AからZまでのアルファベットを順番に並べたいのに、26文字を手で打つのは面倒だと感じたことはありませんか。あるいは、ひらがなをカタカナに変えたいとき、1文字ずつ対応表を作るしかないのかと悩んだ方もいるかもしれません。
じつはPythonには、文字と番号を行き来できる便利な関数が2つあります。それがord()とchr()です。
この記事では、この2つの関数のしくみと使い方を、サンプルコードを交えて順番に見ていきます。文字の裏側にある番号の世界がわかると、文字列の処理がぐっと楽しくなりますよ。
サンプルの実行結果は、手元のLinux環境のPython 3.11で確認したものです。
ord()とchr()は文字と番号の変換係¶
まずは、2つの関数の役割をざっくり押さえておきましょう。ord()は1文字を受け取って、その文字の番号を返します。
chr()はその逆で、番号を受け取って文字を返します。どちらも組み込み関数なので、importせずにすぐ使えます。
言葉で説明するより、動かしてみたほうが早いですね。次のコードを見てください。
print(ord('A')) # 65
print(ord('a')) # 97
print(ord('あ')) # 12354
print(chr(65)) # A
print(chr(12354)) # あ
# 行って戻ると元の文字になる
print(chr(ord('🐍'))) # 🐍
大文字のAは65、小文字のaは97という番号を持っていることがわかります。ひらがなのあは12354です。
ordという名前は、順番を表す英語のordinalから来ています。chrはcharacter、つまり文字の略です。
文字の番号の正体はUnicodeのコードポイント¶
では、この65や12354という番号は、いったい誰が決めたのでしょうか。答えは、Unicodeという世界共通の文字の規格です。
Unicodeでは、世界中の文字に1つずつ番号が割り当てられています。この番号のことをコードポイントと呼びます。
Python 3の文字列は、このコードポイントの並びとして扱われています。ord()は、文字のコードポイントをそのまま教えてくれる関数だと考えればわかりやすいでしょう。
コードポイントは、16進数で書かれることが多いです。U+3042のような書き方を見たことがある方もいるかもしれませんね。
print(hex(ord('あ'))) # 0x3042
print(hex(ord('🐍'))) # 0x1f40d
# 文字列の中で番号から文字を書くこともできる
print('あ') # あ
print('\U0001F40D') # 🐍
print('\N{SNAKE}') # 🐍
文字列の中の\uや\Uは、番号で文字を書くためのエスケープシーケンスです。\N{}を使うと、Unicodeで決められた文字の名前で書くこともできます。
エスケープシーケンスの書き方は、次の記事でくわしく解説しています。
【関連記事】Pythonのエスケープシーケンスとraw文字列とは?
コードポイントとバイト数は別のもの¶
ここで、初心者が混乱しやすいポイントを1つ整理しておきます。コードポイントは文字の番号であって、ファイルに保存するときのバイト数とは別物です。
たとえば、あをUTF-8で保存すると3バイトになります。ヘビの絵文字は4バイトです。それでもPythonのlen()で数えると、どちらも1文字として扱われます。
番号を実際のバイト列に変える方法が、UTF-8やShift_JISといった文字コードです。このあたりの違いは、次の記事で解説しています。
【関連記事】Pythonの文字コードとは?UTF-8とShift_JISの違いと文字化けの直し方
よく使う文字の番号を表で確認¶
続いて、よく出てくる文字の番号を表にまとめておきます。全部覚える必要はありませんが、ざっくりした並び方を知っておくと便利です。
| 文字 | ord()の結果 | 16進数 | メモ |
|---|---|---|---|
| 0 | 48 | 0x30 | 数字は0から9まで連続 |
| A | 65 | 0x41 | 大文字はAからZまで連続 |
| a | 97 | 0x61 | 小文字は大文字より32大きい |
| 半角スペース | 32 | 0x20 | 見えないけれど番号はある |
| 改行 | 10 | 0x0A | \nのこと |
| あ | 12354 | 0x3042 | ひらがなはおおむね連続 |
| ア | 12450 | 0x30A2 | あより96大きい |
| A(全角) | 65313 | 0xFF21 | 半角のAより65248大きい |
この表から、いくつかの規則が見えてきます。数字やアルファベットは、番号が連続して並んでいるのです。
