Unicode

Article on other languages:

del.icio.us del.icio.us
Digg Digg
Furl Furl
Reddit Reddit
Rojo Rojo
Add to OnlyWire
Unicode
符号化方式
UCS
マッピング
書字方向
BOM
漢字統合
UnicodeとHTML
Unicodeと電子メール
Unicodeフォント

Unicode（ユニコード）とはコンピュータ上で多言語の文字を単一の文字コードで取り扱うために1980年代に提唱された文字コードである。

ゼロックス社が提唱し、マイクロソフト、アップル、IBM、サン・マイクロシステムズ、ヒューレット・パッカード、ジャストシステムなどが参加するユニコードコンソーシアムにより作られ、1993年にISOでもISO/IEC 10646の一部として標準化された。

目次

概要

Unicodeは世界で使われる全ての文字を共通の符号化文字集合にて利用できるようにしようという考えで作られ、NT系のMicrosoft Windows (Windows)、Mac OS X、LinuxやJavaなどでの内部コードとして利用されている。

元々16ビットの文字集合で全ての文字の網羅を目指して開発されたが、コードポイントが圧倒的に足りず、Unicode 2.0以降では21ビットの文字集合として規定されている。当初の16ビットの領域はUnicode 2.0以降では基本多言語面 (BMP) と呼ばれ、ISO/IEC 10646においてUCS-2で定義される範囲と同一である。一方ISO/IEC 10646におけるUCS-4は31ビットの文字集合であり、21ビットのUnicodeとは別物である。

収録されている文字は、各国で標準として規定されている文字セットや実際に使用されている文字を持ち寄り、委員会により取捨選択されている。日本の文字については当初よりJIS X 0201、JIS X 0208とJIS X 0212を、Unicode 3.1ではJIS X 0213の内容を収録している。

また収録においては同じ意味・目的の文字は、できる限り同じコードポイントに割り当てる方針を取っている。そのため、CJK統合漢字（中国語、日本語、朝鮮語で使用される漢字が統合された領域）は大きな議論となった。各国のコードはISO/IEC 10646とは別の組織で標準化されているため、厳密には違うものであるが、コードポイントを共有する文字の間で非互換が生じないように慎重に標準化が進められている。

既存の符号化方式との相互運用性もある程度考慮されており、同じグリフ（字形）の文字であっても、歴史上・実用上の識別が求められる場合には互換領域がとられ、Unicodeを介在して文字コード変換を行った際に、復元可能となるように考慮されている。しかしながら、他の符号化文字集合（文字符号化方式）との変換の整合性においては、いくつかの問題がある。たとえば、CP51932とeucJP-MSのように既存文字コード同士でUnicodeとの対応が一部違うために文字化けが発生することがある。

Unicodeの文字を表現する場合、"U+"にその文字のコードポイントを表す16進数を続けた文字列を使って表す。BMPの場合は4桁、それ以上では必要に応じて5、6桁で表す。

