基本多言語面

Unicode > 面 (文字コード) > 基本多言語面

基本多言語面（きほんたげんごめん、英: Basic Multilingual Plane, BMP）は、ISO/IEC 10646の第0群第0面およびUnicodeの第0面。最初の65536の符号位置である0000₁₆～FFFF₁₆からなる。

最もよく使う、基本的な文字・記号のほとんどが含まれる。

UCS-2は、BMPのみからなる。また、Unicode 3.0までのUnicodeは、BMPのみからなっていた。

符号化

BMPの符号位置は、UTF-16やUTF-8では、他の面より少ないオクテット（バイト）数で符号化される。

UTF-8では、1〜3オクテットで符号化される。
UTF-16では、2オクテットで符号化される。サロゲートペア（代用対）は必要がないため使われない。
UTF-32では、他の面と同様、4オクテットで符号化される。

歴史

BMPは、本来、1990年に4バイト文字符号化方式 (CCS) として策定されたDIS 10646の用語だった。DISはDraft International Standardの略で、ISOのドラフト（草稿）を意味する。DIS 10646は、UCS-4同様、文字を群、面、区、点の4バイトで符号化した。そのうち最初の面がBMPである。ただし、DIS 10646第1版はISO 2022準拠で、20₁₆～7F₁₆のみしか使えなかったため、BMPを始めとする各面は256×256 = 65536ではなく96×96 = 9216符号位置しか持たなかった。また、BMPは最初の面と言っても、第0面ではなく第20₁₆群第20₁₆面だった。

一方、DIS 10646とは別に、Unicodeが2バイトCCSとして民間で開発されていた。UnicodeはISO 2022非準拠で、256×256の1面からなっていた。

1991年、DIS 10646第1版は否決され、Unicodeとの一本化が決定された。BMPは、Unicodeと完全な互換性を持つことに決まった。ISO 2022準拠の制約が外され、1面がUnicodeと同じ256×256 = 65536符号位置を持つようになった。また、BMPは第0群第0面に移動された。こうして生まれたのがDIS 10646第2版で、これを元に、1993年にISO/IEC 10646が生まれた。

配置領域

BMPは、同種の用字をまとめた、いくつかの配置領域に分かれている。ただし、相次ぐ追加・変更により、配置領域による区分の意味は薄れている。（例えば、ラテン文字は1FFF₁₆以下の領域が一杯になってきたので、かつて記号用の領域とされていた2xxx₁₆の領域やCJK用であったAxxx₁₆の領域を使用するようになった。また、互換文字の領域にあるものでも、他の領域に同じような文字がないため、互換文字としては扱わないものもある。例えばU+FA1FやU+FA24など。）

主な配置領域
開始	終了	配置領域名
0000	1FFF	一般スクリプト
2000	2DFF	記号
2E00	33FF	CJKの表音文字と記号
3400	9FFF	CJK統合漢字
A000	A4CF	彝文字
AC00	D7AF	ハングル音節
D800	DFFF	代用符号位置
E000	F8FF	私用
F900	FFFD	互換文字と特殊文字

当初基本多言語面は以下のような4つの「領域」に分けられていた^[1]。

0000 33FFをアルファベット及び音節文字の用字並びに種々の記号のために使うA領域
3400 9FFFを中国、日本及び韓国の統合された漢字のために使うI領域
A000 DFFFを将来の標準化のために使うO領域
E000 FFFDを私用文字、互換文字と特殊文字の為に使うR領域

