符号単位

16ビット符号単位

[1] UTF-16 における一つの単位 (16ビット分のビット列) のことを16ビット符号単位 (16-bit code unit) といいます。

[2] 16ビット符号単位は、

[3] サロゲート・ペア以外については、ある1つのUnicode文字を表します。
[4] サロゲート・ペアについては、2つの16ビット符号単位の組によってある1つのUnicode文字を表します。
[5] サロゲート・ペアに使用されるものが正当な組み合わせで使われていない場合、Unicode文字を表しておらず、 UTF-16 として不正なものになります。

関連

[6] 「16ビット符号単位」は、 UTF-16 において意味を持つ最短のビット列であり、理論上は16ビットで一つの「バイト」であると主張することも可能です。しかし実際には「バイト」は8ビットであると考えられること、8ビットとして実装されることが多く、従って UTF-16BE と UTF-16LE の違いが存在してしまっています。

[7] 「16ビット符号単位」はしばしば「文字」、「符号位置」、「Unicodeスカラー値」といった類義語と混用されます。

歴史

[8] Web Applications 1.0 r6649 Define 'code unit'. ( (2011-10-07 08:30:00 +09:00 版)) <http://html5.org/tools/web-apps-tracker?from=6648&to=6649>

[9] Character Model for the World Wide Web 1.0: Fundamentals ( (2005-02-15 14:24:00 +09:00 版)) <http://www.w3.org/TR/charmod/#def-CEF>

[10] JavaScript, aka. Web ECMAScript (2016-03-06 22:24:23 +09:00 版) <https://javascript.spec.whatwg.org/>

When this specification uses the term ECMAScript character, it means a 16-bit unsigned value used to represent a single 16-bit unit of text. [ECMASCRIPT]

[11] Define JavaScript string and scalar value string (annevk著, 2017-03-27 16:01:49 +09:00) <https://github.com/whatwg/infra/commit/f1be763cfba23d2fc780b35403074c599e69616e>

[12] Editorial: let code point and friends be defined by Infra (annevk著, 2017-03-29 17:47:15 +09:00) <https://github.com/whatwg/html/commit/59595d9c2ccadb9332c15048be5d30174532ee70>