文字集合

Unicodeに収録されている文字については、#一覧の「コード順分類一覧」を参照。

エンコーディング（符号化方式）

ISO/IECの規格が定めている符号化方式については、ISO/IEC 10646#文字集合のサブセットおよびISO/IEC 10646#文字符号化方式を参照

UTF-7
UTF-16 （後述）で表したUnicodeをBase64で変換して表す方式。ただし、ASCIIのアルファベット範囲等についてはBase64に変換しない等、特殊なエンコーディングを行う。かつてのSMTP等のように、7ビット単位でしかデータを扱えない通信方式を利用する場合を想定して作られている。ステートフルエンコーディングであり、運用上問題が多いため、現在ではこの方式は推奨されていない。Unicode文字を7ビット単位伝送通信にどうしても通さなければならない場合は、替わりにUTF-8をQuoted-printableあるいはBase64で変換するなどの方式が好ましいとされる。
UTF-8（UTF-2、UTF-FSS）
8ビット単位の可変長コード（1〜4バイト）にエンコードする方式。ASCIIに対して上位互換となっており、文字の境界が明確である、エンコード・デコードに際して乗除算などの負荷の高い処理が必要ないなどの特長を持ち、インターネットではもっとも一般的に利用されている。
日本国内でのみ、BOM (Byte Order Mark) がついているものをUTF-8、ついていないものをUTF-8Nとして区別することがあるが、国際的には認知されていない。もともと8ビットを基本とするUTF-8ではBOMを付与する必要はないが、UTF-8であることが識別できるようにデータストリームの先頭に EF BB BF の3バイトが付与されることがある。Windowsのメモ帳で作成した「Unicodeテキスト」には標準でBOMが付与される。Internet Explorerでは、BOMのついていないUTF-8の文書を読み込むと（日本語版の場合）Shift_JISだと誤認する一方で、BOMがついていると有効なデータとして受け付けないアプリケーションも存在する。UTF-8のBOMはバイトオーダーを表すものではなく、UTF-16における「真の意味でのBOM」と類似する存在であるがゆえに慣用的にこう呼ばれているに過ぎない。
UTF-16
BMP （基本多言語面）を16ビット、その他を#サロゲートペアという仕組みを使い32ビットで指定する方式。Windows XPなどの近年のOSの内部コードには、この形式が使われている。UCS-2ともBMPの範囲で互換性がある。
ファイルの先頭には通常BOMが付与される。BOMとは、8ビットを基本とするシステムでバイトオーダーを識別するための印であり、データストリームの先頭に付与される。値はU+FEFF。システムが読み込んだ先頭2バイトが0xFF,0xFEならリトルエンディアン、0xFE,0xFFならビッグエンディアンとして後に続く文書を処理する。
RFC 2781 ではBOMが付いていないUTF-16文書はビッグエンディアンとして解釈することになっている。Windowsのメモ帳で作成した「Unicodeテキスト」は標準でBOMが付与されるようになっている。ビッグエンディアンのものをUTF-16BE、リトルエンディアンのものをUTF-16LEとして区別することもある。MIMEなどの手段で文字符号化方式にUTF-16BEやUTF-16LEを指定している場合にはBOMを付与することは許容されない（ZERO WIDTH NON-BREAKING SPACEとして扱う）。Windows上の文書における「Unicodeテキスト」は特に明記のない場合につき、リトルエンディアンのUTF-16のことを指す。TCP/IPネットワークではプロトコルヘッダやMIME等の手段で文字符号化方式が指定されずBOMも付与されない場合、ビッグエンディアンに決められている（→ エンディアン）。
UTF-32 （Unicode 3.1より）
Unicodeの全コードを単一長のコードとして32ビットで指定する方式。実際に使われるのは21ビット（Unicodeの空間がU+10FFFFまでであるため）。この21ビットの範囲内ではUCS-4と互換性がある。これもUTF-16と同じく、ビッグエンディアンとリトルエンディアンが存在し、それぞれUTF-32BE、UTF-32LEと呼ばれる。MIMEなどの手段で文字符号化方式にUTF-32BEやUTF-32LEを指定してる場合にはBOMを付与することは許容されない（ZERO WIDTH NON-BREAKING SPACEとして扱う）。単純な符号化方式であるが、テキストファイルなどでは文章のサイズが大きくなるため（全てBMPの文字からなる文章の場合はUTF-16符号化の2倍のサイズとなる）使用されることは稀である。そのためかMicrosoft Officeでのエンコードされたテキストファイルの読み書きはこの符号化方式には未だ対応していない。フリーウェアおよびシェアウェアの多数の符号化方式に対応しているテキストエディタでもこの符号化方式には対応していないものは多い。ただしすべてのUnicodeを扱う処理を行う場合には、すべての文字を同一のバイト数で表現したほうが処理に適するため、内部の処理ではUTF-32（あるいはUCS-4）で行うことも多い。
UTF-16などと同様にUTF-32にもBOMがあり、データストリームの先頭に付される。先頭の4バイトが0xFF,0xFE,0x00,0x00ならリトルエンディアン、0x00,0x00,0xFE,0xFFならビッグエンディアンになる。UTF-16のリトルエンディアンとUTF-32のリトルエンディアンは最初の2バイトが等しいため、4バイトまで読んで判断する必要がある。

