コンピュータによる文字の表現

2023年度更新

Transcript

1. by Naoki Kato ©Naoki Kato ©Naoki Kato 文字の表現 Computer Science, Engineering and Literacy
2. by Naoki Kato © Naoki Kato © Naoki Kato コンピュータのマルチメディア化 情報をビット列で表現すると コンピュータに入力（記憶）することができる なんらかの処理をすることができる コンピュータにおける情報の表現 ⽂字や絵図 映像 ⾳楽
3. by Naoki Kato © Naoki Kato © Naoki Kato 文字をビット列で表現する 文字に番号をつけ， その番号を二進記数法で表す 文字の表現 10110110（2） 182（10） k
4. by Naoki Kato © Naoki Kato © Naoki Kato 文字情報を伝達 なんらかの方法で文字をビット列で表現 （二進記数法による数） 文字コード 文字の表現 加 山 川 蓮 虫 飛 枦 工 文字セット 4fh 21h 32h 43h 5bh 45h 符号化方式 図１ 文字コードの定義要素 コードポイント
5. by Naoki Kato © Naoki Kato © Naoki Kato フォント 見た目の表現は文字コードには含まれない 異字体など，文字コードで見た目が定義されているものも 文字の表現 MS明 明朝 朝 MSゴ ゴシ シッ ック ク HG丸 丸ゴ ゴシ シッ ック ク 英 英角 角ポ ポッ ップ プ体 体 フォント フォント フォント フォント 新 新字 字体 体 両 旧 旧字 字体 体 兩 おまけ 文字装飾（太字や斜体）は使わない！フォントで切り替え！
6. by Naoki Kato © Naoki Kato © Naoki Kato ASCII 7ビットで表現＝１２８種 ‘A’のコードポイントは 41h 文字の表現 0 1 2 3 4 5 6 7 8 9 A B C D E F 0 NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI 1 DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US 2 SPC ! " # $ % & ' ( ) * + , - . / 3 0 1 2 3 4 5 6 7 8 9 : ; < = > ? 4 @ A B C D E F G H I J K L M N O 5 P Q R S T U V W X Y Z [ ＼ ] ^ _ 6 ‘ a b c d e f g h i j k l m n o 7 p q r s t u v w x y z { | } ~ DEL
7. by Naoki Kato © Naoki Kato © Naoki Kato ASCII 7ビットで表現＝１２８種 ‘A’のコードポイントは 41h 文字の表現 0 1 2 3 4 5 6 7 8 9 A B C D E F 0 NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI 1 DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US 2 SPC ! " # $ % & ' ( ) * + , - . / 3 0 1 2 3 4 5 6 7 8 9 : ; < = > ? 4 @ A B C D E F G H I J K L M N O 5 P Q R S T U V W X Y Z [ ＼ ] ^ _ 6 ‘ a b c d e f g h i j k l m n o 7 p q r s t u v w x y z { | } ~ DEL 記号と英数字
8. by Naoki Kato © Naoki Kato © Naoki Kato ASCII制御文字 14h 15h 16h 0Dh 17h 18h 19h abc def 文字の表現
9. by Naoki Kato © Naoki Kato © Naoki Kato ASCIIコードの構造 文字の表現 記号と英数字 0 0 01〜11 制御⽂字 記号と英数字
10. by Naoki Kato © Naoki Kato © Naoki Kato 国際規格 ISO646 国ごとに決められるコードポイントを用意 文字の表現 0 1 2 3 4 5 6 7 8 9 A B C D E F 0 NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI 1 DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US 2 SPC ! " # $ % & ' ( ) * + , - . / 3 0 1 2 3 4 5 6 7 8 9 : ; < = > ? 4 @ A B C D E F G H I J K L M N O 5 P Q R S T U V W X Y Z [ ＼ ] ^ _ 6 ‘ a b c d e f g h i j k l m n o 7 p q r s t u v w x y z { | } ~ DEL 記号と英数字
