ISO/IEC 10646
出典: フリー百科事典『ウィキペディア（Wikipedia）』
ISO/IEC 10646 (UCS; Universal Multiple-Octet Coded Character Set) は、符号化文字集合の国際規格のひとつ。日本の対応規格はJIS X 0221（国際符号化文字集合)。
Unicodeをベースにして文字空間を31ビットに拡張したもの。基本的にUnicodeに対して上位互換性がある。符号化方式は、Unicodeと同じUTF-8やUTF-16が使われることが多い。ただし、Unicodeの『UTF』が『Unicode Transformation Format』を意味するのに対して、ISO/IEC 10646の『UTF』は『UCS Transformation Format』を意味する点が違う。
群 (group)、面 (plane)、区 (row)、点 (cell) として分けられ、現在はUnicodeと同じ第0群第0面の基本多言語面(BMP; Basic Multilingual Plane)と補足面の第0群第1面～第16面までの範囲で文字が定義されている。
- ISO/IEC 10646:2003 Information technology -- Universal Multiple-Octet Coded Character Set (UCS)
- ISO/IEC 10646:2003/Amd 1:2005 Glagolitic, Coptic, Georgian and other characters
- ISO/IEC 10646:2003/Amd 2:2006 N'Ko, Phags-pa, Phoenician and other characters
目次 |
[編集] 制定の経緯とその影響
この規格は制定の一歩手前の段階までは、現在の姿とはかなり異なる仕様だった。4オクテットの符号であり、各オクテットをそれぞれ群、面、区、点とする。各面には従来のコントロール領域を避けた0x20〜0x7Fと0xA0〜0xFFの範囲に文字を割り当てる。その範囲にISO/IEC 2022に従った構造の各国コード (ISO/IEC 8859やJIS X 0208、GB 2312など) を平行移動してそっくり収容するという、従来のコード系との互換性を最大限に尊重した構成をとっていた。
この案は1990年に国際標準の一歩前の段階のDIS (Draft International Standard) として作成されたが、1991年の投票で否決された。その理由は、同じ時期にアメリカの企業群がUnicode仕様を作成したため、同じ目的の規格が2つ作られることを避けることだった。
その後、DIS 10646とUnicodeとを一本化する作業が行われた。既存規格との整合性を重んじたDIS 10646に対して、Unicodeは各種アルファベット類は新規割り当て、漢字は日中韓を統合、符号位置はコントロール領域まで全て使って2オクテット固定という、全く異なる方針で設計されていた。結果として、「群・面・区・点」という用語は残しながら、第0群第0面を基本多言語面 (BMP) と称し、BMPにUnicodeをそっくり入れてその他の群・面は未使用という、実質2オクテットの符号となった。
結局、Unicodeに乗っ取られ第1版とは似ても似つかぬ符号になったDIS 10646第2版が、そのままInternational Standardとして制定されることとなった。1993年のことである。
このような経緯をたどり、既存規格との対応が不明確な定義になってしまったため、既存規格とのコード変換において、似たような形の多い記号のどれに対応させるのかの判断が困難となる問題が生じた。これにより、製品によってコード変換が異なる問題が常態化し、この問題に起因する文字化けは今に至るまで解決の目処が経っていない。ただし漢字については、元になった各国規格の符号位置が明示されているため変換の違いは生じていない。
[編集] 文字集合のサブセット
- UCS-2
- 2バイト固定のUCS(Universal Coded-Character Set)である。Unicode とおなじBMP（基本多言語面）のみを使う場合の16ビットコード。UTF-16とは異なり、BMP以外の文字を使うことはできない。
- UCS-4
- 31ビットを使うコード。4バイトを基本とするUCS。Unicodeの符号化方式であるUTF-32と似ているが、Unicode以外のコード（0x10FFFF以降）も定義されれば使用できるという点が異なる。Sun MicrosystemsのSolaris Operating Systemで採用されている
[編集] 文字符号化方式
- UTF-8 (8-bit UCS Transformation Format)
- UnicodeのUTF-8とほぼ同じ。31ビットに対応するため6バイト長まで拡張されている。
[編集] 実装レベル
- Level 1
- 合成文字などを扱わない
- Level 2
- 必要な合成文字を扱える
- Level 3
- 全て扱える
- UnicodeはLevel 3
