아스키(ASCII)

아스키(ASCII)

아스키 코드, 즉 ASCII는 'American Standard Code for Information Interchange'의 약어로, 정보 교환을 위한 미국 표준 코드란 뜻이다.

아스키는 128개(=$ 2^7 $)의 문자 집합을 제공하는 7 bit 부호이다. 처음 32개의 문자는 인쇄와 전송 제어용으로 사용되는 제어문자로 출력할 수 없고, 마지막 문자를 제외한 33번째 이후의 문자들은 출력할 수 있는 문자들로, 기호와 숫자, 영대소문자로 이루어져 있다.

아스키는 숫자 '0~9', 영문자 'A~Z', 'a~z'가 연속적으로 배치되어 있다는 특징이 있으며, 이러한 특징때문에 프로그래밍에서 유용하게 활용된다.

---

확장 아스키(Extended ASCII)

일반적으로 데이터는 byte 단위로 다뤄지는데 아스키는 7bit 이므로 1bit가 남는다. (* 1 byte = 8 bit)

이 때 남는 1bit를 활용하여 문자를 추가로 정의한 것이 '확장 아스키'이다.

확장 아스키에 추가된 128개의 문자는 여러 국가와 기업에서 서로의 필요에 따라 다르게 정의해서 사용되는데, ISO(국제표준화기구)에서 몇 가지 발표한 것이 익숙한 'ISO 8859-1'이다. 그 외에도 'ISO Latin 1'이라고 하는 서유럽에서 일반적으로 사용하는 문자들을 포함하고 있는 확장 아스키 버전도 발표했다고 한다.

---

확장 완성형(CP 949)

한글을 표현하는 방법은 조합형과 완성형이 있는데, 조합형은 초성, 중성, 종성을 조합하는 방식이고, 완성형은 확장 아스키의 일부 영역(162~254)에 해당하는 두 문자코드를 조합하여 한글을 표현한다.

현재 조합형은 사용되지 않고, 완성형(KSC 5601)에 없는 잘 쓰이지 않는 8822글자를 추가한 확장 완성형(CP 949)가 사용된다. 이 확장 완성형 CP 949가 한글 윈도우에서 사용되는 문자 인코딩이다. 참고로 영문 윈도우는 CP 437을 사용한다.

---

유니코드(Unicode)

인터넷이 발명되면서 서로 다른 지역의 다른 언어를 사용하는 컴퓨터간의 문서 교환이 활발해지면서 서로 다른 문자 인코딩을 사용하는 컴퓨터간의 어려움이 생겼다. 이러한 어려움을 해소하고자 전 세계의 모든 문자를 하나로 통일된 문자집합으로 표현하고자 노력하였고, 그것이 바로 유니코드이다.

유니코드는 처음엔 모든 문자를 2 byte(=$ 2^{16} $ = 65536)로 표현하려 했으나, 2 byte도 부족해서 21bit로 확장되었다.

유니코드는 먼저 유니코드에 포함시키고자하는 문자들의 집합을 정의하였는데, 이것을 유니코드 문자 셋(=character set, 캐릭터셋)이라고 한다. 그리고 이 문자 셋에 번호를 붙인 것이 유니코드 인코딩이다. 

유니코드 인코딩에는 UTF-8, UTF-16, UTF-32 등이 있는데, 자바에서는 UTF-16을 사용한다.

UTF-16은 모든 문자를 2 byte의 고정 크기로 표현하고 UTF-8은 하나의 문자를 1~4 byte의 가변 크기로 표현하며, 두 인코딩 모두 처음 128문자가 아스키와 동일하다. 즉, 아스키를 그대로 포함하고 있는 것이다.

 

모든 문자의 크기가 동일한 UTF-16이 문자를 다루기에는 편리하지만, 1byte로 표현할 수 있는 영어와 숫자가 2byte로 표현되므로 문서의 크기가 커진다는 단점이 있다. 

그에 반해 UTF-8에서 영문과 숫자는 1byte, 한글은 3byte로 표현되기 때문에 문서의 크기가 작지만 문자의 크기가 가변적이므로 다루기 어렵다는 점이 있다. 인터넷에서는 전송속도가 중요하므로, 문서의 크기가 작을수록 유리하다. 그래서 UTF-8 인코딩으로 작성된 웹문서의 수가 빠르게 늘고 있다.

 

 

 

[참고] 자바의 정석