AlphamericHTML

　HTMLソース（Unicode対応）を英数字のみからなる文字列に暗号化＆LZ77圧縮

説明

任意の文字列を英数字 [0-9A-Za-z_] のみからなる文字列（AlphamericString）に変換するスクリプトです。Unicodeで処理しているため、Shift_JISやeuc-jpなどの文字コードに依存することなく変換・復号することができます。
LZ77圧縮アルゴリズムを搭載しているので、一般的なHTMLドキュメントでは、オリジナルに対して、６～７割程のサイズに圧縮されるという特徴を持っています。
HTML形式で、１個のみのファイルとなっているため、ブラウザさえあれば、簡単に、すぐに使用することができます。
得られる AlphamericString は、意味不明な文字列に見えるので、簡易暗号化に利用できます。ほかにもスクリプトなどで、改行などの制御文字や " ' \ などの記号が含まれると困る場合や、外部ＪＳファイルで全角文字などの２バイト文字が含まれると文字化けを起こす問題などの回避にも使えます。
デコーダ付変換では、デコーダおよび script タグが付加されるので、そのままブラウザで閲覧可能な簡易暗号化ページが得られます。
もちろんフリーソフトで、アーカイブの状態であれば転載もＯＫです。

ダウンロード： http://www.vector.co.jp/soft/dl/other/java/se339562.html（Ver.040915）

実行： AlphamericHTML.html（Ver.040915）

解説

　65535種類もある Unicode の文字を英数字 [0-9A-Za-z_] のみで表そうとすると、計算上１文字につき英数字３文字が必要となり、２バイト文字では1.5倍に、１バイト文字では３倍にもサイズが膨れ上がることになります。
　これではまずいので、割り当て文字数を減らす工夫を考えますが、まず、全角半角の英数字・記号・カタカナや平仮名などを優先して少ない文字数で割り当てるようにしました。さらに、Unicode 番号の近い文字同士をグループ化することにより、割り当て文字数を減らすこともしました。これらの処理により、１バイト文字と２バイト文字が混在した一般的なHTMLドキュメントで1.2倍ほどの増加に抑えることができました。
　次に、今度は積極的に圧縮することを考え、これには、多くのアーカイバで採用されているLZ77アルゴリズムを使用しました。これにより、上記の1.2倍ほどの増加を加えても、トータルで６～７割ほどのサイズに圧縮することができました。
　当初、これをスクリプトで行うには速度の面で難がありましたが、このアルゴリズムの要である最長一致検索に、ビルトインメソッドの .lastIndexOf() を使うことで、スクリプトにしては高速なエンコードが実現しました。デコードは原理上非常に高速であり、スクリプトであっても瞬時に行われます。

参考サイト

ヌルコムアーカイブス・デジタル制作室