2 コンピューター内部での文字の表現

2.1 英数字

コンピューター内部では，全てのデータは数字として取り扱われる．文字データの場合， 全ての文字について整数との対応関係が決められている．コード表と呼ばれるものが文字 と整数との関係を示す．例えば，英数字の場合，アスキーコード表(教科書 []のp.374)というものがあり，世界中で使われている．英数字は， この表にしたがい0〜127の整数が割り当てられているのである．

C言語のプログラムで，アスキーコードの値を確かめたければ，以下のようにすればよい． 文字'L'を表す整数値を表示するプログラムである．実行結果から分かるように，文字'L' は16進数で4c，10進数で76である．教科書 [1]のp.374の アスキーコード表と比較せよ．

	#include <stdio.h>
	int main(void)
	{
	  char c;

	  c='L';
	  printf("%c = %x\t%d\n",c,c,c);

	  return 0;
	}

L = 4c  76

この例で分かるように，文字型変数(char)を用いて，文字を格納することができる． しかし，この文字型の変数は，-128〜127まで²の整数しか格納できない³ことになっている．従って，文字型の変数で表現できるのは256 種類の文字に限られる．アルファベットを使う文化圏では，このように256文字もあれば 全ての文字が表現できる．0〜255と言うのは，16進数で2桁--2進数で8桁--でコンピュー ターにとって都合が良い．

ここで，理解して欲しいのは，文字は整数に置き換えられると言うことである．コン ピューター内部では，この整数を扱うことにより文字の処理をしている．そして，文字と 整数の対応を示したものがコード表である．

2.2 日本語

中国語や日本語のように多くの文字を使う文化圏では，256種類しか表現できないコード は使い物にならない．その解決のために，日本語はアスキーコードとは異なる次のような 文字コードが使われる．

  日本語euc 		 extend unix codeの略で，主にUNIXで使われる．


shift-jis 		 主にパソコン(DOSやWindows, macintosh)で使われている．


JISコード 		 日本工業規格 JIS(Japanese Industrial Standards)が決めたコード．

ユニコード 		 漢字を含む世界のすべての文字を全部表現できるコード． 

いろいろあるが，すべて文字と整数との対応が決められている．ただし，コード毎にその 対応は異なる．例えば，「秋」という漢字は，表1のようになっている． 英数字では16進数で2桁--1バイト--に対して，日本語では4桁--2バイト--必要である．

表 1: "秋"をそれぞれの日本コードで表す．c言語の場合，先頭に0xとつく数字は16 進数を表す．

コード	16進数	10進数
日本語EUC	0xbda9	48553
shift-jis	0x8f48	36680
jisコード	???????	????????
ユニコード	???????	????????

英数字と日本語では，1文字を表現するために必要な情報量が異なる．英数字を表す文字 コードは0〜255(1バイト)，日本語では0〜65535(2バイト)が使われる．

• 英数字は，1バイトで十分である．
• 日本語(ユニコードを除く)は，2バイト必要である．

ホームページ: Yamamoto's laboratory
著者: 山本昌志