天国にいけるＣ言語入門 ヘキサ構造体 ver２.2126

半角英数字が1バイト、全角文字のデータが2バイトに格納されているとはどういうことなのでしょうか 数値から画像データを呼び出すのが%c出力変換指定子の役割なのです

solarplexuss

「今日は　よく、いろんな書物にみられる

半角英数字が1バイト、全角文字のデータが2バイトに格納されている

とは　どういうことなのかを

みんなで楽しく考察してみます。」

ソーラー「半角英数字って

コマンドプロンプト画面やこのカクヨムにも表示されている

あの英字aや数値1

のことだよね。

もし

半角英数字のデータが1バイトであらわされているのなら

英字aや数値1のデータも

1バイトつまり８ビットに収められているということになるよね

まあ、当然かな😊」

アレサ「８ビット分のメモリなら

0もしくは1を並べて

00100000や10000001のように

8つ分

０か１を格納することができるのでした。

そして

メモリ内に収められた

00000000は数値0

00000001は数値1

00000010は数値2

.

.

.

11111111は数値255

に対応しているのですの」

ソーラー

「数値データ(0から255までの数値）が1バイトに格納されるのはわかるんだけど

半角文字aは1バイトつまり８ビットのデータ量をもつってどういうことかな・・・？？？

う～ん　ちょっと　わかんないな・・・

半角文字aの

形状をじっと観察してみると・・・

　　　　　　　　　　　　　　　　　　a

よ～くみてよ

この半角文字aを0と1だけを８ビット分もちいて

あらわすことができるかな？」

solarplexuss

「う～んん(^^♪

　　　　　　　　半角文字aは1バイトのデータ量をもつ

か・・・

この 　

　　　　　　　　　　a

という文字には綺麗に曲線を描いてる部分があるよね

この

なめらかなカーブの形状を

0と1を８ビット分

つまり

０か1を8個だけ用いて

表現することはできないような気がするんだけど

どうなってるのかな？」

アレサ

「仮に

半角英数字１文字はパソコン画面上で

次のようなドット表示枠

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

の中で表されるとします。

（実際にはもっと□の数，ドットの数はおおいです。）

半角英数字1文字を

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

このドット枠の□を黒く塗りつぶして表現していきます。

半角英数字1は

□□□■□□□

□□□■□□□

□□□■□□□

□□□■□□□　　1にみえるかな？

□□□■□□□

半角英数字aは

■■■■■■■

□□□□□□■

■■■■■■■

■□□□□□■

■■■■■■■　　aにみえますか？

このように表現されます。

ここまではいいですか？

ここで

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

を

■で塗りつぶすパターンは

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□■

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□■□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□■■

.

.

.

.

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■□

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

👆

のように

全部で

２の３５乗通りものパターンがあります。

ちょっとわかりにくいので

👇

□□□□□□□1

□□□□□□□2

□□□□□□□3

□□□□□□□4

□□□□□□□5

を

横に並べかえてみます

□□□□□□□1□□□□□□□2□□□□□□□3□□□□□□□4□□□□□□□5

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

は

□の部屋が

□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□

のように

横に35個ならんでいるのに相当します

さきほどの

■で塗りつぶすパターン

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□■

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□■□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□■■

.

.

.

.

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

は

□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□

□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□■

□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□■□

□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□■■

.

.

.

.

■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■

と並べ替えられます😊

□を0

■を1で表現するなら

さきほどの

■で塗りつぶすパターン

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□■

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□■□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□□□

□□□□□■■

.

.

.

.

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

■■■■■■■

これらの２の３５乗のパターンは

最終的には

00000000000000000000000000000000000(35ビット)

00000000000000000000000000000000001(35ビット)

00000000000000000000000000000000010(35ビット)

00000000000000000000000000000000011(35ビット)

.

.

.

.

.

11111111111111111111111111111111111(35ビット)

