Windows コード ページ

Windows コード ページは、 1980 年代から 1990 年代にかけてMicrosoft Windowsで使用されていた文字のセットまたはコード ページ(他のオペレーティング システムでは文字エンコーディングとして知られています) です。Windows コード ページは、Windows に Unicode が実装されたときに徐々に置き換えられましたが^{[引用が必要]}、Windows と他のプラットフォームの両方で現在もサポートされており、Alt コードショートカットが使用されるときにも適用されます。

現在のWindowsバージョンはUnicodeをサポートしていますが、新しいWindowsアプリケーションでは8ビット文字エンコーディングではなくUnicode (UTF-8)を使用する必要があります。^[1]

Windows システムには、OEM コード ページと Windows ネイティブ ("ANSI") コード ページの 2 つのグループがあります (ANSI は、米国規格協会の略称です)。これらのグループのコード ページは両方とも、拡張 ASCIIコード ページです。追加のコード ページは、標準の Windows 変換ルーチンによってサポートされていますが、どちらのタイプのシステム コード ページとしても使用されません。

ANSI コード ページ( Microsoft が前者の用語が誤った名称であることを認めたため^{[3] 、正式には「Windows コード ページ」 [2]と呼ばれています) は、Windows システムで}グラフィカル ユーザー インターフェイスを使用するネイティブの非 Unicode (つまり、バイト指向) アプリケーションに使用されます。これらの Windows コード ページはANSI (米国規格協会)標準に準拠していないため、「ANSI」という用語は誤った名称です。コード ページ 1252 は、国際標準ISO 8859-1 ^[3]となった初期の ANSI 草案に基づいており、さらに 32 個の制御コードと 96 個の印刷可能文字用のスペースが追加されています。その他の違いの中でも、Windows コード ページは印刷可能文字を補助的な制御コード スペースに割り当てるため、標準に準拠したオペレーティング システムでは判読できない程度です。

従来の「ANSI」コード ページのほとんどは、コード ページ番号が125xというパターンになっています。ただし、874 (タイ語) と東アジアのマルチバイト「ANSI」コード ページ ( 932、936、949、950 ) は、すべて OEM コード ページとしても使用され、IBM エンコードと一致するように番号が付けられています。Windows エンコードはいずれも同じではありません (ほとんどは似ていますが)。コード ページ 1258も OEM コード ページとして使用されていますが、これは既存のエンコードの拡張ではなく、Microsoft 独自のものです。IBM は Microsoft のバリアントに独自の異なる番号を割り当てており、これらは該当する場合は以下のリストで参照用に提供されています。

125x Windowsコードページはすべて、874と936と同様に、Internet Assigned Numbers Authority (IANA)によって「Windows-番号」としてラベル付けされていますが、「Windows-936」は「 GBK 」の同義語として扱われています。Windowsコードページ932は、代わりに「Windows-31J」としてラベル付けされています。^[4]

ANSI Windowsコードページ、特にコードページ1252は、ANSIに提出された、またはANSI向けに意図された草案に基づいているため、このように呼ばれています。しかし、ANSIとISOはこれらのコードページを標準化していません。代わりに、次のいずれかになります。^[3]

• ISO 8859やさまざまな国家標準（Windows-1252とISO-8859-1など）などの標準セットのスーパーセット。
• これらに対する大幅な変更（ Windows-1250とISO-8859-2のように、さまざまな程度で互換性がなくなる）
• 並列エンコーディングはありません ( Windows-1257とISO-8859-4のように。ISO -8859-13 はずっと後に導入されました)。また、Windows-1251 は、 ISO 標準化されたISO-8859-5にも、当時普及していたKOI-8にも従っていません。

