Unicode 内のそれぞれの文字種の範囲

Update: 2009-11-23

郵便番号データを利用するサンプルを作っている最中に気になって、ひらがな、カタカナなどの文字種の Unicode の文字コードの範囲を調べました。

資料として http://www.unicode.org/Public/MAPPINGS/OBSOLETE/EASTASIA/JIS/SHIFTJIS.TXT を使います。 “OBSOLETE” となっていますが参考にはなります。これを表計算のシートに貼り付けて Unicode 順に並べ替えるとわかりやすいです。以下の説明には unicode.org の対応する “Code Charts” の URL も記しておきましたので、個別の字面とコード値の確認のためにご参照ください。

unicode.org の文書に頻出する “CJK” は “Chinese Japanese Korean” の略です。

ASCIIコード

Code Charts: C0 Controls and Basic Latin / Range: 0000–007F

基本的には 0x0020 - 0x007D がASCIIコードに対応するのですが、 Shift_JIS 等の日本の文字コードでこれ以外に関係するのは半角の円マークとバックスラッシュです。バックスラッシュは 0x005C 半角の円マークは 0x00A5 （次項参照）になります。

全角記号

全角記号は Unicode の広い範囲に分散しています。 Shift_JIS に対応づけられる文字はその中の一部です。

Code Charts: C1 Controls and Latin-1 Supplement / Range: 0080–00FF

Code Charts: Greek and Coptic / Range: 0370–03FF

Code Charts: Cyrillic / Range: 0400–04FF

Code Charts: General Punctuation / Range: 2000–206F

Code Charts: Letterlike Symbols / Range: 2100–214F

Code Charts: Arrows / Range: 2190–21FF

Code Charts: Mathematical Operators / Range: 2200–22FF

Code Charts: Miscellaneous Technical / Range: 2300–23FF

Code Charts: Box Drawing / Range: 2500–257F

Code Charts: Geometric Shapes / Range: 25A0–25FF

Code Charts: Miscellaneous Symbols / Range: 2600–26FF

0x00A2 - 0x00F7 Latin-1 に含まれる各種記号
0x0391 - 0x03C9 ギリシャ文字
0x0401 - 0x0451 キリル文字
0x2010 - 0x2312 矢印、科学技術記号など
0x2500 - 0x254B 罫線
0x25A0 - 0x266F 図形など

SHIFTJIS.TXT に収められている文字はこれだけなのですが、 Windows の機種依存文字としてラテン数字がありますね。次のものが対応するのかな？

Code Charts: Number Forms / Range: 2150–218F

丸付き数字については調査見送り。

全角かな

Code Charts: CJK Symbols and Punctuation / Range: 3000–303F

Code Charts: Hiragana / Range: 3040–309F

Code Charts: Katakana / Range: 30A0–30FF

“Code Charts” を見ると「そんな文字使えるの？」というものもありますね。 SHIFTJIS.TXT に収められているものは次のようになります。

0x3000 - 0x301C 全角スペース、句読点など
0x3041 - 0x3093 ひらがな
0x309B          濁点
0x309C          半濁点
0x309D          「ゝ」
0x309E          「ゞ」
0x30A1 - 0x30F6 カタカナ
0x30FB          中黒点「・」
0x30FC           長音「ー」
0x30FD          「ヽ」
0x30FE          「ヾ」

漢字

Code Charts: CJK Unified Ideographs / Range: 4E00–9FCF

SHIFTJIS.TXT に収められている範囲は 0x4E00 - 0x9FA0 です。すべて上記のリストの範囲内です。 Windows で使える文字が最近拡張されているのが気になるのですが、今回はここまで。 JIS 第三、第四水準の漢字とオーバーラップすると思われる CJK Extension-A 〜 C もざっと見てみましたが、地名等にはあるかもしれないけど、とても日本人が日常使いこなせるとは思えない文字ばかりでした。