $b->[1]}' \
588      -e '          map{[$_,substr($_,42,3)]}@l;}' perlebcdic.pod
589
590 If you would rather see it in CCSID 1047 order then change the digit
591 42 in the last line to 51, like this:
592
593 =over 4
594
595 =item recipe 5
596
597 =back
598
599     perl -ne 'if(/.{33}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}/)'\
600      -e '{push(@l,$_)}' \
601      -e 'END{print map{$_->[0]}' \
602      -e '          sort{$a->[1] <=> $b->[1]}' \
603      -e '          map{[$_,substr($_,51,3)]}@l;}' perlebcdic.pod
604
605 If you would rather see it in POSIX-BC order then change the digit
606 51 in the last line to 60, like this:
607
608 =over 4
609
610 =item recipe 6
611
612 =back
613
614     perl -ne 'if(/.{33}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}\s{6,8}\d{1,3}/)'\
615      -e '{push(@l,$_)}' \
616      -e 'END{print map{$_->[0]}' \
617      -e '          sort{$a->[1] <=> $b->[1]}' \
618      -e '          map{[$_,substr($_,60,3)]}@l;}' perlebcdic.pod
619
620
621 =head1 IDENTIFYING CHARACTER CODE SETS
622
623 To determine the character set you are running under from perl one 
624 could use the return value of ord() or chr() to test one or more 
625 character values.  For example:
626
627     $is_ascii  = "A" eq chr(65);
628     $is_ebcdic = "A" eq chr(193);
629
630 Also, "\t" is a C<HORIZONTAL TABULATION> character so that:
631
632     $is_ascii  = ord("\t") == 9;
633     $is_ebcdic = ord("\t") == 5;
634
635 To distinguish EBCDIC code pages try looking at one or more of
636 the characters that differ between them.  For example:
637
638     $is_ebcdic_37   = "\n" eq chr(37);
639     $is_ebcdic_1047 = "\n" eq chr(21);
640
641 Or better still choose a character that is uniquely encoded in any
642 of the code sets, e.g.:
643
644     $is_ascii           = ord('[') == 91;
645     $is_ebcdic_37       = ord('[') == 186;
646     $is_ebcdic_1047     = ord('[') == 173;
647     $is_ebcdic_POSIX_BC = ord('[') == 187;
648
649 However, it would be unwise to write tests such as:
650
651     $is_ascii = "\r" ne chr(13);  #  WRONG
652     $is_ascii = "\n" ne chr(10);  #  ILL ADVISED
653
654 Obviously the first of these will fail to distinguish most ASCII platforms
655 from either a CCSID 0037, a 1047, or a POSIX-BC EBCDIC platform since "\r" eq 
656 chr(13) under all of those coded character sets.  But note too that 
657 because "\n" is chr(13) and "\r" is chr(10) on the MacIntosh (which is an 
658 ASCII platform) the second C<$is_ascii> test will lead to trouble there.
659
660 To determine whether or not perl was built under an EBCDIC 
661 code page you can use the Config module like so:
662
663     use Config;
664     $is_ebcdic = $Config{'ebcdic'} eq 'define';
665
666 =head1 CONVERSIONS
667
668 =head2 tr///
669
670 In order to convert a string of characters from one character set to 
671 another a simple list of numbers, such as in the right columns in the
672 above table, along with perl's tr/// operator is all that is needed.  
673 The data in the table are in ASCII order hence the EBCDIC columns 
674 provide easy to use ASCII to EBCDIC operations that are also easily 
675 reversed.
676
677 For example, to convert ASCII to code page 037 take the output of the second 
678 column from the output of recipe 0 (modified to add \\ characters) and use 
679 it in tr/// like so:
680
681     $cp_037 = 
682     '\000\001\002\003\234\011\206\177\227\215\216\013\014\015\016\017' .
683     '\020\021\022\023\235\205\010\207\030\031\222\217\034\035\036\037' .
684     '\200\201\202\203\204\012\027\033\210\211\212\213\214\005\006\007' .
685     '\220\221\026\223\224\225\226\004\230\231\232\233\024\025\236\032' .
686     '\040\240\342\344\340\341\343\345\347\361\242\056\074\050\053\174' .
687     '\046\351\352\353\350\355\356\357\354\337\041\044\052\051\073\254' .
688     '\055\057\302\304\300\301\303\305\307\321\246\054\045\137\076\077' .
689     '\370\311\312\313\310\315\316\317\314\140\072\043\100\047\075\042' .
690     '\330\141\142\143\144\145\146\147\150\151\253\273\360\375\376\261' .
691     '\260\152\153\154\155\156\157\160\161\162\252\272\346\270\306\244' .
692     '\265\176\163\164\165\166\167\170\171\172\241\277\320\335\336\256' .
693     '\136\243\245\267\251\247\266\274\275\276\133\135\257\250\264\327' .
694     '\173\101\102\103\104\105\106\107\110\111\255\364\366\362\363\365' .
695     '\175\112\113\114\115\116\117\120\121\122\271\373\374\371\372\377' .
