キャラクタとバイト

ウィキペディア小見出し辞書

キャラクタとバイト

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/10/19 18:38 UTC 版)

「キャラクタ (コンピュータ)」の記事における「キャラクタとバイト」の解説

キャラクタの符号化（文字符号化方式）に、バイト（この段落ではオクテットと同義）を当てるという標準を確立し広く普及したのはIBMが1964年4月に発表したメインフレームのSystem/360による（それ以前については#歴史の節を参照）。当初のアナウンスでは制定されたばかりのASCIIが採用されるはずだった。しかし、結果的には過去のしがらみを振り切ることができず、メインフレーム用としてはEBCDICが普及した。なお、一応System/360はモードを切り替えることはできる。 C言語およびC++での文字型の名前はcharだが、このcharはバイトやオクテットと等価ではない。C/C++のchar型の幅は/をインクルードすることで定義されるCHAR_BITSというマクロで示され、実際の数値は8ではなく9や16の可能性もある。なお、最低限必要とされている値の範囲の関係で8未満にはならない。sizeof(char)は常に1である。バイトは8ビットすなわちオクテットではない可能性もある。 幅を規定した整数型としてはC99およびC++11で追加されたint8_t/uint8_tおよびstd::int8_t/std::uint8_tがある。C++20ではUTF-8でエンコードされた文字を格納することを想定した符号なし文字型として、char8_tが規定されたが、8ビット幅であるとは限らない。 JavaやC#のcharは16ビットであり、内部表現はUTF-16と規定されている。 コンピュータの普及が米国に次いで早かった[要出典]日本では、日常の生活や業務に漢字が必須であるため、256より多くのキャラクタを扱いたいという要求が強かった。そこで現れたのが、1つのキャラクタを複数のバイトで表すマルチバイト文字（MBC）である。特に初期には2バイトを使うものがほとんどであり、ダブルバイト文字（DBC）と言った。 また、米国以外の国や地域で、それぞれに必要な文字を追加した文字集合や文字コードを作ったため、多数の文字集合や文字コードが乱立する結果となった。Unicodeはその問題を解消し、文字集合を統一するために生まれた。 現在ではキャラクタとデータの関係は抽象化されている。キャラクタは整数値（通常非負整数）で表現され、その整数値から文字符号化方式によりバイト列が生成される。たとえばUnicodeではUnicodeスカラ値という値が、各キャラクタに付けられている。