以下はエイプリルフールに公開されたジョークRFCである。UTF-9に関しては同名の規格が実際に検討されていたが、ドラフト段階で破棄されているため重複にはならない。

UTF-9
可変長の9ビットコードによりエンコードする方式。1バイトが8ビット（オクテット）ではなく9ビット（ノネット）であるような環境での利用を想定している。UTF-8と比較した場合、Latin-1領域が1バイト、CJK統合漢字領域が2バイトで表現できる特長があり、データ量が少なくなる。ワード長が9の倍数のコンピュータ（ACOS-6など）であれば計算コストも低い。
UTF-18
Unicode符号位置を単一の18ビットによりエンコードする方式。UTF-8に対するUTF-16のようなものだが、RFC公開時点のUnicodeで文字が定義されていた4つの面を余った2ビットで識別するため、サロゲートは使わない。

以下はドラフト段階で破棄された規格案。

UTF-5
国際化ドメイン名での利用を想定し、0〜9、A〜Vの32文字でエンコードする方式。国際化ドメイン名にはPunycodeが採用されたため、利用されていない。
UTF-9
8ビット単位の可変長コード（1〜5バイト）にエンコードする方式。ISO-8859-1に対して一部互換である。しかし、UTF-8が普及しつつあり、それと比べて欠点がいくつかあったため、破棄された。

拡張領域

サロゲートペア

Unicodeは 216 = 65,536 種類の文字を収録でき、当初の構想では世界中のすべての文字をこの16ビット固定長のコード体系に登録可能と思われていた。だが、Unicode 1.0公表後、拡張可能な空き領域2万字分を巡り、各国から文字追加要求が起こった。その内容は中国、日本、台湾、ベトナム、シンガポールの追加漢字約1万5千字、古ハングル約5千字、未登録言語の文字等々である。このため、Unicodeの16ビット枠内に全世界の文字を収録するという計画は早々に破綻し、1996年、Unicode 2.0ではサロゲートペア (Surrogate Pair) の拡張が盛り込まれた。Surrogateは「代理」、Pairは「対（つい）」の意味。

サロゲートペアは16ビットUnicodeの未定義領域1024文字分を2つ使い（前半0xD800〜0xDBFF, 後半0xDC00〜0xDFFF）、それをペアにすることで1文字を表し (1024 × 1024 = 1,048,576文字)、その1,048,576文字を256 × 256の区点 (row, cell) からなる「面」 (plane) に順番に割り振っていく。これにより 1,048,576 / (256 × 256 = 65,536) = 16 で、全部で第16面までの文字を収録することができる。つまり第01面から第16面までであり、これに加えて第00面 (BMP) も使用可能なので、合計で 1,048,576 + 65,536 - 2,048 = 111万2,064文字が使用可能になる。エスケープシーケンスこそ使用しないものの、16ビット文字コード体系との互換性を維持するために、UTF-16（16ビットを基本単位とする文字符号化方式）を採用した結果、Unicodeは16ビットと32ビットが混在する複雑な可変長文字コードとなってしまった。

サロゲートペアの方式は16ビット固定長を志向したUTF-16との互換性維持のために設けられた拡張であり、UTF-8符号化方式やUTF-32符号化方式では利用できない。

拡張領域に含まれる文字

現在第1面はSupplementary Multilingual Plane（SMPと略される。追加多言語面。主に古代文字が収録されている。）、第2面はSupplementary Ideographic Plane（SIP, 追加漢字面。漢字専用領域。）、第14面はSupplementary Special-purpose Plane（SSP, 追加特殊用途面。制御コード専用領域。）、第15面および第16面は私用目的のための面（BMPのU+E000〜U+F8FFの領域の拡張）と決められている。

