テキストとは

テキスト （TEXT）とは、 文字 ( もじ ) を使って書かれた 言葉 ( ことば ) や 文章 ( ぶんしょう ) をまとめて呼ぶ言葉です。ふつうの会話でも、「教科書」や「文章」を「テキスト」と呼ぶことがあります。

コンピュータの世界でも「テキスト」という言葉はよく使われますが、ここでは少し違った意味で使われます。コンピュータでいう「テキスト」は、「文字のデータ（文字列）」のことです。例えば、文章を書くときに使うメモ帳やエディタで入力した文字が、それにあたります。

このような「文字のデータ」は、見た目や色などの情報はもたず、「なにの文字が、どんな順番で並んでいるか」だけを持っています。こうした、飾りのない文字データをプレーンテキスト（plain text）とよびます。 そして、このテキストをファイルとして保存したものがテキストファイルです。たとえば、.txtという名前のファイルがそれにあたります。

HTMLも、このようなテキストの一種です。ただし、HTMLは文字だけでなく、「これは見出しです」「ここはリンクです」など、文章の意味や構造をあらわすタグという特別な文字も含んでいます。

この文書では、まず「テキストとはなにか」を確認してから、HTMLのように「テキストにきまりごと（ルール）をのせたもの」が、どういうしくみで動いているのかを見ていきます。

文字データ とは、「 文字 ( もじ ) 」がコンピュータで扱えるように数値化された情報のことです。

私達が「文字」として見ているものは、コンピュータの中では「形」ではなく「意味をもつ記号」として扱われます。そしてその記号には、それぞれ番号（コードポイント）が振られていて、「どの文字なのか」が区別できるようになっています。 この番号を文字コードと呼びます。

たとえば、「A」という文字には65（U+0041）という番号（コードポイント）があり、「1」には49（U+0031）という番号があり、「あ」には12354（U+3042）という番号がついています。この番号によって、コンピュータは「どの文字か」を理解します。

文字は「記号」なので、数字も記号のひとつです。「1」「2」「3」なども、数値そのものではなく、数値を表す文字です。 また、空白（スペース）や改行も文字の一種です。たとえば、文章の区切りに入れる空白も、改行も、れっきとしたデータです。 「文字の間に空白を入れる」「行を分ける」というのは、見た目の装飾ではなく、空白や改行という文字データを追加していることになります。

なお、文字の「見た目」を決めているのはフォント（書体）です。フォントは、同じ「文字コード」をもとに、「どんな形で表示するか」を決めるものです。つまり、「文字そのもの」はコードで決まり、「どのように見えるか」はフォントによって変わります。

このように、「文字データ」はただの絵ではなく、「意味をもつ番号で表された記号のならび」である、ということをおさえておくことが大切です。

電子データ とは、コンピュータなどの電子的な装置の中で扱われるデータ（記録された情報）のことです。

コンピュータは、電気のオン・オフを高速に切りかえて処理を行う「電子回路」でできた機械です。パソコンやスマートフォンも、基本的にはこのしくみで動いており、全ての情報は電気信号として記録・処理されています。

このような情報（データ）には大きく分けて2つの種類があります。

• アナログデータ：連続的に変化する情報（たとえば音の波や光の明るさなど）
• デジタルデータ：段階的に区切って表す情報（たとえば 0 と 1 のように）

コンピュータで使われるのは、主にデジタルデータです。 電気が「流れている＝1」「流れていない＝0」というように、2つの状態（2進数）で情報を表します。

この「0」と「1」の最小単位をビット（bit）と呼びます。 そして、8ビットで1バイト（Byte）という単位になります。 たとえば、「A」という文字は、1バイト（8ビット）で 01000001 といった形で表されます。

人間がこのままの形で読むのは大変なので、通常は16進数（0〜F）で表します。 例えば、01000001（2進数）＝ 41（16進数）です。

文字や数値など、全てのデータはこのような「0と1の並び（バイト列）」として記録されています。HTMLファイルも、見た目は文章ですが、実際には文字をコード番号に変換した数値列（バイト列）として保存されています。たとえば、「伝」という文字を保存する時も、そのままの形で保存されるのではなく、「Unicodeの何番の文字か」を示すコードに変換されて、バイト列として保存されます。

こうした数値の変換や扱いには「符号化（エンコーディング）」の知識が必要になります。HTMLやテキストファイルを扱うとき、「この文字はどのように記録されているのか？」という意識を持つことはとても大切です。

文字コードとは、 文字 ( もじ ) をコンピュータで扱うために、それぞれの文字に番号（コード）を割り振ったものです。

コンピュータの中では、「文字」はそのままの形では記録できません。 すべての文字は、「この文字は何番」といったように、番号（コードポイント）で表されます。 このしくみを定めたものが文字コード（character encoding）です。

例えば、アルファベットの「A」は 65、ひらがなの「あ」は 12354（U+3042）など、それぞれの文字に決まった番号が付いています。 こうして「意味をもつ記号＝文字」を数値として扱えるようにすることで、文字もデジタルデータとして保存・通信・処理ができるようになります。

「テキストサンプル」のページはこちらです。
HTMLの要素を極力用いないでテキストとしての見た目を例示する事を目的としたページです。
ほとんど<pre>要素(整形済みテキスト要素)を用いて表現しています。
本当のテキストファイルだと、ハイパーテキストでないので、ブラウザの「戻る」などを用いて頂かなければいけなくなるので、制御用に<a>要素(アンカー要素)を用いたくて HTMLでのテキスト表現というまわりくどい形をとりました。

比較の為の HTMLサンプルページもあります。

「戻る」など閲覧側の機能で移動して頂く必要がありますが、「テキストをHTML文書として扱う」, 「HTML文書をテキストとして扱う」もあります。それぞれ文字コードを UTF-8 としていますが、エンコーディング宣言がないので文字化けするかもしれません。単なるサンプルデータなので無視してください。

フォント （Font）とは、文字の「かたち（見た目）」を決める書体データのことです。

文字（キャラクタ）は、コンピュータの中では「意味をもつ記号」としてコード（番号）で保存されています。 しかし、その文字が画面にどう見えるか（描画されるか）は、フォント（書体）によって変わります。

例えば、同じ「A」という文字でも、

• A: 丸みのあるデザイン（手書き風）
• A: とがったデザイン（明朝体風）
• A: 幅が均等（等幅フォント）
• A: 幅が文字ごとに違う（プロポーショナルフォント）

など、見た目の印象がずいぶん変わります。