文字コードに対するいくつかの注意

Asciiコードは 7bit

上の表からわかるように, Ascii コードは 7bitです. しかし今のコンピュータは データを Byte単位で処理しますので, 最上位のビットを 0 としてそこに 埋め込まれます.

文字コードは何種類もある

上でも言いましたが, 数字と文字の対応表は他にもあります. Ascii以外で代表的なのが 大型汎用計算機(Main Frame, 銀行のオンラインシステムなどで使われている) で使われている EBCDICと呼ばれる文字コードです.

日本語の扱い

日本語, 中国語, ハングルなどの文字数の多い言語では, 文字コードは より複雑になります. 日本語の文字コードの代表的な規格は, JIS コード 2種類と, EBCDIC の 3つです.

インターネットでは

通信に於けるデータ交換では, お互いの合意があればどのようなデータ交換 も可能です. しかし, 通信をする前の文字コードの定義をいちいち決めていたのでは 大変です. そこで, インターネット通信で標準的に用いられる文字コードが 決められています. 他の言語を一緒に送っても問題の出ない文字コードは, 日本語については 昔のJISコードから派生した iso-2022-jpという規格と Unicode から派生した iso-10646という規格です.

過去のしがらみ

以前, JIS X 0201 1976という 8bitの文字コードが定義されました. これは, 最初の 7ビットの部分を Asciiコードの 2カ所に変更を加え, 残った部分にカタカナを定義しました. この規格は日本のパソコンで多く 用いられてきました. これは 2000年に新しい JIS規格に吸収されましたが, その規格にソフトウェアが対応していないことが数多くあります. この規格で定義されているカナ文字が, 半角カナ文字と呼ばれる物です. 上にも述べたように, きちんとした規格通りに動作しないソフトウェアが 沢山あるので, これで定義されている半角カナ文字を 使った文書を他人に送ったり渡したりしてはいけません. 迷惑行為です.

半角/全角

元々は印刷業界用語で, 文字幅の意味です. そもそもの文字コード には文字幅は定義されていません. 数と文字の対応だけが定義されています. 多くの環境で, 1byte 文字が 2byte の半分の幅で表示されたため半角文字という 俗称が生まれました. 2000年にはこの俗称を追認する形で JIS X 201 1976 に half-width という名称がつきましたが, 今では意味がありませんし, 大学ですので この授業では 1byte 文字と言う事にします.

他の言語では

Ascii コードが合衆国でしか通用しないのは明らかです. ヨーロッパ圏 用の規格として多くで用いられているのは, ISO-8859-1〜 ISO-8859-16 と決められている物です.

この講義では

この講義では, MS-Kanji とか Shift-JIS と呼ばれる日本語の文字コードを使います. これはマイクロソフトウェア・アソシエイツと三菱電機 が定めた日本語の文字コードを少し変形したものです. 今でこそ, 過去との 互換性のために国際的に登録された文字コードとなっていますが, 元となった JIS 規格の規格違反をしている, 多数の 方言がある, 英語以外の言語との共存ができない等問題点の多い文字コードです. なお, Windowsのメールソフトではこのコードを iso-2022-jp に変換してメールを送っています.

文字コードはこれからも変化する

日本語に限っても文字コードはまだまだ不完全な物です. これから先も変化 し続けると考えられます. その変化を追いかける専門家になる事は 不要ですが, その変化に対して合理的な行動がとれるように心がけて下さい.

より詳しく知りたい人へ

Wikipedia の 文字コードの項 は良い出来だと思う.