[CS] 아스키 코드와 유니코드

Yalstrax·2021년 8월 5일
2

Study

목록 보기
6/25
post-thumbnail
post-custom-banner

문자열

아스키 코드(ASCII CODE)

미국정보교환표준부호(영어: American Standard Code for Information Interchange), 또는 줄여서 ASCII( /ˈæski/, 아스키)는 영문 알파벳을 사용하는 대표적인 문자 인코딩이다.

ASCII 문자는 영문 알파벳을 사용하는 대표적인 문자 인코딩입니다. 7 비트(bit)로 모든 영어 알파벳을 표현할 수 있습니다.

52개의 영문 알파벳(대소문자)와 10개의 숫자, 32개의 특수문자 그리고 하나의 공백 문자를 표현합니다.

0번부터 31번까지는 출력을 위해 필요한 명령어들 입니다.

아스키 코드의 장점은 매우 단순하고 간단하기 때문에 어느 시스템에도 적용이 가능합니다. 그러나, 2바이트 이상의 문자열은 표현할 수 없기 때문에 국제 표준은 유니코드가 되었습니다.

유니코드(Unicode)

유니코드(Unicode)는 유니코드 협회(Unicode Consortium)가 제정하는 전 세계의 모든 문자를 컴퓨터에서 일관되게 표현하고 다룰 수 있도록 설계된 산업 표준입니다.

이 표준에는 ISO 10646 문자 집합, 문자 인코딩, 문자 정보 데이터베이스, 문자를 다루기 위한 알고리즘 등을 포함하고 있습니다.

유니코드 이전에는, 같은 한글이 적힌 텍스트 파일이라도 표현하는 방법이 제각각이었습니다.

텍스트 파일을 열 때 이런 소위 말하는 뷁어를 본 경우가 한 번쯤은 있습니다.

이런 텍스트 파일이 깨지는 현상은 그 텍스트 뷰어가 지원하지 않는 다른 인코딩 형식으로 텍스트가 저장되어있기 때문입니다.

인코딩(부호화)

인코딩이란 어떤 문자나 기호를 컴퓨터가 이용할 수 있는 신호로 만드는 것입니다.

이 신호를 입력하는 인코딩과 문자를 해독하는 디코딩을 하기 위해서는 미리 정해진 기준을 바탕으로 입력과 해독이 처리되어야 합니다.
이렇게 인코딩과 디코딩의 기준을 문자열 세트 또는 문자셋(charset)이라고 합니다.

이 문자셋의 국제 표준이 유니코드입니다.

유니코드는 인코딩 방식에 따라 UTF-8UTF-16으로 나뉩니다.

UTF는 (Universal Coded Character Set + Transformation Format)의 약자이며, 뒤에 붙는 숫자는 비트(bit)입니다.

UTF - 8

UTF-8은 유니코드 한 문자를 나타내기 위해 1byte(8bits)에서 4byte(32bits)까지 사용합니다.

예를 들어, 라는 문자의 유니코드는 U+CF54 (16진수, HEX)로 표현됩니다. 이 문자를 이진법(binary number)으로 표시하면, 1100-1111-0101-0100 이 됩니다. 이 문자를 UTF-8로 표현하면, 다음과 같이 3byte 의 결과로 표현됩니다.

1110xxxx 10xxxxxx 10xxxxxx # x 안에 순서대로 값을 채워넣습니다.
11101100 10111101 10010100
let encoder = new TextEncoder();
// 입력인자가 없다면 기본 인코딩은 'utf-8'
encoder.encode("코");
// Uint8Array(3) [236, 189, 148]
// 3바이트이며, 배열의 각 요소는 바이트당 할당된 10진수
// 이 수들을 2진수로 바꾸면

(236).toString(2);
// "11101100"
(189).toString(2);
// "10111101"
(148).toString(2);
// "10010100"

UTF-8은 1 byte에서 4 bytes까지의 가변 길이를 가지는 인코딩 방식입니다. 네트워크를 통해 전송되는 텍스트는 주로 UTF-8로 인코딩됩니다. 사용된 문자에 따라 더 작은 크기의 문자열을 표현할 수 있기 때문입니다.

UTF-8은 ASCII 코드의 경우 1 byte, 크게 영어 외 글자는 2byte, 3byte, 보조 글자는 4byte를 차지합니다. 이모지는 보조 글자에 해당하기 때문에 4byte가 필요합니다.

한글은 3byte가 되겠습니다.

UTF-8은 UTF-16에 비해 바이트 순서를 따지지 않고, 순서가 정해져 있습니다.

UTF - 16

UTF-16은 유니코드 코드 대부분(U+0000부터 U+FFFF; BMP) 을 16 bits로 표현합니다.

대부분에 속하지 않는 기타문자는 32 bit(4 bytes)로 표현하므로 UTF-16도 가변 길이라고 할 수 있으나, 대부분은 2 바이트로 표현합니다.

UTF-16에서 한글은 2byte를 차지합니다.

profile
즐겁다면 그것만으로 만만세!
post-custom-banner

2개의 댓글

comment-user-thumbnail
2021년 8월 6일

재미있게 잘 보았습니다. 아는건 별로 없지만 조심스레 말씀드리자면, ​UTF-8 이 웹에서 쓰이게 된 이유는 (물론, 가변 크기 인코딩도 한 몫을 했겠지만), ASCII 로 작성된 기존 페이지와의 하위 호환성을 해치지 않으면서도, 비영어권 사용자를 위한 문자 표현이 가능했기 때문이라 생각합니다. 제 생각에 대한 근거는 아래와 같습니다:

UTF-8 has the useful property that ASCII characters look identical in UTF-8: each character is one byte and has the same binary encoding. Thus, software designed to read UTF-8 data can also handle ASCII data with no change. For these reasons, UTF-8 is widely used on the Internet for text-based applications such as web pages and email.

인용 출처: C Programming: A Modern Approach 2/E, K.N.KING 저, W.W.Norton & Company 출판사, 650pg.

1개의 답글