696     '\134\367\123\124\125\126\127\130\131\132\262\324\326\322\323\325' .
697     '\060\061\062\063\064\065\066\067\070\071\263\333\334\331\332\237' ;
698
699     my $ebcdic_string = $ascii_string;
700     eval '$ebcdic_string =~ tr/' . $cp_037 . '/\000-\377/';
701
702 To convert from EBCDIC 037 to ASCII just reverse the order of the tr/// 
703 arguments like so:
704
705     my $ascii_string = $ebcdic_string;
706     eval '$ascii_string =~ tr/\000-\377/' . $cp_037 . '/';
707
708 Similarly one could take the output of the third column from recipe 0 to
709 obtain a C<$cp_1047> table.  The fourth column of the output from recipe
710 0 could provide a C<$cp_posix_bc> table suitable for transcoding as well.
711
712 =head2 iconv
713
714 XPG operability often implies the presence of an I<iconv> utility
715 available from the shell or from the C library.  Consult your system's
716 documentation for information on iconv.
717
718 On OS/390 or z/OS see the iconv(1) manpage.  One way to invoke the iconv 
719 shell utility from within perl would be to:
720
721     # OS/390 or z/OS example
722     $ascii_data = `echo '$ebcdic_data'| iconv -f IBM-1047 -t ISO8859-1`
723
724 or the inverse map:
725
726     # OS/390 or z/OS example
727     $ebcdic_data = `echo '$ascii_data'| iconv -f ISO8859-1 -t IBM-1047`
728
729 For other perl based conversion options see the Convert::* modules on CPAN.
730
731 =head2 C RTL
732
733 The OS/390 and z/OS C run time libraries provide _atoe() and _etoa() functions.
734
735 =head1 OPERATOR DIFFERENCES
736
737 The C<..> range operator treats certain character ranges with 
738 care on EBCDIC platforms.  For example the following array
739 will have twenty six elements on either an EBCDIC platform
740 or an ASCII platform:
741
742     @alphabet = ('A'..'Z');   #  $#alphabet == 25
743
744 The bitwise operators such as & ^ | may return different results
745 when operating on string or character data in a perl program running 
746 on an EBCDIC platform than when run on an ASCII platform.  Here is
747 an example adapted from the one in L<perlop>:
748
749     # EBCDIC-based examples
750     print "j p \n" ^ " a h";                      # prints "JAPH\n"
751     print "JA" | "  ph\n";                        # prints "japh\n" 
752     print "JAPH\nJunk" & "\277\277\277\277\277";  # prints "japh\n";
753     print 'p N$' ^ " E<H\n";                      # prints "Perl\n";
754
755 An interesting property of the 32 C0 control characters
756 in the ASCII table is that they can "literally" be constructed
757 as control characters in perl, e.g. C<(chr(0) eq "\c@")> 
758 C<(chr(1) eq "\cA")>, and so on.  Perl on EBCDIC platforms has been 
759 ported to take "\c@" to chr(0) and "\cA" to chr(1) as well, but the
760 thirty three characters that result depend on which code page you are
761 using.  The table below uses the character names from the previous table 
762 but with substitutions such as s/START OF/S.O./; s/END OF /E.O./; 
763 s/TRANSMISSION/TRANS./; s/TABULATION/TAB./; s/VERTICAL/VERT./; 
764 s/HORIZONTAL/HORIZ./; s/DEVICE CONTROL/D.C./; s/SEPARATOR/SEP./; 
765 s/NEGATIVE ACKNOWLEDGE/NEG. ACK./;.  The POSIX-BC and 1047 sets are
766 identical throughout this range and differ from the 0037 set at only 
767 one spot (21 decimal).  Note that the C<LINE FEED> character
768 may be generated by "\cJ" on ASCII platforms but by "\cU" on 1047 or POSIX-BC 
769 platforms and cannot be generated as a C<"\c.letter."> control character on 
770 0037 platforms.  Note also that "\c\\" maps to two characters
771 not one.
