「マルチバイト文字」の版間の差分
削除された内容 追加された内容
編集の要約なし |
編集の要約なし |
||
45行目:
[[C言語]]の規格において、<code>char</code>型以上のサイズを持つ<code>wchar_t</code>型を利用した[[ワイド文字]]（列）に対して、<code>char</code>型を利用して1文字あたり1バイト以上の可変長のバイト列として表したものをマルチバイト文字（列）という。ワイド文字に対する用語のため、1文字をもっぱら1バイトで表すシングルバイト文字であっても、この意味ではマルチバイト文字に含まれる。
ワイド文字を内部処理に用いるプラットフォームもある。ワイド文字のサイズが2バイトあるいは4バイトの場合、本来1文字ごとに1バイトで収まるはずのASCII範囲の文字にも2バイトあるいは4バイトを費やすことになり、少なくともASCII範囲に関してはメモリ効率は劣ることになるが、処理対象のデータ中にマルチバイト文字で表現すると
ワイド文字およびマルチバイト文字の具体的な表現は環境依存であり規格には定めがない。これらは、実在する具体的な文字集合や符号化方式を分類する用語ではなく、固定長か可変長かという概念を定義した用語である。そのため、何がワイド文字で何がマルチバイト文字かという考え方ではなく、ワイド文字の表現として何を使い、マルチバイト文字の表現として何を使うか、という考え方をとる。ワイド文字としては、{{いつ範囲|date=2019-07|近年}}では [[Unicode]] が使われることが多い。マルチバイト文字の符号化方式は[[ロケール]]に依存するが、ほとんどの場合は ASCII あるいは ISO 646 をベースにしたものとなり、日本語ロケールであれば一般的に Shift_JIS や EUC-JP になる。UTF-8 が用いられる場合もある。
ワイド文字は当初、文字集合におけるすべての文字を等しいサイズのデータで一様に処理できるようにすることを想定していた。しかし、[[Unicode]]において[[サロゲートペア]]、[[結合文字]]、[[異体字セレクタ]]といった拡張概念が採用されたことにより、[[UTF-16]]や[[UTF-32]]といった符号化方式のデータをワイド文字に格納する場合、たとえワイド文字が16ビットあるいは32ビットのサイズを持っていたとしても、1つのワイド文字だけでは表現できないUnicode文字も現れるようになった。文字境界の判定や文字数のカウントなど、プログラム上での扱いはマルチバイト文字と同様に注意を要する。
C言語（[[ANSI C#C95|C95]]以降）では、マルチバイト文字（列）の操作のために以下のような関数が規定されている。ただし、特に日本語のような2バイト文字集合を含むロケールでは、実装が不十分で実用に耐えない場合も多い。
| |||