文字集合(CCS)のコードポイントをコード単位に写像するルール。

目次 概要 特徴 CESとCEF 実装面での考え方

概要

UnicodeにはUTF-16という符号がある。この符号系は多層的であるが、それぞれの層を呼び分ける必要があり、このためにCEFという呼称が作られた。

CEFは、あくまでもUTF-16で使うために作られた用語であり、UTF-16以外で使われることはまず無い。

特徴

CESとCEF

UTF-16は、16ビット単位の符号系であり、つまり1バイトは16ビットであるということもできる。

一方、文書ファイルなどは1バイト8ビットのバイト単位で処理されるため、16ビットでファイルに書き出したとしても、コンピューターや通信プロトコルは、それをバイト単位で処理することになる。

さてこの時、バイト単位で処理される姿は従来同様「CES」と呼ばれるが、その元の形である16ビット単位の姿を何と呼ぶべきかという問題が生じ、これを新規に「CEF」という名称を付けて呼ぶようになった。

つまり、Unicodeのコードポイント(CCS)→CEF→CESというように変形されていくことになる。

実装面での考え方

Windows APIやJavaなどは、文字列をUTF-16で扱っている。

プログラミングする際には、この16ビット整数の形で文字を扱うことになるが、このビット整数の状態をCEFと呼ぶことになる。

CEFという状態において、各16ビットの塊をコードユニットと呼ぶ。

例えば亜(U+4E9C)なら0x4e9cという16ビット整数をコードユニットという。BMP外なら、例えば0xD800 0xDC00という二つの16ビット整数のまとまりで表わすが、これは2つのコードユニットで表現されていることになる。

リンク

用語の所属
エンコード
関連する用語
CCS
CES

[再検索] [戻る]