772
773     chr   ord  8859-1               0037                1047 && POSIX-BC     
774     ------------------------------------------------------------------------
775     "\c?" 127  <DELETE>             "                   "              ***><
776     "\c@"   0  <NULL>               <NULL>              <NULL>         ***><
777     "\cA"   1  <S.O. HEADING>       <S.O. HEADING>      <S.O. HEADING> 
778     "\cB"   2  <S.O. TEXT>          <S.O. TEXT>         <S.O. TEXT>
779     "\cC"   3  <E.O. TEXT>          <E.O. TEXT>         <E.O. TEXT>
780     "\cD"   4  <E.O. TRANS.>        <C1 28>             <C1 28> 
781     "\cE"   5  <ENQUIRY>            <HORIZ. TAB.>       <HORIZ. TAB.>    
782     "\cF"   6  <ACKNOWLEDGE>        <C1 6>              <C1 6>   
783     "\cG"   7  <BELL>               <DELETE>            <DELETE>   
784     "\cH"   8  <BACKSPACE>          <C1 23>             <C1 23>
785     "\cI"   9  <HORIZ. TAB.>        <C1 13>             <C1 13>
786     "\cJ"  10  <LINE FEED>          <C1 14>             <C1 14>
787     "\cK"  11  <VERT. TAB.>         <VERT. TAB.>        <VERT. TAB.>
788     "\cL"  12  <FORM FEED>          <FORM FEED>         <FORM FEED>    
789     "\cM"  13  <CARRIAGE RETURN>    <CARRIAGE RETURN>   <CARRIAGE RETURN> 
790     "\cN"  14  <SHIFT OUT>          <SHIFT OUT>         <SHIFT OUT>
791     "\cO"  15  <SHIFT IN>           <SHIFT IN>          <SHIFT IN>
792     "\cP"  16  <DATA LINK ESCAPE>   <DATA LINK ESCAPE>  <DATA LINK ESCAPE> 
793     "\cQ"  17  <D.C. ONE>           <D.C. ONE>          <D.C. ONE>
794     "\cR"  18  <D.C. TWO>           <D.C. TWO>          <D.C. TWO>
795     "\cS"  19  <D.C. THREE>         <D.C. THREE>        <D.C. THREE> 
796     "\cT"  20  <D.C. FOUR>          <C1 29>             <C1 29> 
797     "\cU"  21  <NEG. ACK.>          <C1 5>              <LINE FEED>    ***
798     "\cV"  22  <SYNCHRONOUS IDLE>   <BACKSPACE>         <BACKSPACE>
799     "\cW"  23  <E.O. TRANS. BLOCK>  <C1 7>              <C1 7>
800     "\cX"  24  <CANCEL>             <CANCEL>            <CANCEL>
801     "\cY"  25  <E.O. MEDIUM>        <E.O. MEDIUM>       <E.O. MEDIUM>
802     "\cZ"  26  <SUBSTITUTE>         <C1 18>             <C1 18>
803     "\c["  27  <ESCAPE>             <C1 15>             <C1 15>
804     "\c\\" 28  <FILE SEP.>\         <FILE SEP.>\        <FILE SEP.>\
805     "\c]"  29  <GROUP SEP.>         <GROUP SEP.>        <GROUP SEP.>
806     "\c^"  30  <RECORD SEP.>        <RECORD SEP.>       <RECORD SEP.>  ***><
807     "\c_"  31  <UNIT SEP.>          <UNIT SEP.>         <UNIT SEP.>    ***><
808
809
810 =head1 FUNCTION DIFFERENCES
811
812 =over 8
813
814 =item chr()
815
816 chr() must be given an EBCDIC code number argument to yield a desired 
817 character return value on an EBCDIC platform.  For example:
818
819     $CAPITAL_LETTER_A = chr(193);
820
821 =item ord()
822
823 ord() will return EBCDIC code number values on an EBCDIC platform.
824 For example:
825
826     $the_number_193 = ord("A");
827
828 =item pack()
829
830 The c and C templates for pack() are dependent upon character set 
831 encoding.  Examples of usage on EBCDIC include:
832
833     $foo = pack("CCCC",193,194,195,196);
834     # $foo eq "ABCD"
835     $foo = pack("C4",193,194,195,196);
836     # same thing
837
838     $foo = pack("ccxxcc",193,194,195,196);
839     # $foo eq "AB\0\0CD"
840
841 =item print()
842
843 One must be careful with scalars and strings that are passed to
844 print that contain ASCII encodings.  One common place
845 for this to occur is in the output of the MIME type header for
846 CGI script writing.  For example, many perl programming guides 
847 recommend something similar to:
848
849     print "Content-type:\ttext/html\015\012\015\012"; 
850     # this may be wrong on EBCDIC
851
852 Under the IBM OS/390 USS Web Server or WebSphere on z/OS for example 
853 you should instead write that as:
854
855     print "Content-type:\ttext/html\r\n\r\n"; # OK for DGW et alia
856
857 That is because the translation from EBCDIC to ASCII is done
858 by the web server in this case (such code will not be appropriate for
859 the Macintosh however).  Consult your web server's documentation for 
860 further details.
861
862 =item printf()
863
864 The formats that can convert characters to numbers and vice versa
865 will be different from their ASCII counterparts when executed
866 on an EBCDIC platform.  Examples include:
867
868     printf("%c%c%c",193,194,195);  # prints ABC
869
870 =item sort()
871
872 EBCDIC sort results may differ from ASCII sort results especially for 
873 mixed case strings.  This is discussed in more detail below.
874
875 =item sprintf()
876
877 See the discussion of printf() above.  An example of the use
878 of sprintf would be:
879
880     $CAPITAL_LETTER_A = sprintf("%c",193);
881
882 =item unpack()
883
884 See the discussion of pack() above.
885
886 =back
887
888 =head1 REGULAR EXPRESSION DIFFERENCES
889
890 As of perl 5.005_03 the letter range regular expression such as 
891 [A-Z] and [a-z] have been especially coded to not pick up gap 
892 characters.  For example, characters such as E<ocirc> C<o WITH CIRCUMFLEX> 
893 that lie between I and J would not be matched by the 
894 regular expression range C</[H-K]/>.  This works in
895 the other direction, too, if either of the range end points is
896 explicitly numeric: C<[\x89-\x91]> will match C<\x8e>, even
897 though C<\x89> is C<i> and C<\x91 > is C<j>, and C<\x8e>
898 is a gap character from the alphabetic viewpoint.
