アルファベット圏以外のITアーキテクトは文字コードに関する苦労が絶えない。システムやクラウドサービスは国をまたいで使う時代であり、コミュニケーションの基盤中の基盤である「文字」を間違いなく表示・交換できるようにシステム全体を整える必要があるからだ。

　日本の文字表現は多様化してしまっている。1970年代から日本は工業規格（JIS）で漢字のICT対応を先行させてきたが、その後の国語審議会（現在は文化審議会国語分科会）での常用漢字改定やグローバル標準の歴史的経緯の影響で、多様化が進んだ。

　システムは作られた年代に応じて、異なった「文字」を使っているのも実態だ。メインフレームは83JIS準拠のベンダー固有体系、UNIXはEUC、WindowsはSJIS、LinuxはUTF-8（Unicode）といった具合だ。文字には多面性がある。整理して理解しておこう。

文字コードの基本は文字セットとエンコーディング方式

　文字を扱うための文字コードの種類は、「文字セット（文字集合:アルファベットや50音といった文字のまとまり）」と「エンコーディング方式（符号化方式:コンピュータ内や伝送上の表現）」の組み合わせで決まる。

　文字セットは文字コード表に文字を割り付けたものであり、文字コード表上の該当文字の位置を「コードポイント（符号位置）」で表す。コードポイント＝エンコーディング結果であればシンプルだが、そうではないので注意が必要だ。例えば半角文字（英数カナなど）と全角文字（漢字など）を一つのデータに混在させるためには、コードポイントの重複を避けるためのエンコーディング方式が必要になる。

　この三つの概念を正しく切り分けることが、ITアーキテクトが文字コードを理解する第一歩だ。実は前述のシステムごとの「文字」は三つの概念が混在している。83JISやUnicodeは文字セット、EUCは文字コード、SJISやUTF-8はエンコーディング方式である。

　半角と全角についても理解しておこう。コンピュータで扱う文字は当初、英数中心の伝送コードとしての7ビット系（パリティを含めて8ビット）、それにカタカナを含めた8ビット系が基本だった。当時の表示装置はVGA（640×480ドット）が主流であり、横8ドット×縦16ドット（＋行間4ドット）で「80文字×24行の半角文字」を表示する。

　次の時代では漢字が加わった。文字の横幅は2倍（16ドット）になり、「40文字×24行の全角文字」を表示するようにした。こうすることで、半角と全角を8ドットの倍数で混在して表示できるという訳だ。