文字コードの基本

1. はじめに

文字コードについて基本的なことをまとめます。

2. 概要

英数字、記号、ひらがな、漢字…等の文字は、コンピュータはそのまま理解することができないため、コンピュータが理解できる数値(16進数)に置き換えたものを文字コードという。 文字集合と符号化方式という2つの概念が存在し、これらが組み合わさってコンピュータの文字を表している。

3. 文字集合

「文字」と「文字に割り当てた番号」の対応表のこと。 Unicode、JIS(ISO-2022-JP)等がある。

4. 符号化方式

文字集合で定義されている一つ一つの文字を、どのように符号化するかという方式(エンコーディング)。 例えば、Unicodeという一つの文字集合に対して、異なる文字符号化方式(UTF-8、UTF-16)が存在する。

4-1. ASCIIコード

• 最も基礎となる文字コード。
• 「数字」「アルファベット」「記号」は1バイトで表す。

ASCIIコード表 (10進数ASCIIコード、16進数ASCIIコード、ASCII文字)

10進	16進	文字		10進	16進	文字		10進	16進	文字		10進	16進	文字
0	00	NULL		32	20	SP		64	40	@		96	60	`
1	01	SOH		33	21	!		65	41	A		97	61	a
2	02	STX		34	22	"		66	42	B		98	62	b
3	03	ETX		35	23	#		67	43	C		99	63	c
4	04	EOT		36	24	$		68	44	D		100	64	d
5	05	ENQ		37	25	%		69	45	E		101	65	e
6	06	ACK		38	26	&		70	46	F		102	66	f
7	07	BEL		39	27	'		71	47	G		103	67	g
8	08	BS		40	28	(		72	48	H		104	68	h
9	09	HT		41	29	)		73	49	I		105	69	i
10	0A	LF		42	2A	*		74	4A	J		106	6A	j
11	0B	VT		43	2B	+		75	4B	K		107	6B	k
12	0C	FF		44	2C	,		76	4C	L		108	6C	l
13	0D	CR		45	2D	-		77	4D	M		109	6D	m
14	0E	SO		46	2E	.		78	4E	N		110	6E	n
15	0F	SI		47	2F	/		79	4F	O		111	6F	o
16	10	DLE		48	30	0		80	50	P		112	70	p
17	11	DC1		49	31	1		81	51	Q		113	71	q
18	12	DC2		50	32	2		82	52	R		114	72	r
19	13	DC3		51	33	3		83	53	S		115	73	s
20	14	DC4		52	34	4		84	54	T		116	74	t
21	15	NAK		53	35	5		85	55	U		117	75	u
22	16	SYN		54	36	6		86	56	V		118	76	v
23	17	ETB		55	37	7		87	57	W		119	77	w
24	18	CAN		56	38	8		88	58	X		120	78	x
25	19	EM		57	39	9		89	59	Y		121	79	y
26	1A	SUB		58	3A	:		90	5A	Z		122	7A	z
27	1B	ESC		59	3B	;		91	5B	[		123	7B	{
28	1C	FS		60	3C	<		92	5C	|	124	7C
29	1D	GS		61	3D	=		93	5D	]		125	7D	}
30	1E	RS		62	3E	>		94	5E	^		126	7E	~
31	1F	US		63	3F	?		95	5F	_		127	7F	DEL

4-2. Shift_JIS

• ASCIIコードの文字に加え、日本語の文字を加えたもの。
• 半角カタカナは1バイトで表現し、それ以外の全角文字は、2バイトで表現する。
• Windows、Macでも採用しており、PC上のファイルで広く用いられている。

4-3. UTF-8

• ASCIIコードの文字に加え、世界中の文字を加えたもの。
• ASCIIコード以外の文字は、2～6バイトで表現され、日本語の文字は、基本的に3バイトで表現する。
• ASCIIコードとの互換性が良いため、パソコンで扱いやすく、世界中の多くのソフトウェアは、UTF-8に対応しています。

4-4. UTF-16

• ASCIIコードは使わず、基本的な世界中の文字(基本多言語)の全てを2バイトで表現し、残りのマイナーな文字を4バイトで表現した文字コード。
• 半角アルファベット、半角数字、日本語のほとんどが2バイトで表現されます。
• 多くの文字を対応しており、様々な場面で使われているが、UTF-8より対応するシフトウェアは少ない。

4-5. EUC

• Extended UNIX Codeの略。
• UNIX環境でよく使われるコード体系。
• EUCには日本語EUC、中国語EUC、韓国語EUCなどがある。

5. おわりに

他にも追加情報等ありましたら随時更新致します。