文字コードの一つであるUTF-8 そしてUnicodeこの２つをごっちゃになっている人もいるかもしれない。 これは相互に関係はあるが、コードは別のものになっている 簡単にいえばUnicodeは文字の集合、大規模な文字セットの規格で、UTF-8はUnicodeを符号化する方式の一つという位置づけになっている。 Unicodeでは文字一つ一つに対してコードを割り当てているが、そのコードがUTF-8のコードになるわけではない。 なので、UTF-8で書かれたテキストをバイナリエディタで開いてコードをみて、Unicodeのコードを調べても全く別のものがかかれている。 変換の手順 どのような仕組みでunicodeからUTF-8に変換されるのか、説明しよう。 Unicodeのコードがどの範囲にあるかによって変わってくる。 Unicodeのコードの範囲によって４つのパターンに分けられる。コードをまず2進数に変換して、それぞれの範囲によってビット数が決まっている。上記表はそれぞれの範囲の最低値と最大値を2進数に変換した表だ。 7Fまでは7bit77Fまでは11bitFFFFまでは16bit1FFFFFまでは21bitとなっている。 それぞれを上記表と同じように分割をする。7Fだったら一つだけ、1FFFFFだったら、3桁1つと6桁3つの4つに分割をする。 その後はそれぞれを16進数に変換し直す。 4つの範囲のそれぞれの最小値と最大値を16進数で表したのが上記の表になる。 これに更にそれぞれの数値に特定の値を足していく。それが次の表 たとえば7Fまでの範囲の文字ならば何もたさない。7FFまでの範囲の文字ならば1バイト目はC0を足して、次は80を足す。もちろん80は16進数なので、紛らわしくなく書くならば0x80を足す。 それぞれのバイトに決められた値を足すと、各unicodeの範囲に対して、UTF-8の値の範囲は上記表のようになる 例えば神という字で変換すると 神という漢字のunicodeのコードはu+795Eだそうだ。これは3バイト文字の範囲になるので、二
インスタンス終身独裁官
All senooken JP Social content and data are available under the Creative Commons Attribution 3.0 license.