文字コード

コンピューターの中では、すべてのデータが2進数、つまり0と1で表現されています。

文字(たとえば、アルファベット大文字のA)を0と1で表す方法を文字コードといい、以下のようなものがあります。

  • ASCII
  • EUC
  • JIS-2022-JP
  • Shift-JIS
  • Unicode (UTF-8)

日本語(ひらがな、カタカナ、漢字)を使う場合には、同じ文字でも、どの文字コードを使うかによって違う2進数データになります。 逆に、同じ2進数データでも、どの文字コードを使うかによって違う文字になります(文字化けが発生します)。

UnixやLinuxの日本語環境ではEUCが、WindowsやMac OSの日本語環境ではShift-JISが、日本語の電子メールではJIS-2022-JPが使われていました。

環境ごとに文字コードが違うのは不便なので、最近はどの環境でも共通してUnicode (UTF-8) を使うという流れになっています。

総合情報センターのLinuxサーバーではEUCが使われていますので、日本語を出力するプログラムを作成するときは、ファイルの文字コードEUCで保存しなければなりません。

改行コード

改行を表す制御文字には、以下の二つがあります。

  • CR: Carriage Return、行の頭に戻る
  • LF: Line Feed、次の行に進める

テレックスという通信型のタイプライターのような装置を制御するための文字なので、行の頭に戻るという操作と、次の行に進めるという動作が別々にできるようになっています。

UnixやLinuxではLFのみ、WindowsではCRとLFの連続した二文字、以前のMac OSではCRのみが改行を表すのに使われていました。

現在は、Unix、Linux、Mac用のOS XではLFのみ、WindowsではCRとLFの連続した二文字が改行を表すのに使われています。

WindowsのファイルではCRとLFの連続した二文字が改行を表すのに使われますが、LinuxではLFだけで改行とみなされますので、Windows PCで作成したファイルを総合情報センターのLinuxで開くと、行末に制御文字が余分についているように見えることがあります。

多くの場合、これが原因で何か問題が生じるということはありませんが、Windows PCでファイルの改行コードをLFのみにして保存しておけば、Linuxで開いたときに行末に制御文字が余分につくことはありません。

トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS