2009-11-23

郵便番号データを利用するサンプル を作っている最中に気になって、ひらがな、カタカナなどの文字種の Unicode の文字コードの範囲を調べました。

資料として http://www.unicode.org/Public/MAPPINGS/OBSOLETE/EASTASIA/JIS/SHIFTJIS.TXT を使います。 “OBSOLETE” となっていますが参考にはなります。これを表計算のシートに貼り付けて Unicode 順に並べ替えるとわかりやすいです。以下の説明には unicode.org の対応する “Code Charts” の URL も記しておきましたので、個別の字面とコード値の確認のためにご参照ください。

unicode.org の文書に頻出する “CJK” は “Chinese Japanese Korean” の略です。

Code Charts: C0 Controls and Basic Latin / Range: 0000–007F

基本的には 0x0020 - 0x007D がASCIIコードに対応するのですが、 Shift_JIS 等の日本の文字コードでこれ以外に関係するのは半角の円マークとバックスラッシュです。バックスラッシュは 0x005C 半角の円マークは 0x00A5 （次項参照）になります。

全角記号は Unicode の広い範囲に分散しています。 Shift_JIS に対応づけられる文字はその中の一部です。

Code Charts: C1 Controls and Latin-1 Supplement / Range: 0080–00FF

Code Charts: Greek and Coptic / Range: 0370–03FF

Code Charts: Cyrillic / Range: 0400–04FF

Code Charts: General Punctuation / Range: 2000–206F

Code Charts: Letterlike Symbols / Range: 2100–214F

Code Charts: Arrows / Range: 2190–21FF

Code Charts: Mathematical Operators / Range: 2200–22FF

Code Charts: Miscellaneous Technical / Range: 2300–23FF

Code Charts: Box Drawing / Range: 2500–257F

Code Charts: Geometric Shapes / Range: 25A0–25FF

Code Charts: Miscellaneous Symbols / Range: 2600–26FF

0x00A2 - 0x00F7 Latin-1 に含まれる各種記号

0x0391 - 0x03C9 ギリシャ文字

0x0401 - 0x0451 キリル文字

0x2010 - 0x2312 矢印、科学技術記号など

0x2500 - 0x254B 罫線

0x25A0 - 0x266F 図形など

SHIFTJIS.TXT に収められている文字はこれだけなのですが、 Windows の機種依存文字としてラテン数字がありますね。次のものが対応するのかな？

Code Charts: Number Forms / Range: 2150–218F

丸付き数字については調査見送り。

Code Charts: CJK Symbols and Punctuation / Range: 3000–303F

Code Charts: Hiragana / Range: 3040–309F

Code Charts: Katakana / Range: 30A0–30FF

“Code Charts” を見ると「そんな文字使えるの？」というものもありますね。 SHIFTJIS.TXT に収められているものは次のようになります。

0x3000 - 0x301C 全角スペース、句読点など

0x3041 - 0x3093 ひらがな

0x309B 濁点

0x309C 半濁点

0x309D 「ゝ」

0x309E 「ゞ」

0x30A1 - 0x30F6 カタカナ

0x30FB 中黒点「・」

0x30FC 長音「ー」

0x30FD 「ヽ」

0x30FE 「ヾ」

Code Charts: CJK Unified Ideographs / Range: 4E00–9FCF

SHIFTJIS.TXT に収められている範囲は 0x4E00 - 0x9FA0 です。すべて上記のリストの範囲内です。 Windows で使える文字が最近拡張されているのが気になるのですが、今回はここまで。 JIS 第三、第四水準の漢字とオーバーラップすると思われる CJK Extension-A 〜 C もざっと見てみましたが、地名等にはあるかもしれないけど、とても日本人が日常使いこなせるとは思えない文字ばかりでした。

英数字は ASCIIコードにあるもの、つまり、日本人が言うところの「半角」のものが基本で「全角」は特殊なもの、ひらがな・カタカナは「全角」が基本で「半角」が特殊なものという考え方なのだろうと思います。

Code Charts: Halfwidth and Fullwidth Forms / Range: FF00–FFEF

全角英数字と全角のカンマ、ピリオドなどの基本的な記号は 0xFF01 - 0xFF5D になります。

全角記号「￣」が 0xFFE3 全角円マークが 0x818F と、上記の全角記号より少し離れた場所にあります。

Shift_JIS の 0xA1 - 0xDF の範囲にある半角カナなどは、 0xFF61 - 0xFF9F になります。