文字コード（もじコード）

文字コード（もじコード）とは、コンピュータで文字を扱うために、1つ1つの文字に割り当てられた番号（の対応表）のことです。コンピュータは0と1しか扱えないため、「あ」や「A」といった文字も、内部ではすべて番号（＝バイナリ）として記録されています。その番号と文字の対応ルールが文字コードです。

現実世界でいえば、「暗号の対応表」のようなものです。「1番=あ、2番=い……」という対応表を使って文章を番号に変換して送り、受け取った側は同じ対応表で文字に戻します。ここで送り手と受け手が違う対応表を使うと、まったく別の文字に化けてしまいます——これが「文字化け」の正体です。

文字コードの仕組み

たとえば広く使われる文字コード「UTF-8」では、「A」は65番、「あ」は3バイトの決まった番号列に対応します。ファイルの保存やネットワークでの送信の際には文字がこの番号（バイト列）に変換され、表示するときに再び文字へ戻されます。日本語は文字数が膨大なため、歴史的に複数の文字コードが作られ、共存してきました。

代表的な文字コード

文字化けはなぜ起きる？

文字化けは、書いたときと読むときで違う文字コードが使われたときに起きます。Shift_JISで保存されたファイルをUTF-8として開くと、番号の解釈がずれて「縺薙ｓ縺ｫ縺｡縺ｯ」のような意味不明の文字列になります。対処法は、正しい文字コードを指定して開き直すことです。現在はUTF-8への統一が進み、文字化けに遭遇する機会は減っていますが、古いファイルやシステムとのやり取りでは今も注意が必要です。

あわせて知っておきたい用語

• バイナリ：
  コンピュータ内部の0と1のデータ。文字コードは文字とバイナリの橋渡しです。
• Unicode：
  世界中の文字を1つの体系にまとめた国際規格。UTF-8はその代表的な形式です。
• テキストデータ：
  文字コードに従って記録された、文字だけのデータです。
• ビット（Bit） ／ バイト（Byte）：
  データ量の単位。文字は文字コードにより1〜数バイトで表されます。