ハングルコードの歴史

この物語で最も食い違いやすいのは、年代ではなく数字の意味です。「ハングルは何文字なのか」という問いが出るたびに、まず何を数えた数字なのかを切り分けなければなりません。4つの答えがすべて異なるからです。

1つ目は字母の数です。現在学校で教えられている単字（字母）は24字で、『訓民正音』が定めたものは28字でした。今日、世界の文字コード体系が組み合わせ用として用意している字母は357個に及びます。数える対象が少しずつ異なるため、これほどの差が生まれるのです。

2つ目は組み合わせ可能な現代音節の数です。初声が19種類、中声が21種類、パッチム（終声）はない場合も含めて28種類。掛け合わせると11,172になります。「가」から「힣」まで、意味があるかどうかに関わらず規則どおりに作られる四角い文字枠がそれだけあるということです。この中には「뷁」のように、一生に一度使うかどうかという文字枠も含まれています。

3つ目はある規格が実際に収録した音節の数です。この数字は規格ごとに異なります。ある規格は2,350文字を収録し、別の規格は11,172文字をすべて収録しました。4つ目は人々が実際に普段よく使う音節の数です。新聞1部、書類1枚に出てくる音節は思いのほか多くありません。3つ目と4つ目の間にある距離こそが、この物語の舞台です。よく使うものだけを入れれば十分だという判断と、書けない文字が残ってはならないという判断が、ここで分かれたのです。

ハングルは単字を作り、それを組み合わせて音節を書き表すよう設計された文字です。『訓民正音解例』には、初声・中声・終声の文字を左から右へ、上から下へと並べて音節単位で書くよう定めた規定が独立して一編収められています。ところがコンピューターは、この設計を2つの方法で受け止めることができました。完成した音節ごとに番号を割り振るか、字母ごとに番号を割り振って組み合わせるか。2つの方式は得意なことと不得意なことが異なっていました。そして、どちらを国家規格の本文に据えるかが、まさに決まろうとしていたのです。

まず音節ごとに番号を割り当てる方式があります。使う音節をあらかじめ選んでリストを作り、順番に番号を振っていきます。「가」に1つの番号、「각」に次の番号。一般に完成型と呼ばれます。

この方式には良い点が4つありました。1つ目、2バイトが当時の国際通信規約が使っていたスロット配置にそのままぴったり収まりました。2つ目、その配置では2バイトとも英文字領域の外側の値だったため、バイトを走査して英文字を探す昔のプログラムが文字の途中のバイトを誤って処理してしまうことがありませんでした。3つ目、リストをカナダ順（五十音順にあたる配列順）にしておけばコード値の順序がそのままカナダ順になるため、並べ替え（ソート）の処理コストが実質ゼロでした。4つ目、同じ符号体系の中に漢字も一緒に収めることができました。悪い点は1つでした。リストにない音節には番号がありません。 抜け道がまったくなかったわけではありませんが、それについては後ほど見ていきましょう。

もう1つは字母ごとに番号を割り当てる方式です。音節ではなく初声・中声・終声のそれぞれに番号を割り当て、3つをつなげて音節のコード値を作ります。一般に組合せ型と呼ばれる方式は、16ビットを先頭の1ビットと5ビットずつの3つのブロックに分けて使いました。良い点は3つありました。組み合わせ可能な現代音節がすべて表現でき、音節から字母をそのまま取り出せるため検索や言語処理に扱いやすく、字母を増やせば古語（古ハングル）へ拡張できる余地がありました。

悪い点もありました。この方式で表現すると、2バイトのうちの1つが英文字領域の値になってしまう音節が生じるのです。たとえば「게」の後ろのバイトは、大文字のAと同じ値になります。ファイルの中からAを探していたプログラムが、「게」の文字の一部をAと見誤って拾ってしまうわけです。組み合わせ可能な現代音節11,172文字のうち、3,724文字がこのようなバイトを含んでいました。

