Unicode(ユニコード)とは | 意味や読み方など丁寧でわかりやすい用語解説

Unicodeとは、世界中のあらゆる文字をコンピュータで一貫して扱えるようにするために開発された、文字コードの国際標準規格である。コンピュータが文字を扱うためには、それぞれの文字に一意の番号を割り当て、その番号をコンピュータが理解できるデータ形式に変換する必要がある。かつては各国やOSごとに独自の文字コードが乱立し、異なるシステム間で文書をやり取りすると文字化けが発生するなどの問題が頻繁に起こっていた。例えば、日本語のシフトJIS、中国語のGB2312、韓国語のEUC-KRなど、それぞれが異なる文字集合と符号化方式を持っていたため、多言語を一つの文書で混在させることが非常に困難であった。このような問題に対する根本的な解決策として、単一の文字コード体系で地球上のすべての文字を網羅し、共通のルールで処理できるようにすることを目的としてUnicodeは誕生した。これにより、どの言語の文字であっても、正しく表示・処理される環境を構築することが可能になったのである。

Unicodeは、「文字集合」と「符号化方式」という二つの側面を持つ。まず、文字集合とは、世界中の個々の文字に対し、それぞれ重複しない一意の識別番号である「コードポイント」を割り当てる規則のことである。このコードポイントは通常、16進数で表現され、例えば大文字のAにはU+0041、ひらがなの「あ」にはU+3042といった形で定義されている。これにより、文字そのものが持つ意味や形に依存せず、すべての文字が共通の番号で識別される。Unicodeの文字集合には、ラテン文字、ギリシャ文字、キリル文字、日本語のひらがな・カタカナ・漢字、中国語の漢字、韓国語のハングル、アラビア文字、インド系文字、さらに絵文字や様々な記号に至るまで、現在までに15万以上の文字が収録されており、今後も新たな文字が追加され続けている。この広範な収録範囲が、多言語対応の基盤となっている。

次に、符号化方式とは、このコードポイントを実際にコンピュータのメモリやファイル上で格納するために、バイト列（ビットの並び）に変換する具体的な方法を指す。Unicodeには、用途に応じていくつかの異なる符号化方式が存在する。主なものとして、UTF-8、UTF-16、UTF-32が挙げられる。

UTF-8は、最も広く普及している符号化方式の一つである。これは可変長エンコーディングであり、一つの文字を1バイトから4バイトの範囲で表現する。特徴として、ASCII文字（半角英数字や基本的な記号）は1バイトで表現され、従来のASCIIコードと完全に互換性がある。これにより、既存のシステムやソフトウェアへの導入が容易であった。他の多くの文字は2バイト以上で表現されるため、必要な記憶容量を抑えつつ多言語に対応できる効率性が評価され、特にWebコンテンツやLinux系のOSで標準的に用いられている。

UTF-16も可変長エンコーディングであるが、多くの文字を2バイトで表現する。ただし、一部の文字（特に現代の絵文字や稀な漢字など、基本多言語面BMP以外の文字）はサロゲートペアと呼ばれる仕組みを使い、4バイトで表現される。これは主にWindows OSの内部処理やJava言語などで利用されることが多い。2バイト単位で文字を扱うため、ASCII文字を1バイトで扱えるUTF-8と比較すると、英語圏のテキストでは記憶容量が大きくなる傾向がある。

UTF-32は、固定長エンコーディングであり、すべての文字を4バイトで表現する。この方式は、文字の長さを常に4バイトと決め打ちできるため、文字列内の特定の文字へのアクセスが高速に行えるという利点がある。しかし、ASCII文字のような1バイトや2バイトで済む文字であっても常に4バイトを消費するため、他の方式と比較して記憶容量が多くなるという欠点がある。そのため、一般的にはあまり広くは利用されず、特定の内部処理などで使用されるにとどまっている。

システムエンジニアを目指す初心者にとって重要なのは、「Unicode」と「UTF-8」などの符号化方式を混同しないことである。Unicodeは「どの文字が、どの番号を持つか」という文字と番号の対応関係を定めた規格であり、UTF-8やUTF-16、UTF-32はその番号をコンピュータが実際に処理できるバイト列に変換する具体的な「方法」である。ファイルやデータベース、ネットワーク上で文字データを扱う際には、どの符号化方式でエンコードされているかを正しく認識し、適切にデコードする必要がある。これを怠ると、たとえUnicodeに対応した環境であっても、再び文字化けが発生する原因となる。現代のソフトウェア開発において、Unicodeを理解し適切に扱うことは、グローバルな環境で動作する堅牢なシステムを構築するための必須知識となっている。