そもそも「文字コード」って何

以下のどちらかの意味で用いられるみたい。

• コンピュータ上で文字を利用する目的で各文字に割り当てられるバイト表現
• バイト表現と文字の対応関係

そんな規格の種類

ASCII

• アメリカ規格協会（ANSI)が制定したコード
• 元々これしかなかった(1990年以前)
• 8ビットで構成( 1文字を7bit + 誤り検出用に1bit )
  • 128文字を表現する事が可能( 制御文字、アルファベット、数字、記号など )
• コンピュータその他の通信機器において最もよく使われている!!ik
  • 後述する文字コードは、ASCIIで使用されていない128番以降の部分に、その他の文字を割り当てているため
  • イメージ的には、ASCIIが内包されているような感じ。あくまでもイメージ。イメージ

JIS

• 日本工業規格（JIS)により定められたコード
• ISO-2022-JPと同義
• ASCIIだと128文字だけなので、かな/カナ/漢字が表現できない！という事で誕生
• 2バイトで構成
  • この辺にも書かれてるけど、ASCIIと漢字のコード範囲が重複するため、エスケープシーケンスによって文字集合を切り替える
  • けど、エスケープシーケンスが一つでも欠損すると文字化けする
  • しかもエスケープシーケンスがあるので、ファイルサイズも大きくなり、処理時間も増える.....

Shift-JIS

• Microsoft社により定められたコード
• 半角文字も全角文字も一律2バイトで扱う
• エスケープシーケンスなしで実現
• 5C問題
  • 5CはASCIIでいうところの「バックスラッシュ」
  • なので、多くのプログラム言語ではエスケープ扱いになる
  • つまり･･･??
    • 芸能界(8c7c 945c 8A45)から5Cが消え去り、芸矧E(8c7c 948A 45)になる。
• とはいえ今では広く使われている。

Unicode

• ユニコード・コンソーシアムにより制定されたコード
• 上記のJISやShift-JISだと、日本語しか対応できない
  • そこで、多言語対応するために登場。
• 文字を4バイトで表現する
  • 多言語対応するので2バイトだと足りない。
• UTF-8やUTF-16は、ここに分類される。
  • UTF-8
    • 4バイト
    • 多言語に対応できるので、広く使われている。
  • UTF-16
    • Windowsの内部コードはUTF-16
    • Windowsのメモ帳を使うと、UTF-16で保存される
    • つまり...??
      • 互換性のないやつで開こうとすると死ぬ

勘違いしやすいヤツ

勘違いするのは僕だけかもしれないけど、一応まとめておく。

base64

• 文字コードじゃない！！！！！
• 64進数で表されるエンコード方式
• バイナリデータを文字で表現したもの
• p6OyG0+2Sp3g6enlDgiqxBrJ+jJX3kZs6Fk8Y755GhXDtPWfdZvboJ8JObexuvi50A9Syx9HijjmyRbvRp7sXo みたいな感じの、とにかく意味分からんやつ。

バイナリ

• 文字じゃない！！！！！
• 文字ではなくデータ。
• コンピュータが認識するためのものなので、人間に分かるはずがない。
• テキストエディタで開いたら文字化けするアレ。

以上。

Wikipedia - 文字コード
文字コードとは？~UTF-8はパソコンの世界共通語~
文字コード（日本語漢字コード表）