第3面〜第13面は未使用である（そのうち第3面は漢字が第2面で足りなくなったときのために予約されている）。

日本では2000年にJIS X 0208を拡張する目的でJIS X 0213（いわゆるJIS第3第4水準）が制定されたが、この際、新たに採用された文字でUnicodeに無かったものの一部は、BMPに収録できず、第2面への収録となった（最終対応は2002年）。このため、JIS X 0213収録文字をUnicodeで完全にサポートするには追加漢字面をサポートしたOS、フォント、アプリケーションが必要となる。Shift_JIS等、Unicodeにて規定されるもの以外のエンコーディングを利用する場合であっても、JIS X 0213に対応するフォントやアプリケーションが必要なことは言うまでもない。

歴史

年 バージョン 概要 日本語における主要な追加文字
1991年10月 Unicode 1.0 初期バージョン、16ビットの文字コード JIS X 0201、JIS X 0208、JIS X 0212
1993年6月 Unicode 1.1 ISO/IEC 10646-1:1993にあわせ変更
1996年7月 Unicode 2.0 ISO/IEC 10646-1:1993の追補Amd.1からAmd.7に対応。ハングルの大移動を行いUnicode1.xと互換性を失う(Amd.5)、サロゲートペアを導入し収容可能な文字を大幅に増やす、21ビット領域に拡張(Amd.1)
1998年5月 Unicode 2.1 ユーロ記号と正誤表を追加
1999年9月 Unicode 3.0 ISO/IEC 10646-1:2000が発行されるまでの追補Amd.8からAmd.31の文字すべてに対応。CJK統合漢字の拡張Aで漢字6582字を追加(Amd.17) 地名や人名などに用いられる漢字
2001年3月 Unicode 3.1 ISO/IEC 10646-2:2001に対応。BMP以外の拡張。CJK統合漢字の拡張Bで漢字42711字を追加し、JIS X 0213一部対応 地名や人名などに用いられる漢字
2002年3月 Unicode 3.2 ISO/IEC 10646-1:2000の追補Amd.1に対応。JIS X 0213正式対応
2003年4月 Unicode 4.0.0 ISO/IEC 10646:2003に対応
2005年3月 Unicode 4.1.0 ISO/IEC 10646:2003の追補Amd.1に対応
2006年7月 Unicode 5.0.0 ISO/IEC 10646:2003の追補Amd.2とシンド語（Amd.3に含まれる）に対応
2008年4月4日[1] Unicode 5.1.0 ISO/IEC 10646:2003の追補Amd.3とAmd.4に対応。異体字セレクタを漢字に対して使い始める[2] 麻雀牌、割り算の記号、電話機の星印、Adobe-Japan1-6の漢字字形[3]

Unicodeの諸問題

バージョンごとの非互換性

Unicodeは同一のコードでもバージョンが変わったとき完全に異なった文字を定義し直したことがある。

最も有名な事象がUnicode 2.0でのハングルの大移動である。これはUnicode 1.1までで定義されていたハングルの領域を破棄し、新しいハングルの領域を別の位置に設定し、破棄された領域には別の文字の領域を割り当てることとなった。その後、Unicode 3.0でCJK統合漢字拡張Aが割り当てられた。このように、Unicode 1.1以前でハングルを記述した文書とUnicode 2.0以降でCJK統合漢字拡張Aを記述した文書には互換性がない[4]。

日本語環境でのUnicodeの諸問題

YEN SIGN問題

Shift_JISではJIS X 0201における円記号 "¥" が0x5Cに置かれている。これをUnicodeのマッピングに合わせるとYEN SIGN (U+00A5) にマップされる。しかし、0x5CはASCIIではバックスラッシュ "\" に相当し、C言語などのエスケープシーケンスに使われる事から、この文字のコードを変更すると問題が起きる。そのためUnicodeを利用するアプリケーションはU+007F以下のコードに関しては移動させないという暗黙のルールができている。