899
900 If you do want to match the alphabet gap characters in a single octet 
901 regular expression try matching the hex or octal code such 
902 as C</\313/> on EBCDIC or C</\364/> on ASCII platforms to 
903 have your regular expression match C<o WITH CIRCUMFLEX>.
904
905 Another construct to be wary of is the inappropriate use of hex or
906 octal constants in regular expressions.  Consider the following
907 set of subs:
908
909     sub is_c0 {
910         my $char = substr(shift,0,1);
911         $char =~ /[\000-\037]/;
912     }
913
914     sub is_print_ascii {
915         my $char = substr(shift,0,1);
916         $char =~ /[\040-\176]/;
917     }
918
919     sub is_delete {
920         my $char = substr(shift,0,1);
921         $char eq "\177";
922     }
923
924     sub is_c1 {
925         my $char = substr(shift,0,1);
926         $char =~ /[\200-\237]/;
927     }
928
929     sub is_latin_1 {
930         my $char = substr(shift,0,1);
931         $char =~ /[\240-\377]/;
932     }
933
934 The above would be adequate if the concern was only with numeric code points.
935 However, the concern may be with characters rather than code points 
936 and on an EBCDIC platform it may be desirable for constructs such as 
937 C<if (is_print_ascii("A")) {print "A is a printable character\n";}> to print
938 out the expected message.  One way to represent the above collection
939 of character classification subs that is capable of working across the
940 four coded character sets discussed in this document is as follows:
941
942     sub Is_c0 {
943         my $char = substr(shift,0,1);
944         if (ord('^')==94)  { # ascii
945             return $char =~ /[\000-\037]/;
946         } 
947         if (ord('^')==176) { # 37
948             return $char =~ /[\000-\003\067\055-\057\026\005\045\013-\023\074\075\062\046\030\031\077\047\034-\037]/;
949         }
950         if (ord('^')==95 || ord('^')==106) { # 1047 || posix-bc
951             return $char =~ /[\000-\003\067\055-\057\026\005\025\013-\023\074\075\062\046\030\031\077\047\034-\037]/;
952         }
953     }
954
955     sub Is_print_ascii {
956         my $char = substr(shift,0,1);
957         $char =~ /[ !"\#\$%&'()*+,\-.\/0-9:;<=>?\@A-Z[\\\]^_`a-z{|}~]/;
958     }
959
960     sub Is_delete {
961         my $char = substr(shift,0,1);
962         if (ord('^')==94)  { # ascii
963             return $char eq "\177";
964         }
965         else  {              # ebcdic
966             return $char eq "\007";
967         }
968     }
969
970     sub Is_c1 {
971         my $char = substr(shift,0,1);
972         if (ord('^')==94)  { # ascii
973             return $char =~ /[\200-\237]/;
974         }
975         if (ord('^')==176) { # 37
976             return $char =~ /[\040-\044\025\006\027\050-\054\011\012\033\060\061\032\063-\066\010\070-\073\040\024\076\377]/;
977         }
978         if (ord('^')==95)  { # 1047
979             return $char =~ /[\040-\045\006\027\050-\054\011\012\033\060\061\032\063-\066\010\070-\073\040\024\076\377]/;
980         }
981         if (ord('^')==106) { # posix-bc
982             return $char =~ 
983               /[\040-\045\006\027\050-\054\011\012\033\060\061\032\063-\066\010\070-\073\040\024\076\137]/;
984         }
985     }
986
987     sub Is_latin_1 {
988         my $char = substr(shift,0,1);
989         if (ord('^')==94)  { # ascii
990             return $char =~ /[\240-\377]/;
991         }
992         if (ord('^')==176) { # 37
993             return $char =~ 
994               /[\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]/;
995         }
996         if (ord('^')==95)  { # 1047
997             return $char =~
998               /[\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]/; 
999         }
1000         if (ord('^')==106) { # posix-bc
1001             return $char =~ 
1002               /[\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]/;
1003         }
1004     }
1005
1006 Note however that only the C<Is_ascii_print()> sub is really independent 
1007 of coded character set.  Another way to write C<Is_latin_1()> would be 
1008 to use the characters in the range explicitly:
1009
1010     sub Is_latin_1 {
1011         my $char = substr(shift,0,1);
1012         $char =~ /[������������������������������������������������������������������������������������������������]/;
1013     }
1014
1015 Although that form may run into trouble in network transit (due to the 
1016 presence of 8 bit characters) or on non ISO-Latin character sets.
1017
1018 =head1 SOCKETS
1019
1020 Most socket programming assumes ASCII character encodings in network
1021 byte order.  Exceptions can include CGI script writing under a
1022 host web server where the server may take care of translation for you.
