回答編集履歴
3
推敲
test
CHANGED
|
@@ -12,15 +12,53 @@
|
|
|
12
12
|
|
|
13
13
|
|
|
14
14
|
|
|
15
|
-
これまでの符号化方式をなかったことにするわけにはいかない、とはいえ
|
|
15
|
+
これまでの符号化方式をなかったことにするわけにはいかない、とはいえ
|
|
16
16
|
|
|
17
|
-
収まらない。なので符号化方式に無理やりサロゲートペアを
|
|
17
|
+
16ビットでは収まらない。なので符号化方式に無理やりサロゲートペアを
|
|
18
18
|
|
|
19
|
+
追加したが、それを UTF-16と呼びましょうということにした (ここで
|
|
20
|
+
|
|
19
|
-
|
|
21
|
+
はじめて文字集合と符号化方式のコード体系が分かれた)。
|
|
20
22
|
|
|
21
23
|
|
|
22
24
|
|
|
23
|
-
UTF-8 や UTF-32 は 32ビット化騒動以降にできたものなので、
|
|
25
|
+
UTF-8 や UTF-32 は 32ビット化騒動以降にできたものなので、
|
|
26
|
+
|
|
27
|
+
サロゲートペアという変なしくみはない。
|
|
28
|
+
|
|
29
|
+
|
|
30
|
+
|
|
31
|
+
ちなみに UCS-4(文字集合) と UTF-8 (符号化方式) の対応はこんな感じです。
|
|
32
|
+
|
|
33
|
+
```
|
|
34
|
+
|
|
35
|
+
UCS-4 (16進数) UTF-8 (2進数)
|
|
36
|
+
|
|
37
|
+
----------------- ---------------------------------------
|
|
38
|
+
|
|
39
|
+
00000000-0000007F 0xxxxxxx
|
|
40
|
+
|
|
41
|
+
00000080-000007FF 110xxxxx 10xxxxxx
|
|
42
|
+
|
|
43
|
+
00000800-0000FFFF 1110xxxx 10xxxxxx 10xxxxxx
|
|
44
|
+
|
|
45
|
+
00010000-001FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
|
|
46
|
+
|
|
47
|
+
```
|
|
48
|
+
|
|
49
|
+
16進数の 7 は 3bit、F は 4bit で表現できるので、
|
|
50
|
+
|
|
51
|
+
例えば UCS-4 の 000007FF は 3bit+4bit+4bit＝11bit。
|
|
52
|
+
|
|
53
|
+
対する右側 2進数の x の個数は 11個なので、11bit。
|
|
54
|
+
|
|
55
|
+
|
|
56
|
+
|
|
57
|
+
よって、UCS-4 のビットを少々移動するだけで UTF-8 になります。
|
|
58
|
+
|
|
59
|
+
これが UTF-8 にはサロゲートペアという変な仕組みはない、ということです。
|
|
60
|
+
|
|
61
|
+
|
|
24
62
|
|
|
25
63
|
|
|
26
64
|
|
2
推敲
test
CHANGED
|
@@ -12,7 +12,11 @@
|
|
|
12
12
|
|
|
13
13
|
|
|
14
14
|
|
|
15
|
+
これまでの符号化方式をなかったことにするわけにはいかない、とはいえ 16ビットでは
|
|
16
|
+
|
|
15
|
-
|
|
17
|
+
収まらない。なので符号化方式に無理やりサロゲートペアを追加したが、それを UTF-16
|
|
18
|
+
|
|
19
|
+
と呼びましょうということにした (ここではじめて文字集合と符号化方式のコード体系が分かれた)。
|
|
16
20
|
|
|
17
21
|
|
|
18
22
|
|
1
推敲
test
CHANGED
|
@@ -12,7 +12,7 @@
|
|
|
12
12
|
|
|
13
13
|
|
|
14
14
|
|
|
15
|
-
当然 16ビットでは収まらないので無理やりサロゲートペアを追加したが、それを UTF-16 と呼びましょうという話
|
|
15
|
+
当然 16ビットでは収まらないので符号化方式に無理やりサロゲートペアを追加したが、それを UTF-16 と呼びましょうという話になった。
|
|
16
16
|
|
|
17
17
|
|
|
18
18
|
|