ですが、ここでこの話の均衡点が現れます。当時の国際通信規約が2バイト1セットに使っていた枠は、94掛ける94、すなわち8,836でした。枠が8,836なのに現代音節は11,172なのです。 枠よりも文字のほうが多いのです。ですから、その配置を守ろうとすれば音節を選んで収めるしかなく、すべて収めようとすれば配置を崩すしかありませんでした。どちらが正しいか以前に、2バイト1セットの中では答えの出ない問題だったのです。

ここで「最初」という言葉には注意が必要です。何の最初かによって、答えが5つに分かれるからです。

ハングル字母を収録した最初の国家標準は1974年版です。音節を字母の組み合わせで表した最初の国家標準は1982年版でした。つまり組合せ型は、一時期れっきとした政府規格だったのです。「組合せ型は標準になったことがない」というよくある記述は、この点ですれ違っています。音節ごとに番号を割り当てた最初の国家標準が1987年版です。1987年に起きたことは、新しい標準の登場ではなく標準の交代でした。残る2つの軸は後ほど登場します。現代の音節すべてを収録した最初の国家標準は1992年版で、世界の文字コード体系が現代の音節すべてを収録した最初の版は1996年の2.0版です。

1987年3月、政府は8ビット2バイト完成型ハングル・漢字符号系を新たな標準に定めました。韓国標準研究所が1年余り主導した研究が根拠でした。割り当て表を見ると、ハングル2,350字、漢字4,888字、特殊文字や字母、ローマ字などを合わせて全部で8,224字です。ここに利用者が自ら登録できるように、ハングル95字分の領域を残しておきました。この標準はやがて行政電算網の標準コードとして採択されました。

なぜこちらを選んだのでしょうか。標準を定めた側の計算は、前の章で見た通りでした。国際通信規約のコード配置に適合し、バイトが英文字領域を侵食せず、コード値の順序がカナダ順（五十音順にあたる辞書順）と一致し、漢字も一緒に収めることができます。ここにもう一つありました。実務でよく使う文字はすべて入っているという判断です。後日、標準を擁護した側はこう答えました。「2,350字で99%我が国語の表現が可能であり、使用不可能なその1%のためにはユーザー領域95字を利用すれば十分だ。」

退けられた側の計算も残っています。現代の音節がすべて表現でき、音節を再び字母へと分解でき、古字へ拡張する余地があるということ。2つの計算は、それぞれ異なる危険を重く見ていました。一方は互換性が崩れるリスクを、もう一方は書き表せない文字が残るリスクを。

標準が定まった直後から、リストが作られ始めました。国語学会から、正書法に必要なのに漏れていた220字が指摘され、後に7字が付け加えられました。リストは分類ごとに分かれていました。単一形態素の表記、漢字音、略語、縮約形、方言、そして発音表記。

困った場面は具体的でした。正書法を教える中で「꺾다」の誤った表記を示そうとしても、その間違った文字を画面に表示することができませんでした。標準発音法を教える中で「옷」がどう発音されるかを書き記そうとしても、その文字がなかったのです。方言の資料集に出てくる文字もいくつも抜け落ちていました。標準外の文字は、学術的な研究室だけの問題ではありませんでした。国語教育や辞書の編纂のように、標準語の規範そのものを扱う現場がまず壁にぶつかったのです。

一応、答えは一つ用意されていました。利用者が自分で割り当てられる95個の空き枠です。しかし、ここには逆説がありました。ある人がその枠の最初の位置に「닁」を割り当て、別の人が同じ枠に違う文字を入れると、二人のファイルはお互いに正しく読めなくなってしまいます。文字コードの価値は他人も同じ表を使っているからこそ生まれるのに、各自で埋めろという解決策はまさにその価値を損ないます。 当時もその指摘がそのまま上がっていました。

