コンピュータ基礎I

第七回 文字コード

平成18年6月1日

藤川 賢治
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
質問

Q. 数字や文字を打ち込んでメールを送ったりインターネットにつないだりするのがみれ
   ておもしろかったです。どこに打ち込んでいるのかが疑問です。

A. 図による説明
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
文字の話 (文字コードの前振りとして)

文字コードは字体整理の延長上にある

万葉仮名
- もともとは漢字の音だけを借りて、漢字で音を表わしていた。
- 真名の対義語として、仮名という。

仮名
- 万葉仮名の草書体を更にくずしたもの。  
- 元々300くらいあり、江戸時代末には150くらいに減らした。
- 一音に対して複数文字ある。
- むしろ、この漢字の草書体は、この音の表記にも使える、という意識
- 現在の平仮名は明治になつて教育のため、一音一文字にしたもの。
- ゆとり教育のはしり
- ただし、活字化、印刷の為には止むを得ない面もある

変体仮名 
- 現在の平仮名以外の  それ以外の平仮名は、変体仮名と呼ばれる。
- 文字コードに含めることが検討されているが、現在までのところ含まれず
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
歴史的假名遣ひ
- 和語に爲のものと漢語の爲のもの(字音假名遣ひがある)

歴史的假名遣ひ(和語)
- 歴史的意義、文法を考慮
- 文語も口語も統一的に扱へる

現代かなづかい
- 戰後、漢字を廃止、カタカナ化、ローマ字化移行への布石
- 表音主義に基く表記法
- しかし表音主義としても出鱈目
- こんにちわ撲滅委員會

字音假名遣ひ
- 漢字の振假名
- 例 王(ワウ) 長(チャウ) 京(ケイ、キャウ) 早(サウ) 蝶(テフ)
- 鼻腔音 ing、 eng は イ、それ以外の ng はウと綴る
  - ただし、イやウで終ると必ず ng といふ
  - 中國人の名前 王(Wang)、長(Chang)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
音便

 神戸
  元々は、かみべ

 和語に関しては、語の頭以外の、う、い はほぼ音便であるという原則がある。
  かみべ -> かうべ
  かみかみし -> かうがうしい -> こうごうしい (神々し)

  をとひと -> をとうと (弟)
  いもひと -> いもうと (妹)
  かりひと -> かりうど (狩人)
  
 その他、音便には、促音便(っ)と撥音便(ん)が有る。

  ぬすひと -> ぬすっと (盗人)
  あきひと -> あきんど (商人)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
当用漢字 当面用いる漢字
- 戦後、将来の漢字廃止を見据え、当面用いる漢字として 1850文字を制定
- 書体としては楷書体を元にした。
- 新しい字体を「新字」と呼び、それまでの字体を「旧字」と呼ぶやうになった
- 漢字制限
  -> まぜ書きの多用、書き換え字の氾濫

まぜ書きの例)

障害者 -> 障がい者
趨勢 -> すう勢

書き換え字の例)

交叉点 -> 交差点
両棲類 -> 両生類
函数   -> 関数
障害者 -> 障碍者

常用漢字
- 当用漢字に漢字を追加した物。教育の規範。1945字。
- 当用漢字は廃止
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
中途半端な表音主義
  ゐる (居る) -> いる
  おもふ (思ふ) -> おもう
  うゑる (飢ゑる, 植ゑる) -> うえる 
  すゑる (据ゑる) -> すえる
  かりうど (狩人) -> かりゅうど
  
  ちぢむ (縮む) -> ちぢむ (その儘《まま》)
  はなぢ (鼻血) -> はなぢ (その儘)
  ぢめん (地面) -> じめん
  せかいぢゅう (世界中) -> せかいじゅう

