UnicodeにおけるASCII制御文字

ASCII制御文字

最初の32個のUnicodeコードポイント（U+0000〜U+001F）とU+007F（DELETE）は、ASCII標準から継承された制御文字です。これらの文字は非印字文字であり、目に見えるグリフとしてレンダリングされず、端末、プリンター、ソフトウェアによるテキスト処理を制御します。

最も一般的な制御文字

コードポイント	名前	一般的な用途
U+0000	NULL (NUL)	C/C++の文字列終端
U+0009	CHARACTER TABULATION (TAB)	テキスト内の水平タブ
U+000A	LINE FEED (LF)	Unix/macOSの改行
U+000D	CARRIAGE RETURN (CR)	Windowsの改行コンポーネント（CR+LF）
U+001B	ESCAPE (ESC)	ANSIエスケープシーケンスの開始
U+007F	DELETE (DEL)	削除文字

UTF-8エンコーディング

すべてのASCII制御文字はUTF-8で1バイトを占め、値は0x00から0x1Fおよび0x7Fです。この1バイト表現は元のASCIIエンコーディングと区別がつかないことを意味し、これはUTF-8の核となる設計原則です。

なぜ重要なのか

制御文字はデータ処理パイプラインに頻繁に登場します。不正なNULLバイトはCプログラムで文字列を切り詰める可能性があります。改行コードの混在（LF vs. CR+LF）はOS間でファイルを共有する際に問題を引き起こします。ESCAPE文字は端末のカラーコードやカーソル移動シーケンスを開始します。これらの文字を理解することは、テキストエンコーディングの問題をデバッグする第一歩です。

隠れた文字の特定

Unicode Inspectorにテキストを貼り付けると、制御文字は不可視のグリフではなくコードポイントラベル（例：U+000A）で表示されるため、簡単に発見できます。カテゴリ列にはこの範囲のすべての文字に対して「Control」と表示されます。