そうなると、Unicode環境では円記号がバックスラッシュの表示に変わってしまうように思われるが、これは日本語用のフォントデータの0x5Cの位置には円記号の字形を当ててしまうことで対処している。これによって、それまでの文字コードを使用していたときと同じ感覚で円記号を用いることができる。

この問題は日本語環境に限った事ではない。もともと、ISO646上で0x5Cを含む数種の文字は自由領域（バリアント）として各国での定義を認めていた。そのため、日本語以外でもASCIIでバックスラッシュに相当するコードに異なる記号を当てているケースが多い。例えば、韓国ではウォン記号 (WON SIGN, U+20A9, "₩") である。

WAVE DASH - FULLWIDTH TILDE問題

JIS X 0221規定のJIS X 0208とJIS X 0221の対応表では、波ダッシュはWAVE DASH (U+301C, "〜") に対応させているが、マイクロソフトはWindowsのShift_JISとUnicodeの変換テーブルを作成する際に、JIS X 0208において1区33点に割り当てられている波ダッシュ "〜" を、Unicodeにおける全角チルダ (FULLWIDTH TILDE, U+FF5E, "～") に割り当てたため不整合が生じる。この結果、Mac OS等のJIS X 0221準拠のShift_JIS ⇔ Unicode変換テーブルをもつ処理系と、Windowsとの間でUnicodeデータをやり取りする場合、文字化けを起こすことになる。そこでWindows以外のOS上で動くアプリケーションの中には、CP932という名前でマイクロソフト仕様のShift_JISコード体系を別途用意して対応しているケースが多い。この原因とされているUnicode仕様書の例示字形の問題に関しては、波ダッシュ#Unicodeに関連する問題を参照すること。

また、マイクロソフトは同様にEM DASH (U+2014, "—") をHORIZONTAL BAR (U+2015, "―") に、DOUBLE VERTICAL LINE (U+2016, "‖") をPARALLEL TO (U+2225, "∥") に、MINUS SIGN (U+2212, "−") をFULLWIDTH HYPHEN-MINUS (U+FF0D, "－") に割り当てており、これらの変換時にも問題が起こる。Windows VistaやMicrosoft Office 2007に付属するIMEパッドの文字一覧におけるJIS X 0213の面区点の表示は、上記の文字についてもJISで規定されているものと同じマッピングを使用している[5]。

