結合音節文字の編集

デーヴァナーガリー文字

　デーヴァナーガリー文字は、古代ブラフミー文字に淵源する表記体系で、部品を組みあわせて一文字を表現する結合音節文字に分類される。サンスクリット、ヒンディー語などで使われており、使用人口は日本語人口よりも多い。インドには他にパンジャブ文字、グジャラート文字、ベンガル文字、タミール文字など、主なものだけで九の表記体系があるが、いずれもブラフミー文字起源であり、デーヴァナーガリー文字に似た構造をもち、大半の字母が一対一対応している。チベット文字、タイ文字、ビルマ文字、ラオスで使われるラオ文字なども、デーヴァナーガリー文字の影響下で生まれた表記体系である。デーヴァナーガリー文字に代表されるインド系文字の使用人口は数億におよび、使用地域も広大である。

　デーヴァナーガリー文字にも母音字と子音字の区別があるが、ヨーロッパのアルファベットとことなるのは、音節文字だという点である。アルファベットは音素をあらわす音素文字なので、子音文字は子音しかあらわさないが、デーヴァナーガリー文字の子音字は子音の音節をあらわし、[a]という母音を潜在させている。

　「川」をあらわす「ナディー」は とつづるが（横棒で連結された字形のまとまりが一単語である）、 だけで「ナ」という音節をあらわす。「ディー」 は、「ダ」 と長母音の「イー」 を組みあわせている。

　長母音の「イー」は独立した文字としては と表記するが、子音字と組み合わせる際は という字形をとる。前者を母音字、後者を母音記号と呼んで区別する。

　撥音や促音は子音字を重複させることであらわすが、子音字には[a]が含まれているのだから、単に重複させただけでは二音節になり、撥音や促音にならない。[a]をふくまない子音音節をあらわすにはいくつかの表記法があるが、一番わかりやすいのはハラント という記号（修飾子）を付加する方法である。「ダ」 の場合、 と表記することで、母音をふくまない子音音節をあらわすことができる。英国植民地時代にデーヴァナーガリー文字の打てるタイプライタが作られ、官庁などに導入されたが、機械的な制約から字母数が限られていたために、半子音字はハラントの重ね打ちで表現した。

　だが、ハラントの重ね打ちはあくまで便方であり、タイプライタ以外では使われないという。子音字には「カ」 のように縦軸をもった字が多いが、その場合、右半分を取りさって のように字形を替える。これを半子音字と呼ぶ。[kka]と同じ子音を重複させて促音をあらわすには、 のように縦に重ねたり、 のように横につらねたりする（伝統的には縦方式だが、新聞などでは組版上の制約から、横方式が多い）。

　これだけでも十分複雑だが、本当にややこしいのはこれからである。半子音字と子音字の組みあわせは、さまざまなリガチャー（合字）になって、字形が替わるからだ。

　二つの字が合体して、似ても似つかない字形に変化した文字をリガチャー（合字）という。日本人にはドイツ語の「β」くらいしか思い浮ばないが、世界の表記体系にはリガチャーを多用するものがすくなくない。デーヴァナーガリー文字もその一つで、「k」 と「シャ」 で になり、「d」 と「ヤ」 で になる。

　デーヴァナーガリー文字はネパール語などでも用いられているほか、タミル文字、パンジャブ文字など、他の公用文字の転写にも使われているが、下の対応表のように、ヒンディー語とその古典語にあたるサンスクリット語ですらリガチャーが異なる。言語が特定できないと表示すらできない。

　さらに鼻音化するために付加する修飾子二種と、 のように付加されるヌクタという流音化の修飾子がある。

IS13194

　このような複雑な表記体系（インドから見れば、日本語の表記体系も複雑だろうが）を、コンピュータ化することが可能なのだろうか？

　インドでは1970年代から、電子庁（DOE: Departnet of Electronics）をはじめとして、いくつかの機関が結合音節文字のコード化にとりくんでいたが、1983年にDOEは字形ではなく、音韻を符号化の対象とするという画期的な設計思想（有限音韻システム法）を打ちだした。1991年に正式にインドの国家規格となったIS 13194は、DOEの1983年のコードを原形としている。

　IS 13194は、日本のJISローマ字カナと同じ7bitおよび8bitの文字コードだが、外部コードの層では字母を定義する一方、編集（テキスト処理）の層では、インドの各言語の共通音素をコード化した内部コードを定義し、外部コードにおける単位、テキスト処理における単位、表示処理における単位を階層化している。

デーヴァナーガリー文字の処理単位

mbでの単位
WCでの単位  テキスト処理の単位
図形での単位
音節での単位

　上表は片岡裕「国際化・多言語化の基礎と実際」（『bit』1997年3-4月号）から引かせていただいたが、最上層の「mbでの単位」は外部コードにおける単位で、コード表に定義された字母というか文字部品がならんでいる（mbはマルチ・バイトの略）。キーボードに刻印されているのもこの文字部品で、入力する際は最上層にならんだ順序で打鍵していく。

