みなさん、こんにちは!元中学校技術科教員で、高校情報の教員免許を持っているおきぺんです。YouTubeチャンネル「ギリギリ技術」でも情報Ⅰの授業動画を発信しています。スマホで毎日使う文字が、実はコンピュータの中では全部「0と1」で処理されているって知っていましたか?定期テストでもよく出る文字コードの仕組みを、元教員の目線でどこよりも分かりやすく解説します!
文字とデジタルの関係:コンピュータの中では文字はどう扱われている?
普段打っているLINEのメッセージも実は「0と1」の数字!
みなさんは普段、スマートフォンやパソコンで毎日のように文字を打っていますよね。友達とLINEをしたり、Instagramのキャプションを書いたり、調べ学習で検索ワードを入力したりしていると思います。
画面には当たり前のように「あ」や「A」、可愛い絵文字が表示されていますが、実はコンピュータ自身は「文字」というものをそのまま理解しているわけではありません。
前回の授業でもお話ししたように、コンピュータは電気のスイッチのオン(1)とオフ(0)の組み合わせ、つまり「2進数」の数字しか処理できない機械なんです。
では、どうやって私たちが打ち込んだ文字を画面に表示したり、相手のスマホに届けたりしているのでしょうか?
「文字コード」って何?文字と数字の変換ルール
そこで登場するのが、今回の主役である「文字コード」です。
文字コードとは、ひと言で言うと「文字や記号の1つひとつに、固有の番号(2進数)を割り当てた対応ルール」のことです。
例えば、人間同士でも「出席番号1番は青木くん、2番は井上さん」と番号を決めておけば、先生が「1番!」と呼んだだけで青木くんだと分かりますよね。コンピュータもこれと全く同じことをしています。
「大文字のAが入力されたら、コンピュータの中では 01000001 という2進数として扱おう」「ひらがなの『あ』が入力されたら、特定の番号に変換しよう」という約束事をあらかじめ決めておくのです。
このように、文字や記号を2進数で表す仕組みそのものを文字コードと呼びます。
1バイトで表せる文字の世界:英数字とASCIIコード
1バイト(8ビット)で表現できる文字数は何種類?
まずは基本となる、英語のアルファベットや数字、記号をコンピュータで表す仕組みから見ていきましょう。
ここで絶対に思い出してほしい単位があります。それが「ビット(bit)」と「バイト(Byte)」です。
覚えていますか?1バイトは「8ビット」でしたね!
ビットというのは「0」か「1」が入る箱のようなものです。箱が8個並んでいる状態が1バイトです。
それぞれの箱に「0」か「1」の2通りが入るので、8個の箱で作れる組み合わせは次のようになります。
- 2の8乗 = 256種類
つまり、1バイトの情報量があれば、最大で256種類の異なる文字や記号を区別して表すことができるわけです。
英語圏で使われる文字を思い浮かべてみてください。アルファベットの大文字が26文字、小文字が26文字、数字が0から9までの10文字、あとは四則演算の記号や句読点くらいですよね。全部合わせても100種類程度に収まります。
ですから、英語圏の文字を表すだけであれば、「文字1つにつき1バイト(8ビット)」用意すればお釣りがくるくらい十分だったのです。
ASCIIコードとは?英語圏で生まれた基本の文字コード
この「1文字=1バイト(正確には7ビット)」で英数字を表す代表的な文字コードが、アメリカで標準化された「ASCII(アスキー)コード」です。
ASCIIコードは、7ビット(2の7乗 = 128種類)を使って、アルファベットの大文字・小文字、数字、記号、そしてコンピュータを操作するための特殊な命令を表しています。
8ビットのうち残りの1ビットは、通信エラーをチェックするための「パリティビット」などに使われていました。
このASCIIコードは、現在使われているほぼすべての文字コードの基礎(土台)になっています。世界中のコンピュータ共通の「共通語」のような存在ですね。
2進数・16進数の文字コード表の読み方(定期テスト頻出!)
定期テストで最もよく出題されるのが、「文字コード表から指定された文字のコードを読み取る問題」や、その逆の「コードから元の文字を答える問題」です。
「えっ、先生!あの文字コード表の数字って全部暗記しなきゃいけないの?」と不安になる生徒さんが毎年たくさんいますが、安心してください。絶対に丸暗記する必要はありません!