一覧

Unicodeの一覧

0000-0FFF
1000-1FFF
2000-2FFF
3000-3FFF
4000-4FFF
5000-5FFF
6000-6FFF
7000-7FFF

8000-8FFF
9000-9FFF
A000-AFFF
B000-BFFF
C000-CFFF
D000-DFFF
E000-EFFF
F000-FFFF

10000-10FFF
12000-12FFF
1D000-1DFFF
1F000-1FFFF

20000-20FFF
21000-21FFF
22000-22FFF
23000-23FFF
24000-24FFF
25000-25FFF
26000-26FFF
27000-27FFF

28000-28FFF
29000-29FFF
2A000-2AFFF

2F000-2FFFF


E0000-E0FFF
コード順分類一覧
範囲 名称 日本語名称
U+0000-007F Basic Latin 基本ラテン文字 （ASCII互換）
U+0080-00FF Latin-1 Supplement ラテン1補助
U+0100-017F Latin Extended-A ラテン文字拡張A
U+0180-024F Latin Extended-B ラテン文字拡張B
U+0250-02AF IPA Extensions IPA拡張 （国際音声記号）
U+02B0-02FF Spacing Modifier Letters 前進を伴う修飾文字
U+0300-036F Combining Diacritical Marks ダイアクリティカルマーク（合成可能）
U+0370-03FF Greek and Coptic ギリシア文字及びコプト文字
U+0400-04FF Cyrillic キリール文字 （キリル文字）
U+0500-052F Cyrillic Supplement キリール文字補助
U+0530-058F Armenian アルメニア文字
U+0590-05FF Hebrew ヘブライ文字
U+0600-06FF Arabic アラビア文字
U+0700-074F Syriac シリア文字
U+0750-077F Arabic Supplement アラビア文字補助
U+0780-07BF Thaana ターナ文字
U+07C0-07FF NKo ンコ文字
U+0900-097F Devanagari デーヴァーナーガリー文字
U+0980-09FF Bengali ベンガル文字
U+0A00-0A7F Gurmukhi グルムキー文字
U+0A80-0AFF Gujarati グジャラート文字 （グジャラーティ文字）
U+0B00-0B7F Oriya オリヤー文字
U+0B80-0BFF Tamil タミル文字
U+0C00-0C7F Telugu テルグ文字 （テルグー文字）
U+0C80-0CFF Kannada カンナダ文字
U+0D00-0D7F Malayalam マラヤーラム文字
U+0D80-0DFF Sinhala シンハラ文字
U+0E00-0E7F Thai タイ文字
U+0E80-0EFF Lao ラオス文字 （ラオ文字、ラーオ文字）
U+0F00-0FFF Tibetan チベット文字
U+1000-109F Myanmar ミャンマー文字 （ビルマ文字）
U+10A0-10FF Georgian グルジア文字
U+1100-11FF Hangul Jamo ハングル字母
U+1200-137F Ethiopic エチオピア文字
U+1380-139F Ethiopic Supplement エチオピア文字補助
U+13A0-13FF Cherokee チェロキー文字
U+1400-167F Unified Canadian Aboriginal Syllabics 統合カナダ先住民音節
U+1680-169F Ogham オガム文字 （オーム文字）
U+16A0-16FF Runic ルーン文字
U+1700-171F Tagalog タガログ文字
U+1720-173F Hanunoo ハヌノオ文字
U+1740-175F Buhid ブヒッド文字
U+1760-177F Tagbanwa タグバヌワ文字
U+1780-17FF Khmer クメール文字
U+1800-18AF Mongolian モンゴル文字
U+1900-194F Limbu リンブ文字
U+1950-197F Tai Le タイ・ロ文字
U+1980-19DF New Tai Lue 新タイ・ロ文字
U+19E0-19FF Khmer Symbols クメール文字用記号
U+1A00-1A1F Buginese ブギス文字
U+1B00-1B7F Balinese バリ文字
U+1B80-1BBF Sundanese スンダ文字 *
U+1C00-1C4F Lepcha レプチャ文字 *
U+1C50-1C7F Ol Chiki オルチキ文字 *
U+1D00-1D7F Phonetic Extensions 音声記号拡張
U+1D80-1DBF Phonetic Extensions Supplement 音声記号拡張補助
U+1DC0-1DFF Combining Diacritical Marks Supplement ダイアクリティカルマーク補助（合成可能）補助
U+1E00-1EFF Latin Extended Additional ラテン文字拡張追加
U+1F00-1FFF Greek Extended ギリシア文字拡張
U+2000-206F General Punctuation 一般句読点
U+2070-209F Superscripts and Subscripts 上付き・下付き
U+20A0-20CF Currency Symbols 通貨記号
U+20D0-20FF Combining Diacritical Marks for Symbols 記号用ダイアクリティカルマーク（合成可能）