1023 Most host web servers convert EBCDIC data to ISO-8859-1 or Unicode on
1024 output.
1025
1026 =head1 SORTING
1027
1028 One big difference between ASCII based character sets and EBCDIC ones
1029 are the relative positions of upper and lower case letters and the
1030 letters compared to the digits.  If sorted on an ASCII based platform the
1031 two letter abbreviation for a physician comes before the two letter
1032 for drive, that is:
1033
1034     @sorted = sort(qw(Dr. dr.));  # @sorted holds ('Dr.','dr.') on ASCII,
1035                                   # but ('dr.','Dr.') on EBCDIC
1036
1037 The property of lower case before uppercase letters in EBCDIC is
1038 even carried to the Latin 1 EBCDIC pages such as 0037 and 1047.
1039 An example would be that E<Euml> C<E WITH DIAERESIS> (203) comes 
1040 before E<euml> C<e WITH DIAERESIS> (235) on an ASCII platform, but 
1041 the latter (83) comes before the former (115) on an EBCDIC platform.  
1042 (Astute readers will note that the upper case version of E<szlig> 
1043 C<SMALL LETTER SHARP S> is simply "SS" and that the upper case version of 
1044 E<yuml> C<y WITH DIAERESIS> is not in the 0..255 range but it is 
1045 at U+x0178 in Unicode, or C<"\x{178}"> in a Unicode enabled Perl).
1046
1047 The sort order will cause differences between results obtained on
1048 ASCII platforms versus EBCDIC platforms.  What follows are some suggestions
1049 on how to deal with these differences.
1050
1051 =head2 Ignore ASCII vs. EBCDIC sort differences.
1052
1053 This is the least computationally expensive strategy.  It may require
1054 some user education.
1055
1056 =head2 MONO CASE then sort data.
1057
1058 In order to minimize the expense of mono casing mixed test try to
1059 C<tr///> towards the character set case most employed within the data.
1060 If the data are primarily UPPERCASE non Latin 1 then apply tr/[a-z]/[A-Z]/
1061 then sort().  If the data are primarily lowercase non Latin 1 then
1062 apply tr/[A-Z]/[a-z]/ before sorting.  If the data are primarily UPPERCASE
1063 and include Latin-1 characters then apply:  
1064
1065     tr/[a-z]/[A-Z]/; 
1066     tr/[������������������������������]/[������������������������������]/;
1067     s/�/SS/g; 
1068
1069 then sort().  Do note however that such Latin-1 manipulation does not 
1070 address the E<yuml> C<y WITH DIAERESIS> character that will remain at 
1071 code point 255 on ASCII platforms, but 223 on most EBCDIC platforms 
1072 where it will sort to a place less than the EBCDIC numerals.  With a 
1073 Unicode enabled Perl you might try:
1074
1075     tr/^?/\x{178}/;
1076
1077 The strategy of mono casing data before sorting does not preserve the case 
1078 of the data and may not be acceptable for that reason.
1079
1080 =head2 Convert, sort data, then re convert.
1081
1082 This is the most expensive proposition that does not employ a network
1083 connection.
1084
1085 =head2 Perform sorting on one type of platform only.
1086
1087 This strategy can employ a network connection.  As such
1088 it would be computationally expensive.
1089
1090 =head1 TRANSFORMATION FORMATS
1091
1092 There are a variety of ways of transforming data with an intra character set 
1093 mapping that serve a variety of purposes.  Sorting was discussed in the 
1094 previous section and a few of the other more popular mapping techniques are 
1095 discussed next.
1096
1097 =head2 URL decoding and encoding
1098
1099 Note that some URLs have hexadecimal ASCII code points in them in an
1100 attempt to overcome character or protocol limitation issues.  For example 
1101 the tilde character is not on every keyboard hence a URL of the form:
1102
1103     http://www.pvhp.com/~pvhp/
1104
1105 may also be expressed as either of:
1106
