2バイト文字

綾坂こと「あなたが2バイト文字って言っているその文字、大抵の場合は2バイトではない。」

この表現をするとき、実際は大抵「非ASCII文字」を指します。

しかし、現在はUnicode(UTF-8)を使うことがほとんどなので実際には2バイトで保存されていないことがほとんどです。

UTF-8において2バイトで保存されているのは以下の通り。

ラテン文字の補助・拡張(©や®、マクロン付きアルファベットなど)

国際音声記号などの「IPA拡張」

コプト文字、ギリシア文字、キリル文字、アルメニア文字、ヘブライ文字、アラビア文字、シリア文字、ターナ文字、ンコ文字

ひらがな・カタカナ・半角カナ・常用漢字・その他使用頻度の高い漢字はすべて3バイトです。

他の言語の文字もよほどマイナーでなければ3バイトです。

4バイトの文字もあります。

変体仮名や一部の漢字(異体字や超マイナー漢字など)は4バイトだったりします。「𩸽」とかが有名です。

線文字B、楔形文字などの古代文字は4バイトです。

「錬金術記号」とかいう面白い記号も4バイトの範囲に収録されています。🝳←たとえばこれは「半オンス(=14.1747615625g)」を表すらしいです。

また、絵文字はだいたい4バイト以上です。