U+2100-214F Letterlike Symbols 文字様記号
U+2150-218F Number Forms 数字に準じるもの
U+2190-21FF Arrows 矢印
U+2200-22FF Mathematical Operators 数学記号 （演算子）
U+2300-23FF Miscellaneous Technical その他の技術用記号
U+2400-243F Control Pictures 制御機能用記号
U+2440-245F Optical Character Recognition 光学的文字認識、OCR
U+2460-24FF Enclosed Alphanumerics 囲み英数字
U+2500-257F Box Drawing 罫線素片
U+2580-259F Block Elements ブロック要素
U+25A0-25FF Geometric Shapes 幾何学模様
U+2600-26FF Miscellaneous Symbols その他の記号
U+2700-27BF Dingbats 装飾記号
U+27C0-27EF Miscellaneous Mathematical Symbols-A その他の数学記号A
U+27F0-27FF Supplemental Arrows-A 補助矢印A
U+2800-28FF Braille Patterns 点字図形
U+2900-297F Supplemental Arrows-B 補助矢印B
U+2980-29FF Miscellaneous Mathematical Symbols-B その他の数学記号B
U+2A00-2AFF Supplemental Mathematical Operators 補助数学記号
U+2B00-2BFF Miscellaneous Symbols and Arrows その他の記号及び矢印
U+2C00-2C5F Glagolitic グラゴル文字
U+2C60-2C7F Latin Extended-C ラテン文字拡張C
U+2C80-2CFF Coptic コプト文字
U+2D00-2D2F Georgian Supplement グルジア文字補助
U+2D30-2D7F Tifinagh ティフナグ文字
U+2D80-2DDF Ethiopic Extended エチオピア文字拡張
U+2DE0-2DFF Cyrillic Extented-A キリール文字拡張A *
U+2E00-2E7F Supplemental Punctuation 補助句読点
U+2E80-2EFF CJK Radicals Supplement CJK部首補助
U+2F00-2FDF Kangxi Radicals 康熙部首
U+2FF0-2FFF Ideographic Description Characters 漢字構成記述文字、IDC
U+3000-303F CJK Symbols and Punctuation CJKの記号及び句読点
U+3040-309F Hiragana 平仮名
U+30A0-30FF Katakana 片仮名
U+3100-312F Bopomofo 注音字母 （注音符号）
U+3130-318F Hangul Compatibility Jamo ハングル互換字母
U+3190-319F Kanbun 漢文用記号 （返り点）
U+31A0-31BF Bopomofo Extended 注音字母拡張
U+31C0-31EF CJK Strokes CJKの筆画
U+31F0-31FF Katakana Phonetic Extensions 片仮名拡張
U+3200-32FF Enclosed CJK Letters and Months 囲みCJK文字・月
U+3300-33FF CJK Compatibility CJK互換用文字
U+3400-4DBF CJK Unified Ideographs Extension A CJK統合漢字拡張A
U+4DC0-4DFF Yijing Hexagram Symbols 易経記号
U+4E00-9FFF CJK Unified Ideographs CJK統合漢字
U+A000-A48F Yi Syllables イ文字
U+A490-A4CF Yi Radicals イ文字部首
U+A500-A59F Vai ヴァイ文字 *
U+A640-A69F Cyrillic Extended-B キリール文字拡張B *
U+A700-A71F Modifier Tone Letters 声調修飾文字
U+A720-A7FF Latin Extended-D ラテン文字拡張D
U+A800-A82F Syloti Nagri シロティナグリ文字
U+A840-A87F Phags-pa パスパ文字
U+A880-A8DF Saurashtra サウラーシュトラ文字 *
U+A900-A92F Kayah Li カヤー文字 *
U+A930-A95F Rejang ルジャン文字 （レジャン文字） *
U+AA00-AA5F Cham チャム文字 *
U+AC00-D7AF Hangul Syllables ハングル音節文字
U+D800-DB7F High Surrogates 上位サロゲート
U+DB80-DBFF High Private Use Surrogates 上位私用サロゲート
U+DC00-DFFF Low Surrogates 下位サロゲート
U+E000-F8FF Private Use Area 私用領域 （外字領域）
U+F900-FAFF CJK Compatibility Ideographs CJK互換漢字
U+FB00-FB4F Alphabetic Presentation Forms アルファベット表示形
U+FB50-FDFF Arabic Presentation Forms-A アラビア表示形A
