文字（コンピューター）

コンピュータおよび電気通信において、文字とは、自然言語の文字（文字、数字、句読点を含む）、空白文字（スペースまたはタブ）、または制御文字（文字ベースのデータを処理するコンピュータハードウェアを制御する文字）を符号化した表現のことです。文字の並びは文字列と呼ばれます。

文字エンコーディングシステムの中には、各文字を固定数のビットで表現するものと、可変サイズのものを使用するものがあります。現在では廃止されたシステムでは、6ビット文字コード^{[ 1 ] [ 2 ]、} 5ビットBaudotコード、さらには4ビットシステム（可能な値は16個のみ）^{[ 3 ]}など、さまざまな固定長サイズが使用されていました。より現代的なASCIIシステムでは、各文字に8ビットバイトを使用します。今日では、 UnicodeベースのUTF-8エンコーディングでは、可変数のバイトサイズのコードユニットを使用してコードポイントを定義し、それらを組み合わせて文字をエンコードします。

C言語では、バイトchar(文字の略) はサイズが 1バイトのデータ型です[ ^{6 ] [ 7 ]。ただし}、バイトの事実上のサイズが 8 ビットであるのとは異なり、このバイトの使用方法はより限定的ではありません。バイトは、「基本実行文字セット」の任意のメンバーを格納できるほど大きいと定義されています。コンパイラが使用するビット数は、マクロを介してアクセスできます。最も一般的なサイズは 8 ビットで、POSIX では8 ビットであることが要求されています^{[ 8 ]} 。最新の C 標準では、UTF-8コード ユニットを保持する必要があります^{[ 6 ] [ 7 ]。UTF} -8コード ユニットには、最小サイズ 8 ビットが必要です。CHAR_BITchar

Unicodeコードポイントは最大21ビットを必要とする場合があるため^{[ 9 ]、}このchar型は一般的にすべての文字に対して十分な大きさではありません。しかしながら、この型は各コードポイントが1～4バイトを必要とするUTF-8charエンコーディングには適しています。

文字が歴史的に1バイトに格納されていたという事実から、「char」と「character」という用語が互換的に使用されるようになり、UTF-8などのマルチバイトエンコーディングが使用される今日では混乱が生じています。最新のPOSIXドキュメントでは、「character」を単一のグラフィックシンボルまたは制御コードを表す1つ以上のバイトのシーケンスとして定義し、charデータを参照する場合は「byte」を使用することで、この問題を解決しようとしています。^{[ 10 ] [ 11 ]}しかし、配列を（バイト配列ではなく）文字配列charとして定義するなど、依然としてエラーが含まれています。^{[ 12 ]}

Unicode は、ワイド文字charと呼ばれるより大きなコード単位の文字列に格納できます。元の C 型はwchar_tと呼ばれていました。一部のプラットフォームではを 16 ビットと定義し、他のプラットフォームでは 32 ビットと定義しているため、現在のバージョンでは と が明確に提供されています。それでも、格納されるオブジェクトは文字ではない場合があり、たとえば可変長のUTF-16は の配列に格納されることがよくあります。wchar_tchar16_tchar32_tchar16_t

他の言語にもchar型があります。C ++を含む多くの言語は、C と同様に 8 ビット バイトを使用します。^{[ 7 ]} Javaなどの他の言語は、UTF-16 をより直接的に扱うために 2 バイト幅のストレージを使用します。

• 文字（記号）– 記号論的な記号またはシンボルとしての文字 
• 文字リテラル– プログラミングにおけるリテラルの種類 
• 結合文字– 他の文字を修飾する非スペース文字 
• 文字を埋める
• ホモグリフ– 視覚的に類似した異なるグリフ 
• ユニバーサル文字セット文字– ほとんどのコンピュータで使用可能な文字の完全なリスト 

• 登場人物： Linux情報プロジェクト（LINFO）による簡単な紹介
• ISO/IEC TR 15285:1998は、ISO/IECの文字モデルを要約し、用語の定義に焦点を当て、文字とグリフを区別している。