Microsoft は、CP1252 の約 12 個のタイポグラフィおよびビジネス文字 (特にユーロ記号€ を含む) を、ISO 8859 ではC1 制御コードに割り当てられているコード ポイント0x80～0x9F に割り当てました。これらの割り当ては、他の多くの ANSI/Windows コード ページの同じコード ポイントにも存在します。Windows は C1 制御コードを使用しなかったため、この決定は Windows ユーザーに直接影響しませんでした。ただし、Unix や MacOS などの標準準拠のプラットフォームに転送されたファイルに含まれている場合、情報は見えず、混乱を招く可能性があります。^{[引用が必要]}

OEMコード ページ( Original Equipment Manufacturer ) は、 Win32 コンソールアプリケーションおよび仮想 DOSで使用され、DOSおよびオリジナルのIBM PCアーキテクチャからの名残であると考えられます。別のコード ページ スイートが実装されたのは、互換性のためだけでなく、VGA (および後継) ハードウェアのフォントが、コード ページ 437と互換性のある線描画文字のエンコードを推奨しているためです。ほとんどの OEM コード ページは、特に非文字については、CP437 の後半 (非 ASCII) と多くのコード ポイントを共有しています。

典型的な OEM コード ページの後半は、ANSI/Windows コード ページと大まかにさえ似ていません。ただし、2 つのシングルバイト固定幅コード ページ (タイ語の場合は 874 、ベトナム語の場合は 1258 )と4 つのマルチバイトCJKコード ページ ( 932、936、949、950 ) が、OEM コード ページと ANSI コード ページの両方で使用されます。ベトナム語では 128 を超える文字と発音区別符号の組み合わせが必要なため、コード ページ 1258 では結合発音区別符号が使用されます。これは、一部のC0 (つまり ASCII) 制御コードを置き換えるVISCIIとは対照的です。

初期のコンピュータ システムでは、記憶域が限られており、文字をエンコードするために使用できるビット数が制限されていました。それ以前の独自のエンコードではビット数が少なくなっていましたが、米国標準情報交換コード(ASCII) では 7 ビットに落ち着きました。これは、米国で使用される 96 文字のサブセットをエンコードするのに十分でした。8 ビットバイトが主流になるにつれて、Microsoft (および他の企業) は、ボックス描画記号などのさまざまな用途に対応するために、レパートリーを 224 に拡張しました。西ヨーロッパと南アメリカの市場向けにあらかじめ作成された文字を提供する必要があったため、異なる文字セットが必要になりました。Microsoft は、アルファベットごとに 1 つのコード ページという原則を確立しました。アフリカ、南北アメリカ、南アジア、東南アジア、中東、ヨーロッパのほとんどの地域で使用されている分節スクリプトでは、文字に必要なバイトは 1 つだけですが、世界のその他の地域で使用される表意文字セットでは 2 バイト以上が必要です。コード ページ モデルでは、この課題に対処できませんでした。

1990 年代後半以降、ソフトウェアやシステムは、優先文字エンコード形式としてUnicode を採用してきました。Unicode は、何百万もの文字を処理できるように設計されています。現在のすべての Microsoft 製品とアプリケーション プログラム インターフェイスは、内部的に Unicode を使用していますが^{[引用が必要]} 、一部のアプリケーションでは、ファイルや標準出力にテキスト データを読み書きするときに、コンピューターの「ロケール」の既定のエンコード^{[明確化が必要]を引き続き使用しています[引用が必要] 。そのため、世界のある地域では判読可能で理解できるファイルでも、別の地域では理解できない}文字化けになる場合があります。

Microsoftは、Windows NT以降のすべてのオペレーティングシステムでUnicodeエンコーディング（最初は現在では廃止されているUCS-2で、これは当時Unicodeの唯一のエンコーディングでした）、つまりUTF-16を採用しましたが、 Windows 10バージョン1803以降ではUTF-8（別名）もサポートしています。^{[5] UTF-16は、16ビットを使用して}基本多言語面（BMP） のすべてのUnicode文字を一意にエンコードしますが、残りのUnicode（絵文字など）は32ビット（4バイト）コードでエンコードされます。一方、業界の他の部分（Unix系システムやWeb）、そして現在MicrosoftはUTF-8を選択しています（7ビットASCII文字セットに1バイト、BMPのその他の文字に2〜3バイト、残りに4バイトを使用します）。 CP_UTF8