11. by Naoki Kato © Naoki Kato © Naoki Kato JIS X 0201 7ビット版（JIS7） JISローマ字 JISカナ この二つをSI(0Fh)，SO(0Eh)で切り替える （例）41h 42h 0Fh 41h 42h 0Eh 41h A B チ ツ A 文字の表現 記号と英数字 カタカナ
12. by Naoki Kato © Naoki Kato © Naoki Kato JISカナ 文字の表現 カタカナ 0 0 01〜10 1 1 カタカナ 制御⽂字 ASCIIの制御⽂字 部分と同じ
13. by Naoki Kato © Naoki Kato © Naoki Kato JISカナ 文字の表現 0 1 2 3 4 5 6 7 8 9 A B C D E F 0 NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI 1 DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US 2 SPC 。 「 」 、 ・ ヲ ァ ィ ゥ ェ ォ ャ ュ ョ ッ 3 ー ア イ ウ エ オ カ キ ク ケ コ サ シ ス セ ソ 4 タ チ ツ テ ト ナ ニ ヌ ネ ノ ハ ヒ フ ヘ ホ マ 5 ミ ム メ モ ヤ ユ ヨ ラ リ ル レ ロ ワ ン ゛ ゜ 6 7 DEL
14. by Naoki Kato © Naoki Kato © Naoki Kato JIS X 0201 ８ビット版（JIS8） 文字の表現 カ ナ JISローマ字と同じ表現 ０ １ カタカナ（A０h~CF） 0 0 1 01〜10 1 1 1 カタカナ JISローマ字 の⽂字セット ASCIIの制御⽂字 部分と同じ表現
15. by Naoki Kato © Naoki Kato © Naoki Kato 文字の表現 0 1 2 3 4 5 6 7 8 9 A B C D E F 0 NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI 1 DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US 2 SPC ! " # $ % & ' ( ) * + , - . / 3 0 1 2 3 4 5 6 7 8 9 : ; < = > ? 4 @ A B C D E F G H I J K L M N O 5 P Q R S T U V W X Y Z [ ＼ ] ^ _ 6 ‘ a b c d e f g h i j k l m n o 7 p q r s t u v w x y z { | } ~ DEL 8 9 A 。 「 」 、 ・ ヲ ァ ィ ゥ ェ ォ ャ ュ ョ ッ B ー ア イ ウ エ オ カ キ ク ケ コ サ シ ス セ ソ C タ チ ツ テ ト ナ ニ ヌ ネ ノ ハ ヒ フ ヘ ホ マ D ミ ム メ モ ヤ ユ ヨ ラ リ ル レ ロ ワ ン ゛ ゜ E F
16. by Naoki Kato © Naoki Kato © Naoki Kato 漢字文字セット JIS X 0208 非漢字453字，第一水準2965字，第二水準3461字 JIS X 0213 JIS X 0208 第三水準8797字，第四水準2436字 文字の表現
17. by Naoki Kato © Naoki Kato © Naoki Kato JISコード ISO2022準拠 ISO2022-JP ASCIIを併用 7ビット×2で表現 制御文字部分を除いた21h～7ehを使用 94×94=8836種 文字の表現 ０１~１１ × ０１~１１ 7E 21 21 7E ! " # $ 目 ２バイト目
18. by Naoki Kato © Naoki Kato © Naoki Kato JISコード “加” は 32h 43h ASCIIでは “2C” エスケープシーケンスの利用 文字の表現 a b c * $ B あ い う * ( B a b c 61 62 63 1B 24 42 28 65 28 66 28 67 1B 28 42 61 62 63
19. by Naoki Kato © Naoki Kato © Naoki Kato Shift-JISコード 8ビット×2で表現 JIS8と共存＋エスケープシーケンスをなくす 文字の表現 81 9F E0 EF JIS8 40 7E 80 9E 9F FC 21 21 7E 5E 5F ! " # $ 目 ２バイト目
20. by Naoki Kato © Naoki Kato © Naoki Kato シフトJISコード 文字の表現 ０ 01 10 1 01 10 0100〜 000 001 1 JIS漢字 カタカナ JIS8と同じ JISローマ字 の⽂字セット 110 1 JIS漢字 01 10 0100〜
