２バイト文字系の文字コード

１バイト文字のコードと２バイト文字のコードの区別

１バイト文字だけの文字列、２バイト文字だけの文字列に完全に分かれていれば問題ないのですが、「ABあいCＤＥＦ亜」のように１バイト文字と２バイト文字が混在している場合、文字コードから文字に戻すときに問題が生じることがあります。

いきなりですが、問題です。
次の８バイト分のＪＩＳコードを文字に戻すと、どんな文字になるでしょうか。コードは１６進数表記です。

42 58 41 52 53 47 48 56

参考に、コード表の一部を載せておきます。一部だけなので、問題を解くためには、ここに書いていない文字コードが必要かもしれません。

正解は？？
「BXARSGHV」と解いた人もいると思います。２バイトづつまとめて「替倉喃番」と解いた人もいると思います。
「BX倉SG番」や「B愾厶G番」のように文字に戻すこともできます。
ＪＩＳコードの場合、コードが並んでいるだけだと、それが１バイト文字に戻るのか、２バイト文字に戻るのかが、わからないのです。

------

解決案としてまず思い浮かぶのは、１バイト文字の文字コードと２バイト文字の文字コードの区別が付くように文字コードの前に印を付けちゃえ、という案です。

上のように１バイト文字の印、２バイト文字の印を付けてあげるとどっちのコード表を使えばいいか解るので、「替倉SG番」と戻せばいいとなります。

------

頭の良い人が、別の案を考えました。
ＪＩＳ８文字コードでは、８、９、Ｅ、Ｆの列が空いています。（下の表の緑色の部分）

１バイト文字と２バイト文字で同じコードを使っているからわからないので、２バイト文字は１バイト文字の空いている場所を使えばいいじゃないかという案です。

例えば、４２や７ＡはＪＩＳ８のコード表を見ると「A」や「z」という文字です。これらは、ＪＩＳ８のコード表上に有るので、１バイト文字とします。一方、８Ａ ９Ｂという文字コードならば、ＪＩＳ８のコード表には８Ａとか９Ｂの文字は無いので、これは２バイトのコードだな、ということになります。
Ｅ１ ４１の並びも２バイト文字かな、ということがわかります。２バイト目の４１は「A」ですが、１バイト目のＥ１は空いているところなので、次の４１は「A」ではなくて、２バイト文字の２バイト目だ、ということになります。

上では、ＪＩＳ８の場合で説明しましたが、ＡＳＣＩＩやＥＢＣＤＩＣでも空いている場所はあるので、同じように考えることができます。

前者の印を付けるタイプの欠点は、印の分だけデータサイズが増えることと、１バイト文字と２バイト文字が混在した場合、印が何個必要なのかわからないので、文字列を保存するために必要とするデータサイズをあらかじめ予想しにくいことです。
後者の１バイト文字コード表の空いている場所を使うタイプの欠点は、表現できる文字の数が少なくなることです。上の例では、８ｘ、９ｘ、Ｅｘ、Ｆｘの列の数字だけしか２バイト文字コードに使えません。