テスト本番では必ず問題用紙に表が載っています。大切なのは、表の仕組みと読み方を理解しておくことです。
コンピュータの中では8桁の2進数(例:01000001)として処理されていますが、人間が2進数を見ると「0と1が長すぎて読みにくい!」となってしまいますよね。そこで、前回の授業で学んだ「16進数」を使って、上4桁と下4桁に分けてすっきり表現することが一般的です。
| 文字 | 2進数表現(8ビット:上位4ビット + 下位4ビット) | 16進数表記 |
|---|---|---|
| 数字の「0」 | 0011 0000 | 30 |
| 大文字の「A」 | 0100 0001 | 41 |
| 小文字の「a」 | 0110 0001 | 61 |
| 制御文字「DEL」 | 0111 1111 | 7F |
上の表を見てください。
例えば大文字の「A」は、上位4ビットが「0100(16進数で4)」、下位4ビットが「0001(16進数で1)」となっています。これを合わせると、16進数で「41」となります。
小文字の「a」は、上位が「0110(16進数で6)」、下位が「0001(16進数で1)」なので、16進数で「61」です。
定期テストで「16進数の『42』は何の文字を表していますか?」と聞かれたらどう答えますか?
大文字の「A」が41なので、その次の文字である「B」が42になりますよね!このように、規則性を掴んで表を読めるようにしておけば、どんな問題が出ても落ち着いて解くことができますよ。
画面には映らない「制御文字」の役割(改行や削除など)
先ほどの表の中に「DEL」という見慣れない文字がありましたね。これは「Delete(削除)」の略です。
文字コードには、画面に表示されるアルファベットや数字だけでなく、コンピュータや周辺機器に特定の動作を命令するための「制御コード(制御文字)」も含まれています。
具体的には以下のようなものがあります。
- 改行(CR / LF):カーソルを次の行の先頭に進める命令
- 復帰(CR):カーソルを行の先頭に戻す命令
- 削除(DEL):文字を1文字消去する命令
- 空白(スペース:SP):文字と文字の間にスペースを空ける命令
私たちがキーボードの「Enter」を押して改行したり、「BackSpace」や「Delete」を押して文字を消したりできるのは、この制御コードが文字と同じように2進数の信号としてコンピュータに送られているからなんです。
日本語はどうやって表すの?2バイト文字の登場
なぜ日本語は1バイトでは足りないのか?
ここまで英数字のお話をしてきましたが、みなさんの中には「あれ?英語はいいけど、私たちが使っている日本語はどうなるの?」と疑問に思った人がいるはずです。
そうなんです。ここに大きな壁がありました。
結論から言うと、1バイト(256種類)では日本語は絶対に表せません!
日本語の文字数を思い出してみましょう。
- ひらがな:約50文字(濁音・半濁音を含めると80文字以上)
- カタカナ:約50文字(濁音・半濁音を含めると80文字以上)
- 漢字:常用漢字だけでも2,136文字、人名用漢字や地名を含めると数万文字!
ひらがなとカタカナだけでも150種類を超えてしまい、ここに膨大な漢字が加わると、256種類しかない1バイトの枠は一瞬でパンクしてしまいます。
英語圏で作られた初期のコンピュータでは、日本語をそのまま扱うことができなかったのです。
2バイト(16ビット)の圧倒的な表現力:6万5000種類以上!
そこで日本の技術者たちは考えました。「1バイトで足りないなら、2バイト(16ビット)使えばいいじゃないか!」と。
では、2バイトになると何種類の文字を表せるようになるのでしょうか?計算してみましょう。
1バイトは8ビットなので、2バイトは「8ビット × 2 = 16ビット」です。
つまり、2の16乗の組み合わせを作ることができます。
- 2の16乗 = 65,536種類(約6.5万種類!)
