文字コード概要

C言語の場合

#include <stdlib.h>
#include <string.h>
#include <stdio.h>

int main()
{
    /* 2つの文字列を結合する：C言語*/
    const char* strA = "Hello, ";
    const char* strB = "world.";

    /* 領域確保 */
    char* strC = (char*)malloc(strlen(strA) + strlen(strB) + 1);

    strcpy(strC, strA); /* strAをstrCにコピー */
    strcat(strC, strB); /* strBをstrCに結合 */
    puts(strC);

    if (strcmp(strC, "Hello, world.") == 0) /* 比較 */
    {
        puts("ok.");
    }
    free(strC); /* 領域解放 */
}

C++の場合

#include <iostream>
#include <string>

int main()
{
    // 2つの文字列を結合する：C++
    std::string strA = "Hello, ";
    std::string strB = "world.";

    std::string strC = strA + strB; // 結合
    std::cout << strC << std::endl;

    if (strC == "Hello, world.") // 比較
    {
        std::cout << "ok." << std::endl;
    }
    // 確保された領域は自動的に解放される
}

• std::stringクラスの実体はstd::basic_string<charT , traits,Allocator> というテンプレートクラス

文字コード

• 文字は数値、文字列は数値の並びとして扱われる。
• 入出力の際に文字と数字との対応表を文字コードという

昔の文字コード

ASCIIコード

• 7bit(0～127 : 0x00～0x7F)で表現できる数値のそれぞれに文字を割り当てたもの
• 昔は英数字、数字、いくつかの記号、改行やタブなどの制御記号しか扱っていなかった

今流行りの拡張

MBCS : Multi Byte Character Set

• 複数のcharの組に1文字を割り当てる。
  • 半角文字は1バイトだが、全角文字は2バイトとか3バイトとか
• 以前から使ってきた文字列(char*,char[])をそのまま使えるが、char配列の文字列の長さと文字列の長さが一致しなくなる。

C 日本語文字列 - yonewiki

• UTF-8、Shift-JISなど。
• std::stringはMBCSを扱っている。

WSC : Wide Character Set

マルチバイト文字とワイド文字

• charより大きなサイズの型「wchar_t」を用意してwchar_tの列で文字列を表す
• ワイド文字列とも呼ばれる
• 常に16ビットなので、英数字しか使わない場合はMBCSより文字列を確保するのに必要な領域が増える
• Unicode(UTF-16)
• std::wstringがWSCを扱っている