XMLの文字コード (第2回 Unicode)
Unicodeとは
Unicodeは、全世界の言語を記述可能な文字セットです。(文字セットの意味は、「第1回 文字セットと文字コード」を参照してください。)
Unicode文字セットは百万を超える文字を収容でき、現在は143,859個の文字が登録されています。
Unicodeの文字番号は、21ビットで表します。(0〜0x1FFFFF)
Unicodeは、世界各国の既存の文字セットの上位互換になっています。
UnicodeはUnicodeコンソーシアムによって定義され、1993年にISOに登録されました。(現在はJISにも登録されています。)
Unicode登場の背景
従来は、OSやアプリを言語別にカスタマイズしていました(英語版、日本語版、アラビア語版など)が、ITのグローバル化によって対応言語が増え、カスタマイズでは対応が困難になりました。
全世界の言語に対応したOSやアプリの作成には、全世界の言語を表現できる文字セットが必要です。
UnicodeとXMLの関係
XMLはUnicodeで記述します。
UnicodeとJISとの関係
Unicodeは、すべてのJIS文字セットの文字を含みます。
従来の日本語用文字コードは、Unicodeに完全に変換できます。
従来の日本語用文字コードをUnicodeに変換したものから、元の文字コードを完全に復元できます。(相互互換性)
Unicodeの歴史
Unicode 1.x (1992～)
最初のバージョン (文字番号は16ビット)
JIS第1/第2水準漢字、JIS補助漢字に対応
ISOに登録 (ISO/IEC 10646)
Unicode 2.x (1996～)
Windows NTがUnicodeを採用
XML(1996制定)がUnicodeを採用
Unicode 3.x (2000～)
JIS第3/第4水準に対応
16ビットでは文字を収容しきれなくなり、21ビットに拡張
Unicode 6.x (2010～)
絵文字を追加 (iPhone/Androidで絵文字が使えるようになる)
Unicode 7.0 (2014)
このバージョン以降、毎年定期バージョンアップとなる
Unicode 12.1 (2019/5)
日本の改元対応のため、緊急バージョンアップ (組み文字「㋿」を追加)
Unicode 13.0 (2020)
最新バージョン
