質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.64%

UTF-8などの必要性

解決済

回答 1

投稿

  • 評価
  • クリップ 4
  • VIEW 841

omiteratail

score 17

UTF-8などの必要性

質問は「パソコンで文字を扱うときにUnicodeのコードポイントがあるのになぜさらにUTF-8などによる変換が必要なのか」ということです。 

以下その疑問に至った経緯です。
今までUnicodeとUTF-8の違いをはっきりとさせずに過ごしてきたので、ふと調べてみました。
その結果、

Unicode:世界中の文字と固有のコードポイントと言われる数字を対応させたもの。
UTF-8:コードポイントをパソコンが認識できるような数字(符号)に変換させる方法の1つ。


というふうに理解しています。つまり、
文字→(Unicodeによる変換)→コードポイント→(UTF-8などによる変換)→符号
で、パソコンはこの符号を認識しているという具合です。

ただここで、疑問に思ったのはUnicodeによって文字が一意に数字(コードポイント)に変換されているのに、 そこからわざわざUTF-8などを使ってまた違う数字(符号)になぜ変換するのでしょうか。
UTF-8に至っては平仮名はコードポイントでは2バイトなのにUTF-8によって3バイトになってしまいます。
UTF-16でも2バイトのままです。
そのままコードポイントをパソコンが使うのは良くないのでしょうか。

これはUTF-8などによって符号化した方がバイト数が圧縮できる場合(上の例ではなっていないが。)があるということでしょうか?

お手数ですが、ご回答よろしくお願いいたします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • otn

    2019/11/08 19:55 編集

    なんか、同じような質問に回答したなと思って調べると
    https://teratail.com/questions/205670 で、
    こちらはもっと一般的な話で「符号化文字集合があるのに何故文字符号化方式が必要か?」
    という質問でした。

    キャンセル

  • omiteratail

    2019/11/08 20:07

    まさにこの事が気になっていました!
    情報提供ありがとうございます!

    キャンセル

回答 1

checkベストアンサー

+12

そのままコードポイントをパソコンが使うのは良くないのでしょうか。

はい、そういう方式もあって、UTF-32といいます。全文字が4バイトとなります。

これはUTF-8などによって符号化した方がバイト数が圧縮できる場合(上の例ではなっていないが。)があるということでしょうか?

はい、そのとおりです。UTF-32では全文字が4バイトですが、UTF-8ではASCII領域がそのまま1バイトで表現されて、ASCIIとの互換性をも有するようになっています。


なお、UTF-16はサロゲートペア(追加面の文字について、コードポイント2つを使って表現する)がありますので、16ビットのコード1つが1文字と対応するわけではありません

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/11/08 18:32

    早速のご返信ありがとうございます。
    UTF-32がそのまま使っている方式なのですね!
    勉強になります。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.64%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る