もう一つ、標準の規定には迂回路がありました。ハングルの詰め文字（チェウム文字）を前に置き、初声・中声・終声の字母コードをつなぎ合わせる方式です。こうして書くと、1音節が8バイトにもなります。詰め文字に2バイト、3つの字母にそれぞれ2バイトずつ。興味深いのはここです。リスト外の文字を書くには、結局のところ字母を並べるしかなかったのです。 組合せの原理が、完成型の中に非常口としてすでに入り込んでいたわけですね。ただ、データ量が8倍になり、この方式を扱えるプログラムも滅多になかったため、実務で広く使われることはありませんでした。

この話で最も広く知られている場面があります。1990年に放送されたドラマのタイトルに標準外の文字が含まれていたため、タイトルすら入力できなかったという話です。のちに新聞記事が清涼飲料水の名前のエピソードまで一緒に載せたことで定着しました。確認できることから切り分けてみましょう。そのドラマが1990年4月16日から6月12日まで放送されたことと、その文字が国家標準の本文文字セットの外にあることは確認できます。放送局や新聞社の電算システムで実際に何が起きていたかを示す当時の記録は見つかっていません。

その次がさらに重要です。元の批判が何であったのかということです。1987年から1989年の間に学会が挙げた根拠は、ドラマのタイトルではありませんでした。正書法の教育、標準発音の表記、方言資料、辞書編纂でした。ここに、今ではほとんど忘れられた根拠がもう一つありました。音節を丸ごと番号にしてしまうと、後から字母へと再び分解するのに別途プログラムが必要になるという指摘です。文章認識や自動翻訳を見据えた言葉でした。広く流布している一文は、実際の主張が立脚していた場所よりもはるかに狭いのです。

そして「찦차를 타고 온 펲시맨과 쑛다리 똠방각하（ジープに乗ってきたペプシマンと短足のトンバン閣下）」という文は、事件の記録ではありません。劣勢に立たされた側が、標準外の文字を1行にまとめて見せるために作った例文です。この例文が長く生き残った理由は明白です。1行読めば問題がすぐに分かるからです。

標準を擁護した側の反論にも耳を傾ける価値があります。「完成型の制定以降、現在まで業務に適用してきたが全く不便はなかった」という回答が残っています。行政や一般業務、自然科学分野であればその通りだと、反対側の執筆者ですら同じ文章の中で認めていました。通信面での根拠もありました。国際通信回線の規約上、組合せ型では通信が困難だというものでした。

その反論も再検証できます。通信の論拠には実体がありました。前章で見たように、組合せ型は現代音節3,724文字で英文字領域の値のバイトを含み、国際規約の配置にも適合していなかったからです。ただし1989年7月には、組合せ型を搭載したラップトップコンピューターでシドニーからソウルまで国際電話回線による通信に成功した実演もありました。そして「外字領域で補えばよい」という回答は、前の章で見た通りデータの交換性を損ないます。どちらの根拠も完全に崩れ去るわけではなく、どちらの根拠も完全には成り立ちません。

足りない文字を埋めようとする試みが続きました。1991年に補助符号系が制定され、本文の2,350字に1,930字が加わって4,280字になりました。それでも足りないため、さらに2,376字を足して6,656字の集合を作り、国際機関に報告しました。ところが、この集合をもってしても現代の音節4,516字が依然として抜けていました。国際舞台でも韓国内でも、この拡張案が定着することはありませんでした。

一方で、市場では別のやり方で埋めました。完成型のリストをいっそのこと11,172字まで増やしてしまった拡張配置が登場し、パソコンで広く使われるようになったのです。標準本文の外にある8,822字を、空いている領域に押し込む方式でした。

