文字コード

文字の符号には二種類の概念があり、それぞれ次のように呼ばれる。

• 文字集合 (CCS)
• 符号化方法 (CES)

ある集合に、どのような文字をどのような番号で配置させるか、というのがCCSである。それを、実際に電子計算機等で扱えるような形式にしたものをCESという。

文字コードというのは俗語であり、上の二つはあまり区別されることなく一緒くたにして「文字コード」と呼ばれているため、混乱を招いている。

例えば日本語の処理を例とする。

日本語を扱う文字集合として、日常よく使われるものに、次のようなものがある。

• JIS X 0208
• JIS X 0213
• Unicode

これらは、このままでは処理できないので、電子計算機で扱えるように符号化する。

JISの符号の場合、次のようなものがよく使われる。

• シフトJIS (Shift_JIS)
• EUC-JP
• ISO-2022-JP (いわゆるJISコード)

Unicodeの符号の場合、次のようなものがよく使われる。

• UTF-8
• UTF-16

近年は、Webサイト用HTMLや文書ファイル用として、日本語環境でもUTF-8の人気が高まっている。