ユニコードと文字コードの違いがわからない

Javaプログラマーを目指している初心者です。

ユニコードと文字コードの違いがわからなくて困っています。
下記はすべてコンソールで'あ'の表記になります。
文字コードとユニコードで数値が違うのに
なぜ同じ'あ'を表記できるのでしょうか？

授業ではユニコードは日本語や中国語などのあらゆる言語を統一化して
他国でも同じような表記ができ、文字化けが起きないようにしていると伺いました。
またユニコードは16進数と聞いたのですが
進数とユニコードの関係性もよくわかりません。

文字コードとは日本特有のコードと考えればいいのでしょうか。
また文字コード、ユニコードの表を覚える必要性はあるのでしょうか。

Java
1package question;
2
3public class Unicode {
4
5	public static void main(String[] args) {
6		
7		System.out.println('あ');		//あ
8		
9		System.out.println('\u3042');	//ユニコードあ
10		
11		char a = 12354;
12		System.out.println(a);			//文字コードあ
13	}
14
15}
16

行動規範の内容に同意します

回答6件

大量の誤解があります。

まず、「ユニコード」と「文字コード」は別物ではありません。いくつもある文字コードのうちの1つがユニコードです。そして、Javaの内部では全てUnicodeで動いています。
\uxxxxの書き方は16進数によるものです。0x3042 == 12354なので、両者は同じ値を指定しています。

投稿2018/04/25 05:46

maisumakun

総合スコア145184

ちょっと混乱しますが、文字コードといった場合に、次の二つの意味がありえます。

文字それぞれに特定のコードを割り振ったものの集合（文字集合）
1. を、実際に利用するにあたってコード表記方式（文字符号化方式）を定めたもの

通常 Unicode といった場合は 1. を指します。ですが 2. があるように、「同じ Unicode でも符号化が異なるいくつもの方式がある」のです。

このいくつもの方式として、

UTF-8　（1byte～4byteまでの可変長で１文字を表す）
UTF-16　（2byte で１文字を表す。ただし基本多言語面以外はサロゲートペアを使って4byteで表す）
UTF-32　（4byte で１文字を表す）

といったものがあります。実際に文字コードとして意識するのは、こちらの方です。
Linux や Mac の世界では、UTF-8 が一般的です（XML も UTF-8 であることが前提となっています）。ですが Windows においては UTF-16 のことを「Unicode」と表現するので、ここを押さえておかないと混乱します。

さらにいうと、UTF-16 と UTF-32 には、エンディアン（多バイトを表すストリームの場合に、どちらが上位バイトになるかを決める）が絡みます。古くからの慣習に従い、Big Endian と Little Endian になっていますが、特にプロトコルなどで強制しない場合は Big Endian であると仮定されます。（明示的にエンディアンを表すための Byte Order Mark もあります）
※Windows の「メモ帳」の「Unicode」はUTF-16LE、「Unicode big endian」はUTF-16BE です

「あ」は、
Unicode: U+3042
UTF-16: 0x3042　（Unicodeで U+0000～U+FFFF は、UTF-16 と同じコードになる）
UTF-16BE: 0x3042（UTF-16 は未指定なので Big Endian となります）
UTF-16LE：0x4230（Little Endian だと順番が逆になる）
UTF-8: 0xE38182
となります。

投稿2018/04/25 06:54

編集2018/04/25 07:45

tacsheaven

総合スコア13703

参考記事を貼っておきますので、学習にお役立てください。

＞文字コードとは日本特有のコードと考えればいいのでしょうか。
「日本特有の文字コードがある」と言い換えた方が良さそうです。
EUC-JPやShift-JISというのを聞いたことがあると思います。

最初のWikipediaのリンクにもありますね。

日本語には JIS X 0208 というひとつの文字集合に対して ISO-2022-JP （JIS コード等と呼ばれることが多い）、EUC-JP、Shift_JIS など複数の符号化方式が存在する。

＞また文字コード、ユニコードの表を覚える必要性はあるのでしょうか。
基本的には、「必要ない」と思います。
覚えておいても損はないとは思いますが、膨大な量がある表を覚える暇があればプログラミングをしっかり学んで、書いて技術力を高めるべき　です。

不明点がでたときに調べればいいかな、くらいに私は思っています。

投稿2018/04/25 06:11

m.ts10806

総合スコア80850

文字コードとユニコードで数値が違うのに

なぜ同じ'あ'を表記できるのでしょうか？

0x3042 == 12354

投稿2018/04/25 05:48

fuzzball

総合スコア16731

fuzzball

2018/04/25 05:50

遅かったｗ

行動規範の内容に同意します

そもそもコンピュータは文字を画像のように扱っているわけではなく、文字に対応する数値として扱っているのです。
人間的に(もっと限定して日本人的に)考えるなら、
あ行を1、か行を2という具合に対応づけて十の位に、あ段を1、い段を2という具合に対応付けて一の位に使用して、「こ」を25とか、「は」を61などのように、ルールを決めて対応させれば文字を数値で表せます。昔のポケベルではこのようにして文字を入力して送っていたようですね。

これは人がわかりやすいように対応づけを行いましたが、コンピュータの場合はそんな必要はなく、文字と数値が1対1で対応してさえいれば同じように扱えるわけです。この、文字と数値の対応関係のことを文字コードといいます。

先述の通り、文字に数値が1対1で対応していればいいので、「A」という文字に1を対応づけるルールがあっても、41を対応付けるルールがあってもかまわないわけです。そんな感じで世界には様々な文字と数値の対応ルールが生まれました。Unicodeもその一つです。つまり、Unicodeとは文字コードという文字と数値の対応ルール表の1つの種類です。

Javaのchar型の実体は、文字に対応するUnicodeの数値です。
Unicodeにおいては'あ'という文字は16進法で3042に対応づける、と定められています。
なので、Javaのコード上においては、文字リテラルで'あ'と書いても、Unicodeエスケープを使って'\u3042'と書いても全く同じです。
他の方の回答にもある通り、16進法の3024は10進法で12354なので、この数値リテラルをcharの変数に渡しても同じ'あ'を示す数値として解釈されます。なので、すべて同じ出力結果となるのです。

投稿2018/04/29 18:07