ここで代償を払うことになりました。第一に、新しく押し込んだ場所のせいでコード値の順序とカナダ順（ハングルの辞書順）が食い違ってしまいました。この配置では「똠」が「가」より前に来てしまいます。並べ替えがタダで手に入るという利点が、ここで消え去ってしまうのです。第二に、拡張された配置では、2バイトのうち一方が英字領域の値になってしまう音節が3,606字も生じました。組合せ型の3,724字と同じ種類の問題です。本文の2,350字だけを使っていた頃には、そんな音節は一つもなかったというのにです。枠を広げた途端、避けていた問題が舞い戻ってきました。2バイトという器が、そもそも小さかったという事実がこうして露呈したのです。

制度の側でも動きがありました。1992年10月、組合せ型が国家標準として受け入れられました。文字符号研究分科委員会をはじめとする各級委員会を10回あまり開いた末、その月の6日に最終公聴会を経て下された決定でした。ところが、ここには但し書きがつきます。組合せ型が入った場所は付属書であり、情報交換に使われる本文の94×94集合の定義は変わりませんでした。1993年12月にハングルをインターネットメールに乗せる方式を整理した国際規約文書が、この点に釘を刺しています。1987年版と1989年版と1992年版のその定義は同じなのだ、と。

つまり、外へと出ていく通路には依然として本文が置かれていたのです。組合せ型は国家標準の中に名前を連ねたものの、文書やメールが行き交う道の上では居場所を得られませんでした。

この物語には、3つ目の規格が存在します。世界の文字をひと揃えに収めようという世界符号体系です。1991年10月に初版が出ました。

出発点にあった前提が、今振り返ると際立っています。1文字に16ビットを固定で割り当て、6万字余りを収めるという設計でした。策定した機構の当初の目的文にもそう記されており、現在のその文面は「16ビットを超えた」と書き改められています。初期の検討に参加した人物の回想には、「よく使われる現代文字の上限を数えてみたら、16ビットに十分収まった」というくだりがあります。よく使うものだけを収めればよいという前提を、二つの規格がともに立てていたのです。そして、双方がその前提を後に撤回することになりました。

1993年に出た1.1版の文字一覧を見ると、興味深い事実があります。ハングル音節の枠に6,656字が入っているのです。前の章に出てきた、あの数字です。韓国国内から国際機関に報告した拡張完成型の集合が、そのまま世界符号体系の中に入り込んでいたわけですね。先頭の並びも韓国国内の標準本文に従っています。つまり、世界符号体系が最初に受け入れたハングルは、国内で勝ち残った側の集合でした。

そして1996年7月、2.0版がその枠をごっそり消し去りました。6,656字を削除し、現代音節11,172字を新たな位置に並べ直したのです。その版の文字データファイルの変更履歴には、1行こう記されています。「旧ハングル音節を削除し、新文字への対応表は別途設けた。」すでに符号を与えた数千個の文字を別の番号へと移したのです。符号体系において、これほど大きな事故はめったにありません。

ですが、その次にこそ、この話のバランス感覚があります。世界符号体系には現在、「安定性ポリシー」という文書が存在します。冒頭にはこう書かれています。「一度符号を与えた文字は、移動したり削除したりしない。」そして、このポリシーが適用される版こそが、まさに2.0版からなのです。文字名を変更しないというポリシーも同じ版からです。大きく移動させたその版こそが、二度と移動させないという約束の始まった版でした。敗れた規格にだけ欠点があったわけではなく、勝った規格もまた欠点をルールへと変えて初めて、現在の地位に立つことができたのです。

その新しい場所に何が敷かれたのかが、この物語の最後のどんでん返しです。今日の世界の符号化文字集合標準の本文を開くと、現代ハングル音節11,172文字を収めたその領域を呼ぶ名前が出てきます。「組合せ集合（the Johab set）」です。標準規格はその領域をどこから持ってきたのかも明記しています。1992年の韓国国内標準から、完全な組合せ集合として採り入れられたのです。