1107     http://www.pvhp.com/%7Epvhp/
1108
1109     http://www.pvhp.com/%7epvhp/
1110
1111 where 7E is the hexadecimal ASCII code point for '~'.  Here is an example
1112 of decoding such a URL under CCSID 1047:
1113
1114     $url = 'http://www.pvhp.com/%7Epvhp/';
1115     # this array assumes code page 1047
1116     my @a2e_1047 = (
1117           0,  1,  2,  3, 55, 45, 46, 47, 22,  5, 21, 11, 12, 13, 14, 15,
1118          16, 17, 18, 19, 60, 61, 50, 38, 24, 25, 63, 39, 28, 29, 30, 31,
1119          64, 90,127,123, 91,108, 80,125, 77, 93, 92, 78,107, 96, 75, 97,
1120         240,241,242,243,244,245,246,247,248,249,122, 94, 76,126,110,111,
1121         124,193,194,195,196,197,198,199,200,201,209,210,211,212,213,214,
1122         215,216,217,226,227,228,229,230,231,232,233,173,224,189, 95,109,
1123         121,129,130,131,132,133,134,135,136,137,145,146,147,148,149,150,
1124         151,152,153,162,163,164,165,166,167,168,169,192, 79,208,161,  7,
1125          32, 33, 34, 35, 36, 37,  6, 23, 40, 41, 42, 43, 44,  9, 10, 27,
1126          48, 49, 26, 51, 52, 53, 54,  8, 56, 57, 58, 59,  4, 20, 62,255,
1127          65,170, 74,177,159,178,106,181,187,180,154,138,176,202,175,188,
1128         144,143,234,250,190,160,182,179,157,218,155,139,183,184,185,171,
1129         100,101, 98,102, 99,103,158,104,116,113,114,115,120,117,118,119,
1130         172,105,237,238,235,239,236,191,128,253,254,251,252,186,174, 89,
1131          68, 69, 66, 70, 67, 71,156, 72, 84, 81, 82, 83, 88, 85, 86, 87,
1132         140, 73,205,206,203,207,204,225,112,221,222,219,220,141,142,223
1133     );
1134     $url =~ s/%([0-9a-fA-F]{2})/pack("c",$a2e_1047[hex($1)])/ge;
1135
1136 Conversely, here is a partial solution for the task of encoding such 
1137 a URL under the 1047 code page:
1138
1139     $url = 'http://www.pvhp.com/~pvhp/';
1140     # this array assumes code page 1047
1141     my @e2a_1047 = (
1142           0,  1,  2,  3,156,  9,134,127,151,141,142, 11, 12, 13, 14, 15,
1143          16, 17, 18, 19,157, 10,  8,135, 24, 25,146,143, 28, 29, 30, 31,
1144         128,129,130,131,132,133, 23, 27,136,137,138,139,140,  5,  6,  7,
1145         144,145, 22,147,148,149,150,  4,152,153,154,155, 20, 21,158, 26,
1146          32,160,226,228,224,225,227,229,231,241,162, 46, 60, 40, 43,124,
1147          38,233,234,235,232,237,238,239,236,223, 33, 36, 42, 41, 59, 94,
1148          45, 47,194,196,192,193,195,197,199,209,166, 44, 37, 95, 62, 63,
1149         248,201,202,203,200,205,206,207,204, 96, 58, 35, 64, 39, 61, 34,
1150         216, 97, 98, 99,100,101,102,103,104,105,171,187,240,253,254,177,
1151         176,106,107,108,109,110,111,112,113,114,170,186,230,184,198,164,
1152         181,126,115,116,117,118,119,120,121,122,161,191,208, 91,222,174,
1153         172,163,165,183,169,167,182,188,189,190,221,168,175, 93,180,215,
1154         123, 65, 66, 67, 68, 69, 70, 71, 72, 73,173,244,246,242,243,245,
1155         125, 74, 75, 76, 77, 78, 79, 80, 81, 82,185,251,252,249,250,255,
1156          92,247, 83, 84, 85, 86, 87, 88, 89, 90,178,212,214,210,211,213,
1157          48, 49, 50, 51, 52, 53, 54, 55, 56, 57,179,219,220,217,218,159
1158     );
1159     # The following regular expression does not address the 
1160     # mappings for: ('.' => '%2E', '/' => '%2F', ':' => '%3A') 
1161     $url =~ s/([\t "#%&\(\),;<=>\?\@\[\\\]^`{|}~])/sprintf("%%%02X",$e2a_1047[ord($1)])/ge;
1162
1163 where a more complete solution would split the URL into components 
1164 and apply a full s/// substitution only to the appropriate parts.
1165
1166 In the remaining examples a @e2a or @a2e array may be employed
1167 but the assignment will not be shown explicitly.  For code page 1047
1168 you could use the @a2e_1047 or @e2a_1047 arrays just shown.