であらわされます

半角英数字aを

■■■■■■■

□□□□□□■

■■■■■■■

■□□□□□■

■■■■■■■　

で表し

□を0

■を1で表現するなら

1111111

0000001

1111111

1000001

1111111

横に並べると

11111110000001111111110000011111111

で表されることになります。

つまり

半角英数字aを

0と1で表現するのに

0と1の並びを格納する

35ビットのお部屋が必要となり

８ビットでは半角英数字aを表現しきれません。

つまり

８ビットという少ないデータ容量

８ビット分のお部屋

では

画面の枠内にaを表示することはできないというわけです。

ですから

半角英数字aは

1バイト文字といっても

８ビットの0と1だけを用いて直接表現されているわけではないのです。」

ソーラー「そうなると　考えられる可能性は

半角英数字a

半角英数字b

半角英数字c

などには

番号が割り振られていて

その番号が1バイトのメモリに格納されているのじゃないのかな

半角英数字a

半角英数字b

半角英数字c

に対応する番号は

‭01100001‬

‭01100010

‭01100011‬

って

こんな感じかな？

この番号をつかって

半角英数字a

半角英数字b

半角英数字c

の画像データが呼び出される

そういう仕組みなんじゃないかな」

solarplexuss「

いいかえてみると

どこかに

半角英数字a

半角英数字b

半角英数字c

の画像情報が作製、保存されていて

その画像情報

半角英数字a

半角英数字b

半角英数字c

に番号がつけられているというわけです。

そして

半角英数字aの画像データを呼び出したいなら

半角英数字aに割り振られた数値、番号をつかえばよいというわけです。

そのとき

　　🍒その数値を%c変換指定子を用いてprintf出力表示すると🍒

🍒その数値に対応した文字がコマンドプロンプト画面に表示されます🍒

つまり

半角英数字のデータが1バイトに格納されている

とは

半角英数字aの画像情報が直に1バイト分の0と1で表現されているのでなく

半角英数字aの画像情報に割り振られた数値（番号）が１バイト（８ビット）

のメモリに

‭01100001‬と

格納されているというわけです。」

ソーラー「あっ　もしや

半角英数字aに割り振られた番号って

もろ　アスキーコードのことじゃないかな」

solarplexuss

「となると

１バイトは

０から255までの256個の数値しか格納できないので

半角英数字の画像情報は0から255までしか番号づけることができず

１バイト文字である半角英数字は

最大で256個しか存在しないことになるのです。

ね、ね、(´▽｀*)/ そうじゃない？

」

ソーラー「確かにアスキーコードは

256個もなかったような・・・

127個だったね

その中で

文字を表示するときに使用されるアスキーコードは

確か・・・

アスキーコード32は空白スペース、

アスキーコード33から126は文字の画像データだったような」

solarplexuss「なんで　そんなことしってるの？

すごくない？」

ソーラー「いえ、どこかでみたことがあるんです。

どこだったかな？

それにしても～

なんかchar型の形式でメモリに格納できる数値の範囲

-128から127をみておもったんだけど

127とアスキーコードの数127が一致しているね。」

solarplexuss「同様に

全角文字のデータが2バイトに格納されているとはどういうことなのか

もわかってきます。

全角文字は　ひらがなやカタカナ、漢字、など

たくさんのタイプのデータがあります。

漢字だけでも１万文字はあるでしょうか？

全角文字のデータが2バイトに格納されているとは

半角文字のときと同様に

それら全角文字の画像データを

２バイト分の16個の0と1で直接表現しているのではなく

ひらがなやカタカナ、漢字の画像情報に

割り振られた番号を

２バイトのメモリに

このように

0001000101100000

格納しているというわけです。

２バイトは0から65535までの数値を格納できます

その0から65535の数値に対応するように画像データを対応させるので

２バイト文字である全角文字も最大で

65536文字しか存在できないことになるわけです。

ね！ね！どう？　よくない？　このアイデア？」

ソーラー「そうだね

でも　もしかしたら

実際には１バイト文字、２バイト文字の区別は必要ないのかも

しれないね。

画像データに割り振られた番号は

すべて１０バイトのメモリに格納してもいいわけだし。

もしかしたら、これはデータ容量が極端に少なかった

コンピュータ初期の時代のシステムの名残なのかな？

昔は２バイトでもコンピュータのメモリに記憶させるには

かなりおおきなデータ容量だったのかも？

だから

当初は

１バイトのメモリに格納される数値（番号）に対応する

半角英数字

つまり

アスキーコード32（空白スペース）

と

アスキーコード33から126に対応する文字しか

つかわれなかったんじゃないかな？

例えば

極端な例で

コンピュータのメモリ容量が１０バイトしかないとするよ。

そのとき

文字

a

b

c

をコマンドプロンプト画面に表示したいとします

文字

a

b

c

の画像データを呼び出して使用するには

アスキーコード

‭01100001‬

