[20] [DFN[Unicode [RUBYB[文字]@en[character]]]]は、 [[Unicode]] における[[文字]]です。 * 仕様書 [REFS[ - [7] [CITE[The Unicode Standard, Version 13.0 - ch02.pdf]], [TIME[2020-03-09T17:53:32.000Z]], [TIME[2020-12-22T05:59:12.190Z]] ]REFS] * 意味 [4] [[Unicode]] の[RUBYB[[[文字]]][character]]は、 「[[Unicode Consortium]] が[[文字]]と考えるもの」 としか説明のしようがありません。 [5] それは一般人が「文字」と感じるものと必ずしも一致しません [WEAK[(これは [CITE[The Unicode Standard]] も明言しています。)]] し、 各国の[[文字政策]]や教育で「文字」と扱われているものとも必ずしも一致しません。 学術研究や他の[[文字コード]]規格の「文字」とも必ずしも一致しません。 [6] [[Unicode文字]]は歴史的、政治的経緯によって歪んでおり、 必ずしも利用しやすい、実装しやすい形になってはいません。 [8] [CITE[The Unicode Standard]] における[[文字]]は、 [RUBYB[筆記言語][written language]]の最小の構成要素の抽象表現であって[RUBYB[[[意味]]的][semantic]]な値を持つものです。 [[文字]]は、 [[自然言語]][RUBYB[文][text]]や[RUBYB[技術的記法][technical notation]]を構成する [[letter]]、 [RUBYB[[[句読点]]][punctuation]]、 その他の[RUBYB[記号][sign]]を含みますが、これに限りません。 [SRC[>>7]] [EG[ [28] たとえば「A」「0」「あ」「字」「、」「☆」のような [[Unicode文字]]があります。 ]EG] [21] このような「文字」の説明は、[[図形文字]]の説明に近いようですが、 [[Unicode文字]]には他にも[[書式文字]]や[[制御文字]]のようなものがあります。 [9] [[自然言語]]文に使う [[letter]] は、 [[script][用字系]] (言語記述に一緒に使う [[letter]] の[[集合]]) としてグループ化します。 異なる [[script][用字系]] の [[letter]] は、 [RUBYB[[[意味]]的][semantically]]や[RUBYB[[[図形]]的][graphically]]に、 はたまた[RUBYB[[[発音]]][pronunciation]]的に対応関係にあるとしても、 [[Unicode]] では別の[[文字]]で表現します。 [SRC[>>7]] [EG[ [24] [[ラテン文字]]の「A」と[[ギリシャ文字]]の「Α」 は、見た目で区別がつかず[[字源]]は共通であるにも関わらず、 別の [[script]] とみなされ、従って別の [[Unicode文字]]とされています。 [25] もっともこの同じ [[script]] か別の [[script]] かの決定には客観的基準があるわけでもないようで、 [[Unicode Consortium]] の判断によれば、ということになります。 [SEE[ [[用字系]] ]] ]EG] [23] [[利用者]]が1つの[[文字]]と認識するものが、 複数の [[Unicode符号点]]で表されることもあります。 [[基底文字]]と[[結合文字]]で組み合わせて表現されることもあれば、 [[スロバキア語]]「[[ch]]」、 北米原住民語「t[SUP[h]]」 のように複数の[[基底文字]]の列で表現されることもあります。 [SRC[>>7]] [EG[ [26] 1つの[[Unicode文字]]になるか複数の[[Unicode文字]]になるかは、 [[Unicode Consortium]] の判断によります。 例えば 「が」 は1つの[[Unicode文字]]で表せますが、 「か゚」 は「か」 + [[半濁点]]の2つの[[Unicode文字]]でしか表せません。 ]EG] [SEE[ [[結合列]], [[書記素クラスター]] ]] [10] [[文字]]は、メモリー表現にのみ関係する[[符号点]]によって表現され、 [[メモリー]]上の[[文字列]]や、 [[ディスク]]上やデータ転送で使います。 [CITE[The Unicode Standard]] は[[文字符号]]のみを扱います。 [SRC[>>7]] [SEE[ [[文字符号化]] ]] [22] [CITE[The Unicode Standard]] は、 [[文字]]と[[グリフ]]を区別しております。 [SRC[>>7]] [SEE[ [[グリフ]] ]] [EG[ [27] [[アラビア文字]]の[[語頭形]]と[[語末形]]のように、 1つの[[Unicode文字]]に複数の[[グリフ]]が対応し、使い分けられることがあります。 ]EG] [11] [[Unicode]] には[[抽象文字]]という概念があります。 [[Unicode文字]]とは[[抽象文字]]を[[符号点]]に割り当てたもの ([[符号化済文字]]) ということになるのでしょうが、 [[抽象文字]]と (割り当てられた) [[Unicode文字]]が1対1に対応するわけでも、 それを目指しているわけでもないようです。 * 文字の性質 [FIG(short list)[ [2] [[Unicode文字]]の性質 - [[文字特性]] - [[Unicodeの推奨されない文字]] - [[文字のセキュリティー]] ]FIG] * 文字の処理 [FIG(short list)[ [3] [[Unicode文字]]の処理 - [[正規化形]] - [[bidi]] - [[文字のレンダリング]] ]FIG] * ES3 における定義 [12] >The phrase “[[Unicode character]]” will be used to refer to the abstract linguistic or typographical unit represented by a single [[Unicode scalar value]] (which may be longer than 16 bits and thus may be represented by more than one [[code point]]). This only refers to entities represented by single [[Unicode scalar values]]: the components of a [[combining character sequence]] are still individual “[[Unicode characters]],” even though a [[user]] might think of the whole sequence as a single [[character]]. ;; [15] [CITE[ECMAScript Language Specification (HTML version)]] ([TIME[2009-04-03 04:43:48 +09:00]] 版) [13] [[ES3]] 仕様書では[[16ビット符号単位]]に「[[文字]]」という語を当てているため、 [[Unicode]] における本来の「[[文字]]」の意味で「[[Unicode文字]]」という語を用いています。 * HTML における定義 ** 定義 [19] > The term [DFN[[[Unicode character]]]] is used to mean a [[Unicode scalar value]] (i.e. any Unicode code point that is not a surrogate code point). ** 仕様書 - [16] [[Web Applications 1.0]] -- [17] ** 歴史 [14] [CITE@en[(X)HTML5 Tracking]] ([TIME[2009-09-16 23:13:02 +09:00]] 版) ;; [18] ここで定義が追加されました。 [1] [CITE@en[Editorial: let code point and friends be defined by Infra]] ([[annevk]]著, [TIME[2017-03-29 17:47:15 +09:00]])