1169
1170 =head2 uu encoding and decoding
1171
1172 The C<u> template to pack() or unpack() will render EBCDIC data in EBCDIC 
1173 characters equivalent to their ASCII counterparts.  For example, the 
1174 following will print "Yes indeed\n" on either an ASCII or EBCDIC computer:
1175
1176     $all_byte_chrs = '';
1177     for (0..255) { $all_byte_chrs .= chr($_); }
1178     $uuencode_byte_chrs = pack('u', $all_byte_chrs);
1179     ($uu = <<'ENDOFHEREDOC') =~ s/^\s*//gm;
1180     M``$"`P0%!@<("0H+#`T.#Q`1$A,4%187&!D:&QP='A\@(2(C)"4F)R@I*BLL
1181     M+2XO,#$R,S0U-C<X.3H[/#T^/T!!0D-$149'2$E*2TQ-3D]045)35%565UA9
1182     M6EM<75Y?8&%B8V1E9F=H:6IK;&UN;W!Q<G-T=79W>'EZ>WQ]?G^`@8*#A(6&
1183     MAXB)BHN,C8Z/D)&2DY25EI>8F9J;G)V>GZ"AHJ.DI::GJ*FJJZRMKJ^PL;*S
1184     MM+6VM[BYNKN\O;Z_P,'"P\3%QL?(R<K+S,W.S]#1TM/4U=;7V-G:V]S=WM_@
1185     ?X>+CY.7FY^CIZNOL[>[O\/'R\_3U]O?X^?K[_/W^_P``
1186     ENDOFHEREDOC
1187     if ($uuencode_byte_chrs eq $uu) {
1188         print "Yes ";
1189     }
1190     $uudecode_byte_chrs = unpack('u', $uuencode_byte_chrs);
1191     if ($uudecode_byte_chrs eq $all_byte_chrs) {
1192         print "indeed\n";
1193     }
1194
1195 Here is a very spartan uudecoder that will work on EBCDIC provided
1196 that the @e2a array is filled in appropriately:
1197
1198     #!/usr/local/bin/perl
1199     @e2a = ( # this must be filled in
1200            );
1201     $_ = <> until ($mode,$file) = /^begin\s*(\d*)\s*(\S*)/;
1202     open(OUT, "> $file") if $file ne "";
1203     while(<>) {
1204         last if /^end/;
1205         next if /[a-z]/;
1206         next unless int(((($e2a[ord()] - 32 ) & 077) + 2) / 3) ==
1207             int(length() / 4);
1208         print OUT unpack("u", $_);
1209     }
1210     close(OUT);
1211     chmod oct($mode), $file;
1212
1213
1214 =head2 Quoted-Printable encoding and decoding
1215
1216 On ASCII encoded platforms it is possible to strip characters outside of
1217 the printable set using:
1218
1219     # This QP encoder works on ASCII only
1220     $qp_string =~ s/([=\x00-\x1F\x80-\xFF])/sprintf("=%02X",ord($1))/ge;
1221
1222 Whereas a QP encoder that works on both ASCII and EBCDIC platforms 
1223 would look somewhat like the following (where the EBCDIC branch @e2a 
1224 array is omitted for brevity):
1225
1226     if (ord('A') == 65) {    # ASCII
1227         $delete = "\x7F";    # ASCII
1228         @e2a = (0 .. 255)    # ASCII to ASCII identity map
1229     }
1230     else {                   # EBCDIC
1231         $delete = "\x07";    # EBCDIC
1232         @e2a =               # EBCDIC to ASCII map (as shown above)
1233     }
1234     $qp_string =~
1235       s/([^ !"\#\$%&'()*+,\-.\/0-9:;<>?\@A-Z[\\\]^_`a-z{|}~$delete])/sprintf("=%02X",$e2a[ord($1)])/ge;
1236
1237 (although in production code the substitutions might be done
1238 in the EBCDIC branch with the @e2a array and separately in the 
1239 ASCII branch without the expense of the identity map).
1240
1241 Such QP strings can be decoded with:
1242
1243     # This QP decoder is limited to ASCII only
1244     $string =~ s/=([0-9A-Fa-f][0-9A-Fa-f])/chr hex $1/ge;
1245     $string =~ s/=[\n\r]+$//;
1246
1247 Whereas a QP decoder that works on both ASCII and EBCDIC platforms 
1248 would look somewhat like the following (where the @a2e array is
1249 omitted for brevity):
1250
1251     $string =~ s/=([0-9A-Fa-f][0-9A-Fa-f])/chr $a2e[hex $1]/ge;
1252     $string =~ s/=[\n\r]+$//;
1253
1254 =head2 Caesarian ciphers
1255
1256 The practice of shifting an alphabet one or more characters for encipherment
1257 dates back thousands of years and was explicitly detailed by Gaius Julius
1258 Caesar in his B<Gallic Wars> text.  A single alphabet shift is sometimes 
1259 referred to as a rotation and the shift amount is given as a number $n after
1260 the string 'rot' or "rot$n".  Rot0 and rot26 would designate identity maps 
1261 on the 26 letter English version of the Latin alphabet.  Rot13 has the 
1262 interesting property that alternate subsequent invocations are identity maps 
1263 (thus rot13 is its own non-trivial inverse in the group of 26 alphabet 
1264 rotations).  Hence the following is a rot13 encoder and decoder that will 
1265 work on ASCII and EBCDIC platforms:
1266
1267     #!/usr/local/bin/perl
1268
1269     while(<>){
1270         tr/n-za-mN-ZA-M/a-zA-Z/;
1271         print;
1272     }
1273
1274 In one-liner form:
1275
1276     perl -ne 'tr/n-za-mN-ZA-M/a-zA-Z/;print'
1277
1278
1279 =head1 Hashing order and checksums
1280
1281 To the extent that it is possible to write code that depends on 
1282 hashing order there may be differences between hashes as stored
1283 on an ASCII based platform and hashes stored on an EBCDIC based platform.
1284 XXX
1285
1286 =head1 I18N AND L10N
1287
1288 Internationalization(I18N) and localization(L10N) are supported at least 
1289 in principle even on EBCDIC platforms.  The details are system dependent 
1290 and discussed under the L<perlebcdic/OS ISSUES> section below.
1291
1292 =head1 MULTI OCTET CHARACTER SETS
1293
1294 Perl may work with an internal UTF-EBCDIC encoding form for wide characters 
1295 on EBCDIC platforms in a manner analogous to the way that it works with 
1296 the UTF-8 internal encoding form on ASCII based platforms.