名前だけがそうなっているのではありません。標準の本文には定数の一覧があります。音節領域の開始点、初声・中声・終声それぞれの領域の開始点、そして初声19、中声21、終声28。音節番号から開始点を引き、割り算をして余りを求めれば初声・中声・終声が導き出され、逆に字母から計算すれば音節番号が出てきます。標準規格はこの計算を規範として定め、音節一つひとつの分解を表にして記載していません。11,172文字が表に記された一覧ではなく、字母から導き出される値だという意味です。

組合せに使う字母も別に場所を持っています。1.1版に240文字があり、2009年の5.2版で古ハングルを表記する字母が追加され、現在は357文字です。標準規格はこう記しています。音節符号はすべて字母の並びに置き換えることができるが、その逆は成り立たない、と。組合せ用の字母でしか表記できない古ハングルの音節が何千通りもあるからです。近代の正書法が現代の表記から除外した字母が入った音節のことです。

だからといって組合せの原理だけが残ったわけではありません。完成した音節ごとに番号を割り振った場所が併せて存在し、その配列はカナダ順（五十音順にあたる配列）です。標準規格は「バイナリ比較だけで大韓民国で使われる整列順が得られる」と記しています。拡張完成型で失われていたその利点が、ここでは生きています。二つの方式がひとつの符号体系の中に並んで入ったわけです。韓国国内でも1995年12月にこの符号体系を国家標準とする規格が告示されました。国際標準化機構側の規格に準拠したものであったため、その時点ですでに字母240文字と完成音節11,172文字が共に入っていました。

もう一つ目を引く点があります。標準規格は、音節の代表的な字形を字母から作り出す方法まで記しています。中声が縦線系列なら直前の子音を左に、横線系列なら上に、両方が混ざった系列なら横線の上かつ縦線の左に置き、終声があればその塊の下の中央に置きます。『訓民正音』解例の「合字解」が初声・中声・終声の文字を左から右へ、上から下へと書いて音節単位で記すよう定めたことと、まったく同じ働きをしています。組み立てを前提に設計された文字だったからこそ、組み立てを規則として定めた符号体系と噛み合ったのです。

今日、ウェブでの文字コード利用を調査する統計ページは、UTF-8を99.0%と表示しています。2026年9月6日に記録された数値であり、かつての韓国国内の文字コードは0.1%未満のリストに入っています。毎日更新される調査なので、次に開くときには数値が少し異なっているでしょう。方向性は明確です。この争いの舞台だった文字コードたちは、今やほぼその場を去りました。

それでも目を向けるべき場所は残っています。1つ目は過去の資料です。かつての文字コードで保存された文書やデータベースは、今もあちこちに残っています。そのファイルをどの規格で読み取るべきかを併記しておくこと、すなわちメタデータが存在するかどうかが、その資料の寿命を分けます。この物語の冒頭にあった文字化けが、ここで再び現れるのです。

2つ目は、一度割り当てた位置は動かさないというルールの代償です。そのルールのおかげで、今日のコードはこれからも同じ文字を指し示します。その代わり、誤って置かれた位置もそのまま残ります。前の版で決まったことを、後の版で取り消すことはできないという意味だからです。このトレードオフをどう捉えるかは、今も議論が続いている点です。

3つ目は、古ハングルが実際に扱われる仕組みです。昔の文字は、結合用の字母を並べる方法でしか表記できません。しかし、機械が文字を整然と並べるルールには、字母を完成した音節コードへと再びまとめる工程が含まれています。現代の音節になる組み合わせは合体し、そうでない組み合わせは字母のまま残ります。古文献のデジタル化が進むほど、この境界線で手作業が必要になるはずです。

1987年に定められたリストは消え去り、1992年に付属書に名を連ねた組合せ型も消えました。残ったのは、どちらが正しかったかという答えではなく、2バイトの中には答えが存在しなかったという事実です。器が大きくなって初めて、2つの方式が同じ場所に収まりました。いま画面で1文字を消すと、四角い文字枠が丸ごと消えますよね。その枠の内側では、字母を組み合わせる計算が今も動き続けています。