256種類から一気に約6万5000種類へと大進化しました!この数字はものすごいですよね。
6万5000種類もあれば、日常で使うひらがなやカタカナはもちろんのこと、普段めったに見かけない難しい漢字や専門用語、さらには記号まで余裕でカバーすることができます。
こうして、日本語のような文字数の多い言語も、コンピュータ上で自由に扱えるようになりました。
この「1バイトで表す英数字」のことを一般に「半角文字」、「2バイト以上を使って表す日本語など」のことを「全角文字」と呼ぶのも、このデータ量の違いがもとになっているんですよ。
日本で使われてきた代表的な日本語文字コード
JISコード(日本産業規格に定められた標準)
2バイトを使って日本語を表すために、日本国内でいくつかのルール(文字コード)が作られました。
まず知っておくべきなのが「JIS(ジス)コード」です。
JISとは「日本産業規格(旧:日本工業規格)」の略称で、日本の国家規格として定められた標準的な文字コードです。
初期のインターネットや電子メールの世界で標準として広く使われてきました。
Shift_JIS(Windowsなどで広く普及したコード)
次に、みなさんに一番馴染みがあるかもしれないのが「Shift_JIS(シフトジス)」です。
JISコードには「1バイトの英数字モード」と「2バイトの日本語モード」を切り替えるための特別な信号(エスケープシーケンス)が必要で、少し扱いづらい面がありました。
そこで、従来の1バイトのASCIIコードと衝突しないように工夫し、切り替え信号なしで英数字と日本語を混在できるように開発されたのがShift_JISです。
MicrosoftのWindowsやMS-DOSを搭載したパソコンで標準的に採用されたため、パソコンの普及とともに日本中で最も使われる文字コードの1つになりました。
EUC-JP(UNIX系OSで親しまれたコード)
もう1つ、教科書に出てくる代表例が「EUC-JP(イーユーシージェーピー)」です。
EUCは「Extended Unix Code」の略で、主に大学の研究室や企業のサーバーなどで使われていたUNIX(ユニックス)系やLinuxのOS環境で広く普及した日本語文字コードです。
日本語のWebサーバーを構築する際などによく使われていました。
同じ「あ」でも文字コードによって数字が全然違う!比較表
ここで非常に重要なポイントがあります。
それは、「同じひらがなの『あ』であっても、採用する文字コードによってコンピュータ内部の番号(コード)が全く異なる」ということです。
実際に比較してみましょう。
| 文字コードの種類 | 主な利用環境・特徴 | ひらがな「あ」の16進数表記 |
|---|---|---|
| JISコード | 日本の国家標準規格、昔の電子メールなど | 2422 |
| Shift_JIS | Windowsパソコン、MS-DOS環境など | 82A0 |
| EUC-JP | UNIX系OS、Linuxサーバーなど | A4A2 |
| UTF-8(Unicode) | 現在の世界標準、Webサイト、スマホなど | E38182(3バイト) |
| UTF-16(Unicode) | Windows内部処理、Javaなど | 3042 |
表を見て驚きませんか?
画面で見れば全く同じ「あ」という1文字なのに、JISコードでは「2422」、Shift_JISでは「82A0」、EUC-JPでは「A4A2」と、割り当てられている番号がバラバラなんです。
この「文字コードごとに番号が違う」という事実こそが、後で解説する「文字化け」を引き起こす最大の原因になります!
世界標準の「Unicode」とインターネット時代の文字
バラバラだった文字コードを世界で1つにまとめる「Unicode」
日本国内だけでもJIS、Shift_JIS、EUC-JPと複数の文字コードが乱立していました。しかも、世界に目を向ければ、中国語には中国語のコード、韓国語には韓国語のコード、アラビア語にはアラビア語のコードが個別に存在していたのです。
インターネットが世界中に広がり、国境を越えてデータをやり取りする時代になると、これでは大混乱が起きてしまいますよね。
「世界中のすべての言語の文字を、ひとつの共通の文字コード体系で表せるようにしよう!」という壮大なプロジェクトが立ち上がりました。
こうして誕生した世界共通の文字コード規格が「Unicode(ユニコード)」です。
現在では世界中のパソコン、スマートフォン、WebサイトでUnicodeが標準として使われています。
Webで最も使われている「UTF-8」と「UTF-16」
Unicodeで規定された文字番号(コードポイント)を、実際のコンピュータデータとしてどのように並べるか(符号化するか)によって、いくつかの方程式が存在します。
その中でも特に有名なのが「UTF-8(ユーティーエフエイト)」と「UTF-16(ユーティーエフじゅうろく)」です。
- UTF-8:英数字は1バイト、日本語などの文字は3バイトなど、文字によってデータの長さを変える(可変長)方式。従来のASCIIコードと完全に互換性があるため、現在のインターネット(Webページ)の世界標準として圧倒的なシェアを誇っています。
- UTF-16:基本となる文字を2バイト単位で扱う方式。Javaなどのプログラミング言語の内部処理や、OSの内部データ処理でよく使われています。
高校情報Ⅰのテスト対策としては、「世界標準の文字コードはUnicodeであり、Webの世界ではUTF-8が主流である」という点をしっかり頭に入れておきましょう!