しかしながら上記のように例外的な配置が増えてきたため現在基本多言語面で「領域」として定められているのは以下の二つだけである^[2]。

D800 DFFFを代用符号位置に使用するS領域
E000 F8FFを私用領域

収録されている用字系

記号類、Unicode範囲は拡張や補助等を省略。

BMPの主な用字系
英語表記	日本語表記	Unicode範囲
Latin	ラテン文字	U+0041–U+0070
IPA	IPA	U+0250–U+02AF
Greek	ギリシア文字	U+0370–U+30FF
Coptic	コプト文字	U+2C80–U+2CFF
Cyrillic	キリル文字	U+0400–U+04FF
Glagolitic	グラゴル文字	U+2C00–U+2C5F
Armenian	アルメニア文字	U+0530–U+058F
Georgian	グルジア文字	U+10A0–U+10FF
Hebrew	ヘブライ文字	U+0590–U+05FF
Arabic	アラビア文字	U+0600–U+06FF
Syriac	シリア文字	U+0700–U+074F
Thaana	ターナ文字	U+0780–U+07BF
Samaritan	サマリア文字	U+0800–U+083F
Mandaic	マンダ文字	U+0840–U+085F
Tifinagh	ティフィナグ文字	U+2D30–U+2D7F
N’Ko	ンコ文字	U+07C0–U+07FF
Vai	ヴァイ文字	U+A500–U+A63F
Bamum	バムン文字	U+A6A0–U+A6FF
Ethiopic	エチオピア文字	U+1200–U+137F
Cherokee	チェロキー文字	U+13A0–U+13FF
Unified Canadian Aboriginal Syllabics	統合カナダ先住民文字	U+1400–U+167F
Ogham	オガム文字	U+1680–U+169F
Runic	ルーン文字	U+16A0–U+16F0
Devanagari	デーヴァナーガリー文字	U+0900–U+097F
Bengali	ベンガル文字	U+0980–U+09FF
Gurmukhi	グルムキー文字	U+0A00–U+0A7F
Gujarati	グジャラート文字	U+0A80–U+0AFF
Oriya	オリヤー文字	U+0B00–U+0B7F
Tamil	タミル文字	U+0B80–U+0BFF
Telugu	テルグ文字	U+0C00–U+0C7F
Kannada	カンナダ文字	U+0C80–U+0CFF
Malayalam	マラヤーラム文字	U+0D00–U+0D7F
Sinhala	シンハラ文字	U+0D80–U+0DFF
Meetei Mayek	メイテイ文字	U+ABC0–U+ABFF
Ol Chiki	オル・チキ文字	U+1C50–U+1C7F
Saurashtra	サウラーシュトラ文字	U+A880–U+A8DF
Syloti Nagri	シロティナーガリー文字	U+A800–U+A82F
Tibetan	チベット文字	U+0F00–U+0FFF
Phags-pa	パスパ文字	U+A840–U+A87F
Lepcha	レプチャ文字	U+1C00–U+1C4F
Limbu	リンブ文字	U+1900–U+194F
Tagalog	タガログ文字	U+1700–U+171F
Hanunoo	ハヌノオ文字	U+1720–U+173F
Buhid	ブーヒッド文字	U+1740–U+175F
Tagbanwa	タグバンワ文字	U+1760–U+177F
Javanese	ジャワ文字	U+A980–U+A9DF
Balinese	バリ文字	U+1B00–U+1B7F
Sundanese	スンダ文字	U+1B80–U+1BBF
Batak	バタク文字	U+1BC0–U+1BFF
Rejang	ルジャン文字	U+A930–U+A95F
Buginese	ブギス文字	U+1A00–U+1A1F
Cham	チャム文字	U+AA00–U+AA5F
Thai	タイ文字	U+0E00–U+0E7F
Lao	ラーオ文字	U+0E80–U+0EFF
Myanmar	ビルマ文字	U+1000–U+109F
Khmer	クメール文字	U+1780–U+17FF
Kayah Li	カヤー文字	U+1000–U+109F
Tai Le	タイ・ナ文字	U+1950–U+197F
New Tai Lue	タイ・ロ文字	U+1980–U+19DF
Tai Viet	タイ・ヴィエト文字	U+AA80–U+AADF
Tai Tham	ラーンナー文字	U+1A20–U+1AAF
Braille Patterns	ブライユ点字	U+2800–U+28FF
Hiragana	ひらがな	U+3040–U+309F
Katakana	カタカナ	U+30A0–U+30FF
Mongolian	モンゴル文字	U+1800–U+18AF
Bopomofo	注音字母	U+3100–U+312F
CJK Unified Ideographs	CJK統合漢字	U+4E00–Ｕ+9FFF
Yi Syllables	彝文字	U+A000–U+A4CF
Lisu	リス文字	U+A4D0–U+A4FF
Hangul Syllables	ハングル	U+AC00–U+D7A3