マルチバイト文字セット

言語によっては (日本語や中国語など)、256 文字よりもはるかに多い文字があります。この場合はシングルバイトを使用しては表示できないので、マルチバイトのエンコードを使用する必要があります。さらに、多くの言語の文字を単一の文字セットで表現するために、マルチバイトの文字セットよりも多くの文字を使う文字セットも存在します。この例として、UTF-8 が挙げられます。

マルチバイト文字セットは「可変幅」で、いくつかの文字はシングルバイト、他はダブルバイトなどになります。

例

たとえば、コードページ 932 (日本語) の文字の長さは 1 バイトまたは 2 バイトです。最初のバイト (「リードバイト」とも呼ばれる) の値が 16 進数値 \x81 ～ \x9F または \xE0 ～ \xFC (10 進数値 129 ～ 159 または 224 ～ 252) の範囲にある場合、その文字は 2 バイト文字であり、直後のバイト (「フォローバイト」とも呼ばれる) と併せて文字が成立します。フォローバイトとは、最初のバイト以外のすべてのバイトのことです。

最初のバイトがリードバイトの範囲外にある場合、その文字はシングルバイト文字であり、次のバイトは次の文字の最初のバイトになります。

参照

DocCommentXchange で意見交換できます