ガラケー発祥の「絵文字(Emoji)」が世界標準になった歴史
ここで動画でもお話しした、ちょっと面白い豆知識を紹介します。
みなさんが毎日のように使っている「ぴえん」の顔文字やハートマーク、動物などの「絵文字」です。
実はこの絵文字、もともとは日本の携帯電話(いわゆるガラケー)の文化から生まれたものなんです!
ドコモやau、ソフトバンクといった携帯会社がそれぞれ独自に絵文字のコードを作っていたため、昔は違う携帯会社同士でメールを送ると絵文字が表示されず、文字化けしてしまっていました。
しかし、2010年前後に絵文字が世界標準であるUnicodeの仲間入りを果たしました!
そのおかげで、今では「Emoji」という言葉が世界共通語になり、アメリカの人とiPhoneやAndroidでメッセージをやり取りしても、全く同じ可愛い絵文字が崩れることなく表示されるようになったのです。技術の進化って本当にすごいですよね。
テストで超狙われる!「文字化け」が起きる仕組みと防ぎ方
「エンコード」と「デコード」の意味をしっかり理解しよう
さて、定期テストの記述問題や正誤問題で頻出の超重要キーワードを2つ解説します。
それが「エンコード(符号化)」と「デコード(復号)」です。
言葉の響きが少し難しそうに感じますが、意味はとってもシンプルです!
- エンコード(符号化):人間が読める文字やデータを、コンピュータが扱える「規則に従った数字(2進数)」に変換すること
- デコード(復号):コンピュータ内の数字(2進数)を、人間が読める元の文字に復元すること(元に戻すこと)
この2つは常にセットです。「エンコードで数字に変えて送り、受け取った側がデコードで元の文字に戻して画面に映す」というキャッチボールを行っているわけですね。
文字化けが発生するメカニズム(具体例でイメージしよう)
昔のパソコンでWebページを開いたときや、受信したメールを開いたときに、意味不明な記号や漢字がズラリと並んだ「暗号のような画面」を見たことはありませんか?
あれこそが「文字化け」です。
では、なぜ文字化けが起きてしまうのでしょうか?
その理由は、「送信側がエンコードした文字コードの方式と、受信側がデコードした文字コードの方式が異なっているから」です!
先ほどの「あ」のコード比較表を思い出してください。
- 送信者が「Shift_JIS」のルールで「あ」を入力したとします。コンピュータは「あ」をShift_JISの番号である「82A0」というデータにエンコードして相手に送信します。
- 受信者のパソコンが、勘違いして「EUC-JP」のルールでそのデータをデコード(解元)しようとしました。
- EUC-JPの辞書には「82A0」という番号に「あ」は登録されていません(EUC-JPの『あ』はA4A2だからです)。その結果、別の見当違いな文字が表示されたり、「???」のようなエラー文字になって画面に表示されてしまいます。
日本語を話しているのに、相手がフランス語の辞書を引いて意味を理解しようとしているような状態ですね。これでは正しい意味が伝わるはずがありません。
文字化けを防ぐためのたった1つの鉄則
文字化けを防ぐための解決策はたった1つしかありません。
「データを送信する側と受信する側で、全く同じ文字コード(エンコード方式)を使用すること」です!