  つづく -> つづく (その儘)
  一つづつ -> 一つずつ

  頷《うなづ》く -> うなずく
  躓《つまづ》く -> つまずく
  跪《ひざまづ》く -> ひざまずく
  基《もとづ》く -> 基《もと》づく (その儘)
  色附《いろづ》く -> 色付く《いろづ》く (その儘)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
簡体字
 中華人民共和国で使われている漢字。
 字形の体系的な省略がなされている。
 ただし北京語発音を考慮しすぎ。

繁体字(繁體字)
 台湾(臺灣)や香港で使われている漢字。
 康煕字典体を元にしている。旧字とほぼ同じ

康煕字典体 
 清の時代の康煕帝が編纂した字典を元にした字体。
 伝統的な楷書体とは隨分字形の違う字も有るが、
 印刷用書体として伝統的に使われてきた。

新字
 簡略化したものだが、伝統的な楷書体を元にしたもの。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
樣々な漢字の字形



━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
 現在のJIS規格の日本語用文字集合の字形の基本指針
  (紆餘曲折の結果)
  - 常用漢字は新字の字形に従う
  - それ以外は伝統的な字形(康煕字典体)に従う (例外有り)
  (- 平仮名は変体仮名を含まない)

 この結果、常用漢字とそうでない漢字では偏《へん》や旁《つくり》が
 同じ部品で有っても、違う字形の文字が大量に存在することに。

 例) 自轉 傳統 團體 專門 囀《さえず》る
 ->  自転 伝統 団体 専門 囀《さえず》る

     佛教 拂ふ 沸騰
 ->  仏教 払う 沸騰

     假名 休暇
 ->  仮名 休暇

     齒 噛む 齟齬
 ->  歯 噛む 齟齬
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
文字集合と文字符号化方式

文字集合
 どのような文字を扱うことができるかを決めたもの。
 多くの文字を集めたもの。
 例)
 - JIS X 0208 は、仮名、漢字を中心に、6,879文字を輯録(集録)
 - UNICODE は世界中の文字を 数万字輯録

文字符号化方式
 データ交換の為の、数値と文字と対応関係
 iso-2022-jp, euc-jp, shift_jis, utf-8 など
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
日本語を表現できる文字コードの種類

 文字集合 JISX0208 を符合化する文字符号化方式

 1. iso-2022-jp
   メールやWEBで使われる。
   メールでは必須。

 2. euc-jp (Extended Unix Code: EUC漢字コード)
   UNIX系のOSで使われる。
   WEBで使われることもあるが、御勧めできない。

 3. shift_jis (シフトJIS漢字コード)
   メールで使うと嫌われることがある。(私は嫌う)
   WEBではよく使われている

 例) 「testです。」の符合化
 1. 74 65 73 74 1b 24 42 24 47 24 39 21 23 1b 28 42
    t  e  s  t  ESC $  B   で   す     。  ESC (  B

    -> 「ESC(エスケープ)シーケンス」と呼ばれる
    ESC $ B はここから日本語の文字集合を使うことを意味する
    ESC ( B はここから英語の文字集合を使うことを意味する

 2. 74 65 73 74 a4 c7 a4 b9 a1 a3
    t  e  s  t    で    す    。

 3. 74 65 73 74 82 c5 82 b7 81 42
    t  e  s  t    で    す    。

 文字集合としてUNICODEを符合化する文字符号化方式

 - UTF-8, UTF-16 など。UTF-8 が良く使われる。(Wikipediaなど)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
課題1 適当にサイトを開いて、その URL の説明せよ。
      ただし、http://www.google.co.jp/ <-- ここで終るのは不可
      ヒント: ヤフーなどのポートルサイトでカテゴリ分けされているものは分り易い

例) http://baseball.yahoo.co.jp/npb/standings/

    http: 
	HTTPプロトコル
    baseball.yahoo.co.jp
	サーバ名、
		yahoo 会社名、co company、jp japan
    npb/standings/
	ディレクトリ(フォルダ)名、ファイル名
		npb National Professional Baseball、standings 順位表

課題2. 授業の感想、要望など。