1297
1298 Legacy multi byte EBCDIC code pages XXX.
1299
1300 =head1 OS ISSUES
1301
1302 There may be a few system dependent issues 
1303 of concern to EBCDIC Perl programmers.
1304
1305 =head2 OS/400
1306
1307 =over 8
1308
1309 =item PASE
1310
1311 The PASE environment is runtime environment for OS/400 that can run
1312 executables built for PowerPC AIX in OS/400, see L<perlos400>.  PASE
1313 is ASCII-based, not EBCDIC-based as the ILE.
1314
1315 =item IFS access
1316
1317 XXX.
1318
1319 =back
1320
1321 =head2 OS/390, z/OS
1322
1323 Perl runs under Unix Systems Services or USS.
1324
1325 =over 8
1326
1327 =item chcp
1328
1329 B<chcp> is supported as a shell utility for displaying and changing 
1330 one's code page.  See also L<chcp>.
1331
1332 =item dataset access
1333
1334 For sequential data set access try:
1335
1336     my @ds_records = `cat //DSNAME`;
1337
1338 or:
1339
1340     my @ds_records = `cat //'HLQ.DSNAME'`;
1341
1342 See also the OS390::Stdio module on CPAN.
1343
1344 =item OS/390, z/OS iconv
1345
1346 B<iconv> is supported as both a shell utility and a C RTL routine.
1347 See also the iconv(1) and iconv(3) manual pages.
1348
1349 =item locales
1350
1351 On OS/390 or z/OS see L<locale> for information on locales.  The L10N files
1352 are in F</usr/nls/locale>.  $Config{d_setlocale} is 'define' on OS/390
1353 or z/OS.
1354
1355 =back
1356
1357 =head2 VM/ESA?
1358
1359 XXX.
1360
1361 =head2 POSIX-BC?
1362
1363 XXX.
1364
1365 =head1 BUGS
1366
1367 This pod document contains literal Latin 1 characters and may encounter 
1368 translation difficulties.  In particular one popular nroff implementation 
1369 was known to strip accented characters to their unaccented counterparts 
1370 while attempting to view this document through the B<pod2man> program 
1371 (for example, you may see a plain C<y> rather than one with a diaeresis 
1372 as in E<yuml>).  Another nroff truncated the resultant manpage at
1373 the first occurrence of 8 bit characters.
1374
1375 Not all shells will allow multiple C<-e> string arguments to perl to
1376 be concatenated together properly as recipes 0, 2, 4, 5, and 6 might 
1377 seem to imply.
1378
1379 =head1 SEE ALSO
1380
1381 L<perllocale>, L<perlfunc>, L<perlunicode>, L<utf8>.
1382
1383 =head1 REFERENCES
1384
1385 L<http://anubis.dkuug.dk/i18n/charmaps>
1386
1387 L<http://www.unicode.org/>
1388
1389 L<http://www.unicode.org/unicode/reports/tr16/>
1390
1391 L<http://www.wps.com/projects/codes/>
1392 B<ASCII: American Standard Code for Information Infiltration> Tom Jennings,
1393 September 1999.
1394
1395 B<The Unicode Standard, Version 3.0> The Unicode Consortium, Lisa Moore ed., 
1396 ISBN 0-201-61633-5, Addison Wesley Developers Press, February 2000. 
1397
1398 B<CDRA: IBM - Character Data Representation Architecture - 
1399 Reference and Registry>, IBM SC09-2190-00, December 1996. 
1400
1401 "Demystifying Character Sets", Andrea Vine, Multilingual Computing 
1402 & Technology, B<#26 Vol. 10 Issue 4>, August/September 1999;
1403 ISSN 1523-0309; Multilingual Computing Inc. Sandpoint ID, USA.
1404
1405 B<Codes, Ciphers, and Other Cryptic and Clandestine Communication>
1406 Fred B. Wrixon, ISBN 1-57912-040-7, Black Dog & Leventhal Publishers,
1407 1998.
1408
1409 L<http://www.bobbemer.com/P-BIT.HTM>
1410 B<IBM - EBCDIC and the P-bit; The biggest Computer Goof Ever> Robert Bemer.
1411
1412 =head1 HISTORY
1413
1414 15 April 2001: added UTF-8 and UTF-EBCDIC to main table, pvhp.
1415
1416 =head1 AUTHOR
1417
1418 Peter Prymmer pvhp@best.com wrote this in 1999 and 2000 
1419 with CCSID 0819 and 0037 help from Chris Leach and 
1420 AndrE<eacute> Pirard A.Pirard@ulg.ac.be as well as POSIX-BC 
1421 help from Thomas Dorner Thomas.Dorner@start.de.
1422 Thanks also to Vickie Cooper, Philip Newton, William Raffloer, and 
1423 Joe Smith.  Trademarks, registered trademarks, service marks and 
1424 registered service marks used in this document are the property of 
1425 their respective owners.
1426
1427