　先頭のは「カ」で、次の は「アー」という母音記号、三番目の は鼻音化する修飾子である。第二層の「WCでの単位」はテキスト処理の上での単位であって（WCはワイド・キャラクターの略）、 と は合体して、「アーン」 という鼻母音になる。つまり、ここは音韻の層である。最下段は音節での単位で、「カーン」という音節をあらわす。

　最上層四番目の は「ガ」、五番目は母音をとりさるハラントである。二層目ではこの二つが合体して、半子音字 になる（ から右半分をとりさった字形）。 は「ラ」、 は「エー」の母音記号で、合体すると になる。純粋子音の と が表示階層で合体し、 というリガチャーに替わる。音節としては[gre]である。

　最後の は「サ」で、そのまま一音節となる。

　IS 13194は九四字のコードであり、母音修飾子、母音字、子音字、母音記号、修飾子、インド数字という順で文字部品を配列しているが、これはソートを考慮した配置だそうである。また、入力を補助するための非表示操作子と、他の表記体系用の表示機構（リガチャー化する組みあわせは、表記体系によって異なる）に切り替えるための操作子が用意されている点も目を引く。インドには、デーヴァナーガリー文字をはじめとして、パンジャブ文字、グジャラート文字、ベンガル文字、タミール文字など、主なものだけで十の表記体系があるが、IS 13194ではデーヴァナーガリー文字のマッピングに対応させて、各表記体系のマッピングをおこなっている。そのため、表示階層を切り替えることで、フォント切替によって書体を変えるように、十の表記体系を一つの処理系でカバーすることができるのである。

テキスト処理単位

　なぜテキスト処理単位という階層を設ければならないのだろうか。なじみのない表記体系の話がつづいたので、少々乱暴だが、日本語に引きつけて説明しよう。

　JISローマ字カナにはカタカナ（いわゆる「半角カナ」）が収録されている。JISローマ字カナは、一見、固定長コードのように見えるかもしれないが、濁点・半濁点が独立したコードになっているので、「ダ」や「パ」と表記する場合、「ﾀ」＋「ﾞ」→「ﾀﾞ」、「ﾊ」＋「ﾟ」→「ﾊﾟ」としなければならない。つまり、IS 13194やフランスのNF Z 62-010同様、不定長コードなのである。

　表示するだけなら、「ﾀﾞ」「ﾊﾟ」でも差し支えないが、挿入・削除・上書き・検索・置換・ソートといったテキスト処理をする段になると、とたんに問題にぶつかる。

　テキスト処理上は「ﾀﾞ」ないし「ﾊﾟ」で一文字だということがコンピュータにはわからないので、「ﾀ」と「ﾞ」の間に行の折り返しがはいったり、「ﾊﾟ」の「ﾟ」だけをうっかり削除して「ﾊ」になったりしかねない。「ﾓｼ」→「ﾓｼﾓ」という置換をおこなうと、「ﾓｼﾞ」が「ﾓｼﾓﾞ」になる。ソートも困難である。

　カナ文字には濁点・半濁点しかないので、この程度ですんでいるが、文字合成を広範におこなうデーヴァナーガリー文字では目茶苦茶になるし、単位を有限にしなければ処理ができない。そこでIS 13194では、有効な字母の組合せ（音韻）を限定しているのである。

ユニコードにおける結合音節文字

　ユニコードでは、正式な国家規格となる前の1988年版IS 13194が「2304」から「3455」までに収録されている。デーヴァナーガリー文字の字母は「2304」から「2431」までに配置されており、母音修飾子、母音字、子音字、母音記号、修飾子、数字という順序は踏襲されている。しかし、非表示修飾子と他の表記体系に切り替える属性子がない代りに、ヌクタつき子音字など、あらかじめ合成された15文字が数字の前に割りこんでいたり、ヌクタの相対コード位置も動いているなど、1991年版とはかなり異同がある。

　表記体系間の対応関係はほぼ維持されており、デーヴァナーガリー文字の文字番号に128の倍数を加えることで、他の表記体系の対応字の文字番号をうることができる。独立の文字番号をあたえられた のようなヌクタつき子音字は、デーヴァナーガリー文字とパンジャブ文字でしか使われないので、他の表記体系の対応番号は空所になっている(ヌクタつき子音字は、辞書順ソートでは、つかない子音字と同様にあつかわれるから、独立の文字番号をあたえるとソートが難しくなると思われる)。

　ユニコードは文字をコード化するという設計思想で作られており、音韻をコード化するというIS 13194の設計思想とは根本的にずれがある。ユニコードはもともと内部コードとして開発された。内部コードとして使うことで、プログラムが簡単になるなどのメリットがあるといわれているが、デーヴァナーガリー系の表記体系をテキスト処理しようとすると、テキスト処理上の単位ではなく、文字部品を対象にすることになり、先に述べたような混乱にみまわれる。世界中の文字カタログを作っただけでは、文字コードとして機能しないのである。