基本ラテンアルファベット — UnicodeのA〜Z

Unicodeにおける基本ラテンアルファベット

ラテン大文字A〜ZはコードポイントU+0041〜U+005A、対応する小文字a〜zはU+0061〜U+007Aを占めます。これら52文字は基本ラテンUnicodeブロック（U+0000〜U+007F）の中核を形成し、ASCII標準と完全に一致します。

コードポイントの構造

大文字と小文字の範囲はコードポイント値で正確に32（0x20）離れています：

A = U+0041 (65 decimal)    a = U+0061 (97 decimal)
B = U+0042 (66 decimal)    b = U+0062 (98 decimal)
...
Z = U+005A (90 decimal)    z = U+007A (122 decimal)

この0x20のオフセットは、ビット演算で大文字小文字変換を容易にするASCIからの意図的な設計選択です。ビット5を切り替えるだけで大文字と小文字が切り替わります。

UTF-8エンコーディング

すべての基本ラテン文字はUTF-8で1バイトとしてエンコードされ、ASCII値と同一です。文字Aはバイト0x41、zはバイト0x7Aです。これは基本ラテンテキストがASCII、Latin-1、UTF-8で同じバイト長を持つことを意味します。

基本ラテンを超えて

UnicodeはLatin-1 Supplement（U+0080–U+00FF）のアクセント文字、Latin Extended-A（U+0100–U+017F）、Latin Extended-B（U+0180–U+024F）などのブロックで、ラテン文字をA〜Zをはるかに超えて拡張しています。Unicode Inspectorでは、これらの拡張文字が基本文字とバイト数やエンコーディングでどのように異なるかを比較できます。

全角ラテン文字

日本語のテキスト処理では全角ラテン文字（A〜ZはU+FF21–U+FF3A、a〜zはU+FF41–U+FF5A）を使用します。これらはUTF-8で3バイトを占め、等幅レイアウトでCJK文字の幅に合わせて視覚的に広く設計されています。