n
naritai.app

経営情報システム

標準
オフラインモード

データ表現と文字コード

ビット・文字と数値の表現

この章で覚えておきたいこと

同じ「あ」が別の端末で化けたり、小数の足し算にわずかな差が出たりします。コンピュータが内部で使う表現から考えます。

基本知識

文字集合と符号化方式

商品名を保存するには、文字に番号を対応させ、その番号を記録するバイト列を決めます。

商品名を保存するには、文字に番号を対応させ、その番号を記録するバイト列を決めます。

文字集合には、どんな文字を扱い、それぞれをどの番号で区別するかという役割があります。Unicodeでは「あ」の符号位置はU+3042です。UTF-8(Unicode Transformation Format, 8-bit encoding form/8ビット単位のUnicode符号化形式)で保存するとバイト列は16進数でE3 81 82です。文字、符号位置、保存されるバイト列を順に追います。

ASCII(American Standard Code for Information Interchange/米国情報交換標準符号)は7ビットで128種類を表します。EUC-JP(Extended Unix Code for Japanese/日本語の拡張UNIXコード)やISO-2022-JPは日本語を扱う符号化方式です。同じバイト列を保存時と異なる方式で読み込むと、文字化けすることがあります。UTF-8ではASCII範囲は1バイトですが、日本語を含む全文字が1バイトになるわけではありません。

浮動小数点と計算誤差

限られた桁数で端数を表す際の丸め誤差と、近い二数を引いた結果の桁落ちでは、精度を失う場面が違います。

限られた桁数で端数を表す際の丸め誤差と、近い二数を引いた結果の桁落ちでは、精度を失う場面が違います。

10進数の0.1は2進数では有限桁で表せず、多くの浮動小数点形式で近似値になります。指定した桁で値を丸めたために生じる違いが丸め誤差です。表現範囲を超える値になる場合のオーバーフローとは区別します。

ほぼ等しい近似値同士を引くと先頭が相殺され、もとの近似誤差が差に対して大きくなります。これが桁落ちです。非常に大きい値に小さい値を加えた際、桁合わせで小さい側の情報が失われる現象は情報落ちです。金額計算では最小通貨単位の整数など、必要な精度に合う表現を選びます。

絶対値が表せる最小の正の大きさより小さくなると、表現方式に応じて精度が低下したり、0に丸められたりします。これがアンダーフローに関わる場面です。

2進数の位取りとビット数

4桁の2進数1101は、8の位、4の位、1の位に1が立つので、10進数の13です。

4桁の2進数1101は、8の位、4の位、1の位に1が立つので、10進数の13です。

各桁が0か1なので、4ビットなら2×2×2×2=16通りです。符号なしなら0000から1111、つまり0から15です。8ビットは1バイトで256通りを表せます。16進数では0から9、AからFの16文字を使うため、1桁がちょうど4ビットに対応し、2進数1101は16進数のDです。

負数も扱うときは表現方式を確認します。4ビットの2の補数表現なら正の3を0011とし、ビットを反転して1100、1を加えて1101と表すので、この並びは−3です。符号なしと同じ並びでも、表現方式によって読み方が変わります。

この章のまとめ

文字は符号位置とバイト列を分けます。数値は表せる範囲と精度に限界があり、近似や演算順序が結果に影響します。

関連する項目 アルゴリズムとデータ構造

確認クイズ

問1 ASCIIの7ビットで区別できる値は何種類ですか。

答えと理由を見る

2の7乗=128種類です。1バイトの256通りと混同しないよう、指定のビット数を使います。

問2 Unicodeで「あ」の番号が同じでも、UTF-8とUTF-16で保存したバイト列は同じですか。

答えと理由を見る

符号化方式が異なるため一般に異なります。文字に付けた番号と、その番号を記録する方法を分けて考えます。

問3 ほぼ等しい二つの測定値の差を取ったときに有効な桁が減る現象は何ですか。

答えと理由を見る

桁落ちです。先頭の桁が相殺され、もとの値に含まれた誤差の影響が大きくなります。

一次試験過去問での出方

文字コードの問題では、ASCIIのビット数、日本語の符号化方式、Unicodeが文字を識別する役割を対応づけます。

引用元