Webサイトを作るときにHTMLファイルの中に「charset=”UTF-8″」と指定するタグを書くのも、「このWebページはUTF-8で書かれているから、ブラウザさんもUTF-8でデコードして画面に表示してね!」とあらかじめ宣言しているからなんです。
現在ではUnicode(特にUTF-8)に世界中が統一されてきたため、昔に比べて文字化けを見る機会はずいぶん減りましたが、仕組みとしての重要性は今でも変わりません。
定期テストで差がつく!文字データの容量計算問題に挑戦
英数字(半角)と日本語(全角)のバイト数の違い
情報Ⅰの定期テストでは、文字コードの知識を使った「データ容量(バイト数)の計算問題」が非常によく出題されます。
ここで絶対に覚えておくべき計算の前提ルールがこちらです!
- 半角英数字・記号:1文字 = 1バイト(8ビット)
- 全角文字(ひらがな・カタカナ・漢字):1文字 = 2バイト(16ビット)
※UTF-8では日本語に3バイト使うことが多いですが、高校情報Ⅰの基礎計算テストでは「日本語(全角)=2バイト、英数字(半角)=1バイト」として計算させる問題が標準的です。問題文の指示をよく確認しましょう。
【例題】文字数とデータ容量の計算ステップを完全マスター
それでは、動画でも触れた具体例を使って、実際に計算問題を解く練習をしてみましょう!
【問題】
私のチャンネル名や名前にちなんで、以下の文字列のデータ容量を求めてみましょう。
すべて全角のひらがなで「おきぺん先生」(6文字)と入力し、続けて半角英数字で「girigiri」(8文字)と入力しました。
全角文字は1文字あたり2バイト、半角文字は1文字あたり1バイトとして処理される場合、この文字列全体のデータ容量は何バイトになるでしょうか?
【考え方と計算手順】
- まず全角文字(日本語)の部分を計算します。
「おきぺん先生」は全角で6文字です。
全角文字は1文字=2バイトなので、
6文字 × 2バイト = 12バイト となります。 - 次に半角文字(英数字)の部分を計算します。
「girigiri」は半角英字で8文字です。
半角文字は1文字=1バイトなので、
8文字 × 1バイト = 8バイト となります。 - 最後に両方の数値を足し合わせます。
12バイト + 8バイト = 20バイト
【正解】20バイト
いかがですか?計算自体は掛け算と足し算だけなので、全然難しくないですよね!
テストではさらに「400字詰め原稿用紙3枚分の日本語のテキストデータは何キロバイト(KB)になるか?」といった応用問題も出題されます。
1文字が何バイトなのかさえ分かっていれば、落ち着いて計算すれば確実に満点が狙えますよ!
まとめ:文字コードの全体像をもう一度振り返ろう
今回の授業で押さえておくべき最重要ポイント
最後に、定期テストに向けて今回学んだ大切なポイントをギュッと整理しておきましょう!
- 文字コード:文字や記号をコンピュータが理解できる2進数に対応付けたルールのこと。
- 1バイト(8ビット):256種類の文字を表せる。英語圏の英数字や記号(ASCIIコード)に利用される。
- 制御コード:改行や文字の削除など、画面には文字として出ない操作命令のこと。
- 2バイト(16ビット):65,536種類の文字を表せる。漢字やひらがななど文字数が多い言語に利用される。
- 日本語の主な文字コード:JISコード(国家規格)、Shift_JIS(Windowsで普及)、EUC-JP(UNIX系)。
- Unicode(ユニコード):世界中のすべての言語を1つの体系で扱える世界標準規格。WebサイトではUTF-8が主流。
- エンコードとデコード:エンコードは「文字から数値への変換」、デコードは「数値から文字への復元」。
- 文字化けの原因:送信側のエンコード方式と、受信側のデコード方式が一致していないために起こる。
文字コードの分野は、たくさんのアルファベットの略称(JIS、ASCII、UTFなど)が出てきて最初は戸惑うかもしれません。
でも、1つひとつの言葉をバラバラに暗記しようとするのではなく、「なぜその文字コードが必要になったのか?」という歴史や仕組みの流れ(全体像)で捉えると、驚くほどスッキリ理解できるようになります。
このブログ記事を何度も読み返して、ぜひ定期テストで高得点を勝ち取ってくださいね!
君ならできます。頑張って!


コメント