‭01100010‬

‭01100011‬

を使用します

そこで

コンピュータのメモリに

‭01100001‬

‭01100010‬

‭01100011‬

をメモリに記憶させることになるんだけど

もうこれだけで

3バイトも使用されてしまうからね。

コンピュータもフリーズしちゃいそうだね。」

solarplexuss「うっわ　ほんとうだ」

ソーラー「

もし

半角英数字の画像データに対応する数値（番号）を

1バイトでなく

2バイトのメモリにわたって格納していたなら

コンピュータのメモリに

‭0000000001100001‬（2バイト）

00000000‭01100010‬（2バイト）

00000000‭01100011‬（2バイト）

を記憶させることになり

もう10バイトのうち

6バイトも使用されてしまうからね。

そこで

１バイトのメモリに文字の画像データに対応する数値（番号）をおさめていたのだけど・・・

けど

でもね

１バイトのメモリに文字の画像データに対応する数値（番号）をおさめていたのでは

表示できる文字が最大でも255個と限りがあります

他にもアスキーコードに対応する英字や記号だけでなく

ひらがな、カタカナ、漢字なども使いたくなってきます

そこで

メモリに余裕が出てくると

ひらがな、カタカナ、漢字などの画像データに

２バイト分の数値データ

つまり

０もしくは1が16個用いられた

数値データ

たとえば

0001101010100011のようなものを

割り振り

その画像データに割り振られた数値データをもちいて

ひらがな、カタカナ、漢字を表示するようになりました

今なら

画像データに対応する数値（番号）をいくらでも格納できるほど

メモリに容量があるので

10バイトのメモリにわたって画像データに対応する数値（番号）を格納してもいいかもしれないけど

メモリの無駄遣いになるからそんなことはしないかな。

さすがにメモリを使いすぎると

もしかしたら

コンピュータがメモリ不足でフリーズするかもしれないからね。

ところで

もともと

a,b,c,+,-,*・・・の画像データに付けられた番号(アスキーコード）は

1バイト分のデータ量を持っていました

a‭の画像データなら‭01100001‬　(10進数では98)　

b‭の画像データなら‭01100010　(10進数では99)

c‭の画像データなら‭01100011‬　(10進数では100)

のようにです

２バイトのメモリに

ひらがな、カタカナ、漢字などの画像データに対応する数値（番号）をおさめるようになったので

それにあわせ

半角英数字の画像データにも２バイト分の数値を対応させることにしました

a‭の画像データなら00000000‭01100001‬

b‭の画像データなら00000000‭01100010

c‭の画像データなら00000000‭01100011‬

という具合にです

00000000‭01100001‬

00000000‭01100010

00000000‭01100011‬

は

10進数では

98

99

100

に相当します

16ビットのデータ量で表される

00000000‭01100001‬ (10進数では98)

00000000‭01100010 (10進数では99)

00000000‭01100011‬ (10進数では100)

👆

これらのデータはユニコードとよばれます

この

ユニコード

00000000‭01100001‬ (10進数では98)

00000000‭01100010 (10進数では99)

00000000‭01100011‬ (10進数では100)

を利用して半角英数字の画像データ

a

b

c

を呼び出すことができます

ですが

アスキーコードを利用して半角英数字の画像データを呼び出すという方法は現在でもつかわれています

つまり

アスキーコードを利用して半角英数字

a

b

c

の画像データを呼び出すという方法

と

ユニコードを利用して半角英数字

a

b

c

の画像データを呼び出すという方法

が両方存在しているというわけです

今は

2バイトのメモリに画像データに対応する数値（番号）を格納するのが

主流になっています。

繰り返しになりますが

それらの画像データに対応する数値（番号）は

　　　　　　　　　🌞ユニコード🌞

とよばれています。

2バイトのメモリに画像データに対応する数値（番号）を格納するので

最大で65536個の文字の画像データに

数値（番号）を割り当てることができます

（2バイトのメモリでは65536個の数値データを表現することができます）

ですが

🍎　🍊　😻　🐟　🍰　🐤　🌻　🌊　💦（すべて２バイト文字）

（これらの可愛い絵文字は２バイト文字なので全てユニコードとよばれています）

こんな新しいタイプの文字がどんどんでてきているから

２バイトでは

新しい文字に割り振るための数値が不足し

いつか

すべての文字の画像データには3バイト分の数値データが割り振られる日が

くるんじゃないかな？」

アレサ「🍰は確か環境依存文字と呼ばれる文字でしたね。

環境依存文字は

ユーザーの環境によって

表示できたりできなかったりする文字のことですね。

パソコンで🐤などのような環境依存文字がうちこまれたファイルを

スマートフォンで閲覧すると文字化けがおこったりしていますね。

今回は

半角英数字が1バイト、全角文字のデータが2バイトに格納されているとはどういうことかを

みんなでたのしく推察してみました。」