文字コード略歴

日本の文字コードの歴史を簡単にまとめました。

Transcript

1. 文字コード略歴 Powered by Rabbit 2.0.6 文字コード略歴 よこやままさふみ 社内勉強会 2012/05/18
2. 文字コード略歴 Powered by Rabbit 2.0.6 自己紹介 横山昌史 ✓ 入社４年目 ✓ プログラマ etc... ✓ 所属プロジェクト Java、UNIX、雑用 etc... ✓ 文字コードの "るつぼ" ✓ ✓
3. 文字コード略歴 Powered by Rabbit 2.0.6 Rabbitについて プレゼンテーションツール ✓ 実装: Ruby/GTK ✓ 動作: UNIX/Win/Mac ✓ 文章とデザインの分離 バージョン管理しやすい ✓ ✓
4. 文字コード略歴 Powered by Rabbit 2.0.6 文字コードとは 文字をコンピュータで扱うための 符号化方式 ✓ エンコード、キャラクターセットとも 呼ばれる ✓
5. 文字コード略歴 Powered by Rabbit 2.0.6 符号化 文字や音声などを0と1のデジタ ルデータに変換すること ✓ 16進数で記述されることが多い Javaなどでは、頭に"0x"を付けると16 進数として扱われる ✓ ✓
6. 文字コード略歴 Powered by Rabbit 2.0.6 よく使われる文字コード ASCII ✓ Shift_JIS ✓ UTF-8（Unicode） ✓ EBCDIC ✓
7. 文字コード略歴 Powered by Rabbit 2.0.6 ASCII
8. 文字コード略歴 Powered by Rabbit 2.0.6 ASCII American Standard Code for Information Interchange
9. 文字コード略歴 Powered by Rabbit 2.0.6 ASCII 英語を表現するための文字コード 英字アルファベット、記号 ✓ いわゆる半角文字 ✓ ✓
10. 文字コード略歴 Powered by Rabbit 2.0.6 ASCII 1文字につき7ビットの1バイトコ ード 7ビット = 2 7 = 128 ✓ 16進数で言うと0x00〜0x7Fまで ✓ 1バイト = 8ビットのため、1ビット余り ✓ ✓
11. 文字コード略歴 Powered by Rabbit 2.0.6 ASCIIの例 Heisei 24 48 65 69 73 65 69 20 32 34 16進数（0xは省略） ✓ ✓ ✓
12. 文字コード略歴 Powered by Rabbit 2.0.6 JIS X 0201 日本工業規格 ✓ 一部の符号位置がASCIIと違う ✓ 半角カナが使える 8ビット目を拡張 ✓ ✓
13. 文字コード略歴 Powered by Rabbit 2.0.6 ASCIIと異なる文字 符号位置0x5C ASCII:半角バックスラッシュ ✓ JISX0201:半角円記号 ✓ ✓
14. 文字コード略歴 Powered by Rabbit 2.0.6 ASCIIと異なる文字 符号位置0x7E ASCII:半角チルダ ✓ JISX0201:半角オーバーライン ✓ ✓
15. 文字コード略歴 Powered by Rabbit 2.0.6 ASCIIと異なる文字 ASCIIかJISX0201かは曖昧 環境によって表示が変わる ✓ ✓ 日本のフォントは円記号 ✓ 外国のフォントはバックスラッシュ ✓ 7Eは日本でも大抵チルダ ✓
16. 文字コード略歴 Powered by Rabbit 2.0.6 Shift_JIS
17. 文字コード略歴 Powered by Rabbit 2.0.6 Q & A Q.あなたの母語は何語ですか？ A.日本語 ✓ ✓ Q.日本語は英字アルファベットだ けで表現できますか？ A.いいえ ✓ ✓
18. 文字コード略歴 Powered by Rabbit 2.0.6 ひらがなや漢字が必要 常用漢字 2,136文字（2010年 改定） ✓ 1バイト = 8ビット = 28 = 256 ✓ 1バイトでは表現できない ✓
19. 文字コード略歴 Powered by Rabbit 2.0.6 2バイトコード 1文字を2バイトで符号化 ✓ 2バイト = 16ビット = 216 = 65,536 ✓
20. 文字コード略歴 Powered by Rabbit 2.0.6 JIS X 0208 日本工業規格 ✓ JIS第1・第2水準漢字を定義 ✓ 最新版では6,879文字を収録 ✓ 1983年に大幅な変更 異字体の符号位置入れ替え ✓ 字形の変更 ✓ ✓
21. 文字コード略歴 Powered by Rabbit 2.0.6 JIS X 0213 日本工業規格 ✓ JIS X 0208の拡張（後方互換） ✓ JIS第3・第4水準漢字を定義 ✓ 環境によってはJISX0213に対応 していない（JIS第3・第4水準漢字 が使えない） ✓
22. 文字コード略歴 Powered by Rabbit 2.0.6 Shift_JISの成り立ち JIS X 0201 ＋ JIS X 0208（JIS X 0213）
23. 文字コード略歴 Powered by Rabbit 2.0.6 Shift_JISの特徴 日本語が表現できる ✓ 半角カナが使える JISX0201との互換性 ✓ ✓
24. 文字コード略歴 Powered by Rabbit 2.0.6 Shift_JISの例 平成 24 95 BD 90 AC 20 32 34 ✓ ✓
25. 文字コード略歴 Powered by Rabbit 2.0.6 Shift_JISの欠点 全角半角問題 「A」と「Ａ」、「ｱ」と「ア」など ✓ 全角文字を扱える文字コード共通の問 題 ✓ ✓ JISX0201の副作用 だめ文字 ✓ ✓
