授業資料/テキストデータとは

テキストデータ†

• テキストデータとは　普通の文字(及び改行文字・タブ文字)のコードだけが並んでいるデータ
  • テキストファイル
  • バイナリファイル

• テキストファイルとワープロファイルとの違い

• テキストファイルの種類
  • プレーンテキスト
    • 拡張子はふつうtxt
  • 表形式テキスト
    • 拡張子：CSV
  • タグ付きテキスト 例) HTML,XML
    • 拡張子：htm,html / xml
• テキストファイルの利点
  • おおよそどのようなコンピュータ環境でも利用可能
  • さまざまなアプリケーションが対応（インポート／エクスポート）

コンピュータと文字†

コンピュータなどの情報機器では、文字に数字を割り振ることで文字を扱っている。

• どの文字に数字をどう割り振るかという規定＝文字コード
  • どれだけの文字に：文字集合（文字セット）
  • どう数字を割り振るか：文字符号化方式（エンコーディング）

文字集合（文字セット）

例) JIS第一水準・ユニコード2.0，常用漢字表・諸橋大漢和の見出し漢字…

エンコード(符号化方式)

例) Shift JIS・ISO 2022-JP・日本語EUC・UTF-8…

• どこまでを同じ文字と見なすか：包摂規準

符号化方式別の文字番号の例†

コンピュータと16進数†

そもそもコンピュータで扱う情報はすべて1と0の組み合わせ

• スイッチのON/OFF→1と0の組み合わせ→２進数
• 16進数は2進数と相性がよく人間にも比較的わかりやすい

2進数と16進数

36484（10進数）=1000111010000100(2進数)=8E84（16進数）
2進数は4桁ごとに16進数0～Fに対応する（2^4=16だから）

1000	1110	1000	0100
8	E	8	4

情報の最小単位 ビット

0か1か=1ビット

• パソコンなどでは8ビットをひとまとめにした1バイトを最小の単位として扱う
  • 1バイト=2^8=256，2バイト=2^8×2^8=2^16=65536

文字化け†

1. 異なる文字コード
   1. 文字集合の違い　→外字・機種依存文字
   2. 符号化方式の違い
2. 異なるフォント

JIS漢字コード†

1969年　JIS X 0201(JISローマ字カナ)　ASCII＋カタカナ
1978年　JIS X 0208(JIS基本漢字)　〈ISO2022系〉非漢字453字・漢字6349字(第1水準・第2水準)
　　　　78JIS　旧JIS　
　　　　83JIS　非漢字71字・漢字4字追加。字体の変更、第1水準・第2水準間の字体の入れ替え。これ以降を新JIS
　　　　90JIS　漢字2字追加
　　　　97JIS　「包摂規準」
1990年　JIS X 0212(JIS補助漢字)　〈ISO2022系〉非漢字245字・漢字5801字
2000年　JIS X 0213(JIS拡張漢字)　〈ISO2022系〉非漢字659字・漢字3685字(第3水準・第4水準)
　　　　JIS X 0213:2004年　改正
2012年　JIS X 0213:2012　2010年改訂の常用漢字表改定に対応

〈ISO 10646(Unicode)系〉

1995年　[[JIS X 0221>https://ja.wikipedia.org/wiki/JIS_X_0221]]
 :
2014年　JIS X 0221:2014 絵文字追加（Unicode6.1）
2020年　JIS X 0221:2020 戸籍統一文字・変体仮名など（Unicode10.0）

最新の10件