U+FE00-FE0F Variation Selectors 字形選択子 （異体字セレクタ）
U+FE10-FE1F Vertical Forms 縦書き形
U+FE20-FE2F Combining Half Marks 半記号（合成可能）
U+FE30-FE4F CJK Compatibility Forms CJK互換形
U+FE50-FE6F Small Form Variants 小字形
U+FE70-FEFF Arabic Presentation Forms-B アラビア表示形B
U+FF00-FFEF Halfwidth and Fullwidth Forms 半角・全角形
U+FFF0-FFFF Specials 特殊用途文字
U+10000-1007F Linear B Syllabary 線文字B音節文字
U+10080-100FF Linear B Ideograms 線文字B表意文字
U+10100-1013F Aegean Numbers エーゲ数字
U+10140-1018F Ancient Greek Numbers 古代ギリシア数字
U+10190-101CF Ancient Symbols 古代記号 *
U+101D0-101FF Phaistos Disc ファイストスの円盤の文字 *
U+10280-1029F Lycian リキア文字 *
U+102A0-102DF Carian カリア文字 *
U+10300-1032F Old Italic 古代イタリア文字
U+10330-1034F Gothic ゴート文字
U+10380-1039F Ugaritic ウガリト文字
U+103A0-103DF Old Persian 古代ペルシャ文字
U+10400-1044F Deseret デザレット文字
U+10450-1047F Shavian シェイヴィアン文字
U+10480-104AF Osmanya オスマニア文字
U+10800-1083F Cypriot Syllabary キプロス音節文字
U+10900-1091F Phoenician フェニキア文字
U+10920-1093F Lydian リディア文字 *
U+10A00-10A5F Kharoshthi カローシュティー文字
U+12000-123FF Cuneiform 楔形文字
U+12400-1247F Cuneiform Numbers and Punctuation 楔形文字の数字及び句読点
U+1D000-1D0FF Byzantine Musical Symbols ビザンチン音楽（英語）（ギリシャ語）記号
U+1D100-1D1FF Musical Symbols 音楽記号
U+1D200-1D24F Ancient Greek Musical Notation 古代ギリシア音符記号
U+1D300-1D35F Tai Xuan Jing Symbols 太玄経記号
U+1D360-1D37F Counting Rod Numerals 算木用数字
U+1D400-1D7FF Mathematical Alphanumeric Symbols 数学用英数字記号
U+1F000-1F02F Mahjong Tiles 麻雀牌 *
U+1F030-1F09F Domino Tiles ドミノ牌 *
U+20000-2A6DF CJK Unified Ideographs Extension B CJK統合漢字拡張B
U+2F800-2FA1F CJK Compatibility Ideographs Supplement CJK互換漢字補助
U+E0000-E007F Tags タグ
U+E0100-E01EF Variation Selectors Supplement 字形選択子補助
U+F0000-FFFFF Supplementary Private Use Area-A 補助私用領域A
U+100000-10FFFF Supplementary Private Use Area-B 補助私用領域B

日本語名称がJIS X 0221:2007に掲載されているブロックについてはそれに準拠し、Wikipedia内の他の記事で用いられている名称と異なる場合はその名前も併記した。*印はそれ以降に追加されたブロックであるためJISに基づかない。

関連項目

外部リンク

脚注

  1. ^ Unicode Consortium. "Components of The Unicode Version 5.1.0". 2008-04-05 閲覧。
  2. ^ Unicode Consortium. "Unicode 5.1.0". 2008-04-08 閲覧。
  3. ^ Unicode Consortium. "Ideographic Variation Database". 2008-04-07 閲覧。
  4. ^ RFC 3629の5. Versions of the standardsでKorean mess (ハングル大移動) について、8. MIME registrationでUTF-8にバージョン指定がない理由についての言及がある。
  5. ^ "Microsoft IME2007 の JIS X 0213 と Unicode の対応". 2008-04-08 閲覧。

"http://ja.wikipedia.org/wiki/Unicode" より作成

This article is from Wikipedia. All text is available under the terms of the GNU Free Documentation License.

Giant Panda

Mercedes Car
James Bond Guide
This site monitored by SitePinger.net