21. by Naoki Kato © Naoki Kato © Naoki Kato EUCコード 8ビット×1～3で表現 文字の表現 1バイト目 2バイト目 3バイト目 21h～7Eh ASCII A0h～FFh A0h～FFh JIS X 0208 8Eh A0h～FFh JISカタカナ 8Fh A0h～FFh A0h～FFh JIS X 0213
22. by Naoki Kato © Naoki Kato © Naoki Kato EUC-JP 文字の表現 ０ 0 1110 00 1 01 10 1 01 10 1 01 10 1 0 1111 00 1 01 10 1 01 10 1 JIS漢字 補助漢字 カタカナ JIS8と同じ JISローマ字 の⽂字セット
23. by Naoki Kato © Naoki Kato © Naoki Kato Unicode，UCS 世界中のすべての文字を共通の文字集合で！ 当初は16ビット ＝国際規格 UCS-2 の範囲と同一 Unicode2.0以降は21ビット UCS4：Unicodeをベースに31ビットに拡張 符号化方式 UTF-8 8ビット×1~6，ASCIIと互換 UTF-16 16ビット×1~4 UTF-32 32ビット×1（UCS4用） Unicodeの符号化 Unicode Transformation Format UCSの符号化 UCS Transformation Format 文字の表現
24. by Naoki Kato © Naoki Kato © Naoki Kato CJK統合漢字 Unicodeでの用意された漢字枠（20902字） 似た字体をまとめて 中国 GB 2312（7,445字） 台湾のCNS1,2,14面（13,735字＋6,148字＋171字） 日本のJIS X 0208（6,879字）とJIS X 0212（6,067字） 韓国のKS C 5601（8,226字） Unicode3.0で6,582字追加 Unicode3.1で42,711字追加 文字の表現
25. by Naoki Kato © Naoki Kato © Naoki Kato 中国語の文字の表現 中国（簡体字中国語） GB2312（国家規格：Unicodeが対象とした） GB18030（2001年より利用が義務化） 台湾・香港（繁体字中国語） BIG5（最も一般的，５大メーカが策定） CNS 11643（国家規格：Unicodeが対象とした） 文字の表現
26. by Naoki Kato © Naoki Kato © Naoki Kato CJK統合漢字の問題点 似た文字をひとまとめに フォントの変更で切り替え可能 （ MS明朝だと日本語の字体） 文字の表現 Unicod 骨 骨 与 与 日本（JIS） 骨 与 繁体字中国語（BIG5） 骨 与 簡体字中国語（GB） 骨 与 MS明朝 MingLIU SimSun
27. by Naoki Kato © Naoki Kato © Naoki Kato 異字体の問題点 コードセパレート問題 似た文字（新字体と旧字体など）が異なったコード 検索にかからない 文字化け 內 內(Uni)→内 内(JIS) → →内 内(Uni) 文字の表現 新 新字 字体 体 4E3E 両 旧 旧字 字体 体 5140 兩 GB BIG5 JIS Unicode 內 有 有 5167 内 内 有 有 有 有 有 有 5185
28. by Naoki Kato © Naoki Kato © Naoki Kato 半角と全角 全角と半角はまったく異なる文字 “１”は全角 コードポイントは0x2331 “1 ”は半角 コードポイントは0x31 半角でなければならないところは多い メールアドレス，URL ファイル名の拡張子（txt, jpg, pdf など） 文字の表現
29. by Naoki Kato © Naoki Kato © Naoki Kato 改行コード OSによって改行コードは異なる テキストファイルの交換時には注意 変換ツールなどを利用 文字（文章）の表現 MS-Windows CR LF Mac CR UNIX LF
30. by Naoki Kato © Naoki Kato © Naoki Kato 演 演習 習
31. by Naoki Kato © Naoki Kato © Naoki Kato 文字コードの違い テキストファイルを作る Shift-JISとUTF-8（without BOM）で保存 バイナリエディタで違いを確認 CSVファイル（Shift-JIS）をDL UTF-8（without BOM）， UTF-8（without BOM）で保存 ３種類をエクセル／Googleスプレッドシートで開く Googleスプレッドシートで保存する エクセルで開く 文字（文章）の表現
32. by Naoki Kato © Naoki Kato © Naoki Kato お おし しま まい い 文字の表現