次の Windows コード ページが存在します。

これら 9 つのコード ページはすべて拡張 ASCII 8 ビットSBCSエンコーディングであり、Windows で ANSI コード ページとして使用するためにMicrosoftによって設計されました。これらは一般に IANA 登録名^[6]windows-<number>で として知られていますが、 またはcp<number>「コード ページ」の略である「cp」と呼ばれることもあります。これらはすべて ANSI コード ページとして使用されます。Windows-1258 は OEM コード ページとしても使用されます。

Windows-125x シリーズには 9 つの ANSI コード ページが含まれており、主にヨーロッパと西アジアの文字をカバーし、さらにベトナム語もカバーしています。タイ語と東アジア言語のシステム エンコードは、同様の IBM コード ページと一致するように番号が付けられており、ANSI と OEM の両方のコード ページとして使用されています。これらについては、次のセクションで説明します。

これらも ASCII ベースです。これらのほとんどは OEM コード ページとして使用するために含まれています。コード ページ 874 は ANSI コード ページとしても使用されます。

これらは、同じ番号の IBM コード ページとは異なる場合があります。コード ページ 932、949、および 950 は、同じ番号の IBM コード ページと部分的にしか一致しません。一方、番号 936 は、現在では非推奨となっている別の簡体字中国語エンコードに IBM によって使用されていました。また、Windows-951 は、その場しのぎの策として、IBM-951 とは無関係です。IBM の同等のコード ページは、2 番目の列に示されています。コード ページ 932、936、949、および 950/951 は、問題のロケールで ANSI および OEM コード ページの両方として使用されます。

さらにいくつかのマルチバイト コード ページが、オペレーティング システム ライブラリを使用したデコードまたはエンコード用にサポートされていますが、どのロケールでもどちらの種類のシステム エンコードとしても使用されません。

Microsoft は最新のアプリケーションでは Unicode を使用することを強く推奨していますが、多くのアプリケーションやデータ ファイルは依然として従来のコード ページに依存しています。

• プログラムは、(Unicode 以前の) ファイルの内容を正しく表示するために、使用するコード ページを認識する必要があります。プログラムが間違ったコード ページを使用すると、テキストがmojibakeとして表示される場合があります。
• 使用されているコード ページはマシンによって異なる場合があり、そのため、あるマシンで作成された (Unicode 以前の) ファイルは別のマシンでは読み取れない可能性があります。
• 多くの場合、データはコード ページで不適切にタグ付けされていたり、まったくタグ付けされていなかったりするため、データを読み取るための正しいコード ページを判別することが困難になります。
• これらの Microsoft コード ページは、一部の標準や他のベンダーの実装とはさまざまな程度で異なります。これはすべてのベンダーに発生する問題であり、Microsoft自体の問題ではありませんが、一貫性が欠如しているため、他のシステムとの相互運用性が信頼できない場合があります。
• コード ページを使用すると、使用できる文字のセットが制限されます。
• サポートされていないコード ページで表現された文字は、疑問符 (?) やその他の置換文字に変換されるか、より単純なバージョン (文字からアクセントを削除するなど) に変換されることがあります。いずれの場合も、元の文字が失われる可能性があります。

• AppLocale  – ユーザーが選択したロケールで非 Unicode (コード ページ ベース) アプリケーションを実行するユーティリティ。

• 各国語サポート (NLS) API リファレンス。言語ごとの ANSI および OEM コードページを示す表 (Microsoft が元のページを削除したため、Web アーカイブから)
• IANA 文字セット名登録
• Windows コード ページの Unicode マッピング テーブル
• 「最適な」Windows コード ページの Unicode マッピング