26. 文字コード略歴 Powered by Rabbit 2.0.6 Shift_JISの派生 WindowsではShift_JISを拡張し た文字コードが使われている Windows31-JやMS932やCP932な どと呼ばれる ✓ 重複符号化（㈱問題） 同じ文字に複数の符号位置 ✓ ✓ ✓
27. 文字コード略歴 Powered by Rabbit 2.0.6 UTF-8
28. 文字コード略歴 Powered by Rabbit 2.0.6 Q & A Q.今はどんな時代ですか？ A.国際化時代 ✓ ✓ Q.Shift_JISの欠点はどこですか？ A.日本語しか扱えない ✓ ✓
29. 文字コード略歴 Powered by Rabbit 2.0.6 Unicode 世界中の言語を表現できる文字 コードの仕様がUnicode ✓ 110,181文字（2012年1月） ✓
30. 文字コード略歴 Powered by Rabbit 2.0.6 Unicode Unicodeの実装の一つがUTF-8 他にもUTF-16など ✓ ✓
31. 文字コード略歴 Powered by Rabbit 2.0.6 UTF-8の特徴 ASCIIを拡張 Shift_JISとは違い、JISX0201の拡張 ではない ✓ 半角カナなどの符号位置がShift_JISと 違う ✓ だめ文字がない ✓ ✓
32. 文字コード略歴 Powered by Rabbit 2.0.6 １文字のバイト数 ASCII 全て半角文字 = 全て1バイト ✓ ✓ Shift_JIS 半角 = 1バイト ✓ 全角 = 2バイト ✓ ✓
33. 文字コード略歴 Powered by Rabbit 2.0.6 １文字のバイト数 UTF-8 半角 = 主に1バイト ✓ 全角 = 日本語は3バイト 記号は3バイトか2バイト ✓ ✓ ✓
34. 文字コード略歴 Powered by Rabbit 2.0.6 UTF-8の例 平成 24 E5 89 B3 E6 88 90 20 32 34 ✓ ✓
35. 文字コード略歴 Powered by Rabbit 2.0.6 1バイトでない半角文字 \（半角）が２種類 5C (ASCII): 規格上はバックスラッシュ ✓ C2 A5 (UTF-8): 規格上は円記号 2バイトの半角文字 ✓ ✓ ✓
36. 文字コード略歴 Powered by Rabbit 2.0.6 1バイトでない半角文字 ~（半角）も２種類 7E (ASCII): 規格上はチルダ ✓ E2 80 BE (UTF-8): 規格上はオーバ ーライン 3バイトの半角文字 ✓ ✓ ✓
37. 文字コード略歴 Powered by Rabbit 2.0.6 半角カナ ｱ （半角） B1 (Shift_JIS) ✓ EF BD B1 (UTF-8) UTF-8の半角カナは全て3バイト ✓ ✓ ✓ 単純なバイト数チェックでは、半角 か全角か判別できない ✓
38. 文字コード略歴 Powered by Rabbit 2.0.6 IBM版とMS版 IBM-Unicode（一般的な Unicode）とMS-Unicode（マイ クロソフト版Unicode）で符号位 置が異なる文字がある いわゆる波ダッシュ問題の要因 ✓ ✓
39. 文字コード略歴 Powered by Rabbit 2.0.6 波ダッシュ問題 Windowsとそれ以外のOS間で の通信時などに文字化け ✓ 対象文字は１０文字程度（環境に よる） 〜 — － ‖ ∥ ￤ ¬ ¢ £ ✓ ✓
40. 文字コード略歴 Powered by Rabbit 2.0.6 EBCDIC
41. 文字コード略歴 Powered by Rabbit 2.0.6 EBCDIC IBMによって定義された文字コー ド IBM製のメインフレーム（汎用機）など で現在も使用されている ✓ ✓
42. 文字コード略歴 Powered by Rabbit 2.0.6 EBCDIC 半角文字の符号位置がASCIIと 異なる ✓ 全角文字の表現方法がShift_JIS やUTF-8と異なる ✓ 基本的にJIS第3・第4水準は含ま れない ✓
43. 文字コード略歴 Powered by Rabbit 2.0.6 半角文字 すべて1バイト 8ビット目まで使用 ✓ ✓ 制御文字エリアが大きい 0x00〜0x3Fと0xFF ✓ 汎用機で使用される特殊な制御文字 が含まれている ✓ ✓
44. 文字コード略歴 Powered by Rabbit 2.0.6 全角文字 半角文字との区別は制御文字で 行う 全角の開始位置がシフトアウト（0x0E） ✓ 全角の終了位置がシフトイン（0x0F） ✓ ✓ 略してSO/SIなどと呼ばれる ✓
45. 文字コード略歴 Powered by Rabbit 2.0.6 SO/SI 平成 24 0E 45 8D 45 BA 0F 40 F2 F4 ✓ ✓
46. 文字コード略歴 Powered by Rabbit 2.0.6 うわっ… SIの欠如 0E 45 8D 45 BA ✓ ✓ SO/SIのネスト 0E 45 8D 0E 45 BA 0F 0F ✓ ✓ SO/SIを対として扱うのではなく、 モード切替文字として扱うことで 対応 ✓
47. 文字コード略歴 Powered by Rabbit 2.0.6 まとめ
48. 文字コード略歴 Powered by Rabbit 2.0.6 参考 プログラマのための文字コード技 術入門 ✓ 正規表現クックブック（66ページ） ✓ AIX 5L 日本語コード一覧表 jp_codebookで検索 ✓ ✓ ご静聴ありがとうございました。