符号化形式

名前がないと不便なので Kanji14 形式とします。

情報文字： U+4E10 〜 U+8E0F

ネットワークバイト順のバイト列データを 14ビット区切りにし、Unicode の範囲 U+4E10 〜 U+8E0F に割り当てた文字列に変換します。

バイト列の14ビット区切り形式

  +--------+--------+--------+---------+--------+--------+--------+----
D |   +0   |   +1   |   +2   |    +3   |   +4   |   +5   |   +6   | ...
  +--------+----+-+-+--------+----+----+--------+-+-+----+--------+----
B |  0..7  |0..5|6|7|  0..7  |0..3|4..7|  0..7  |0|1|2..7|  0..7  | ...
  +--------+----+-+-+--------+----+----+--------+-+-+----+--------+----
E |     [0]     |       [1]       |       [2]       |     [3]     | ...
  +-------------+-----------------+-----------------+-------------+----

D: バイト列のデータ
B: バイト内のビット位置
E: 符号化に使用する 14 ビット区切り。これに 0x4E10 を加えた文字を使用する。

制御文字： U+4E03 〜 U+4E0F

符号化したデータは14ビット単位の情報なので、元のバイト列が7の倍数でないとき、最後の情報文字（U+4E10〜U+8E0F）では有効な情報が一部になります。

このとき、0x4E10 から有効なビット数(1〜13)を引いた U+4E03 〜 U+4E0F を制御文字として追加します。

見た目は小さくなるが…

バイナリをテキストに変換する例として Base 64 と比較してみます。

	Base 64	Kanji14
21 バイト → 文字数	28	12 (半角24)
21 バイト → UTF-16	56 バイト	24 バイト
21 バイト → UTF-8	28 バイト	36 バイト
シフトJIS 変換	影響なし	不可

Kanji14 は表示すると短くなったように見えますが Base 64 の方が実用的です。

プログラム