この規則を利用すると、文字を計算で扱えるようになります。ここからは、その具体的な使い方を見ていきましょう。
アルファベットの連番を作る¶
最初の例は、冒頭で話したアルファベットの連番です。aの番号からzの番号まで、range()で順番に回してchr()で文字に戻します。
letters = [chr(i) for i in range(ord('a'), ord('z') + 1)]
print(''.join(letters)) # abcdefghijklmnopqrstuvwxyz
# 何番目のアルファベットかを調べる
print(ord('d') - ord('a') + 1) # 4
range()の終わりに+1を付けているのは、終わりの値そのものは含まれないからです。ここを忘れるとzが抜けてしまうので注意してください。
ちなみに、アルファベットの一覧だけが欲しいなら、標準ライブラリのstringモジュールにascii_lowercaseという定数があります。実務ではこちらのほうが読みやすいでしょう。
ExcelのA列、B列のような列名を作るときや、アンケートの選択肢にA、B、Cと記号を振るときにも、この考え方が役に立ちます。
シーザー暗号で文字をずらしてみる¶
次は、少し遊び心のある例です。アルファベットを決まった数だけずらす、シーザー暗号を作ってみましょう。
古代ローマのカエサルが使ったと伝えられる、とても単純な暗号です。たとえば3つずらすと、aはdに、bはeになります。
ポイントは、zを超えたらaに戻すところです。そのために、割り算の余りを求める%を使います。
def caesar(text, shift):
result = []
for ch in text:
if 'a' <= ch <= 'z':
base = ord('a')
result.append(chr((ord(ch) - base + shift) % 26 + base))
elif 'A' <= ch <= 'Z':
base = ord('A')
result.append(chr((ord(ch) - base + shift) % 26 + base))
else:
result.append(ch) # 記号や空白はそのまま
return ''.join(result)
secret = caesar('Hello, Python!', 3)
print(secret) # Khoor, Sbwkrq!
print(caesar(secret, -3)) # Hello, Python!
文字をいったん0から25の番号に直し、ずらしてから余りを取り、最後に元の範囲へ戻しています。マイナスの数を渡せば、暗号を元に戻せるのもおもしろいところです。
もちろん、これは安全な暗号ではありません。パスワードのような大事な情報を守りたいときは、hashlibやsecretsといった専用の仕組みを使いましょう。
それでも、文字を番号として扱う感覚をつかむには最高の練習題材です。プログラミングの授業や入門書でよく取り上げられるのも納得ですね。
ひらがなとカタカナを変換する¶
ここからは、日本語ならではの使い方です。表をもう一度見ると、あとアの番号はちょうど96離れていました。
ひらがなとカタカナは、Unicodeの中でほぼ同じ順番に並んでいます。そのため、番号に96を足したり引いたりするだけで、お互いに変換できるのです。
def hira_to_kata(text):
return ''.join(
chr(ord(ch) + 96) if 'ぁ' <= ch <= 'ゖ' else ch
for ch in text
)
print(hira_to_kata('ぱいそん、だいすき')) # パイソン、ダイスキ
濁点の付いた文字や小さいぁも、同じように96だけずれています。句読点や漢字は範囲の外なので、そのまま残ります。
ただし、ーのような長音記号や、ゔのような一部の文字は扱いが少し特殊です。業務で使うなら、変換したい範囲をきちんと確かめてから使ってください。
全角英数字を半角にそろえる¶
同じ発想で、全角の英数字を半角に直すこともできます。全角のAと半角のAは、65248だけ離れていました。
文字ごとの変換表を作ってstr.translate()に渡すと、まとめて置き換えられます。translate()は、コードポイントから変換後のコードポイントへの対応表を受け取るメソッドです。
# 全角の!から~までを半角に対応させる表
table = {code: code - 0xFEE0 for code in range(0xFF01, 0xFF5F)}
print('Python3.15'.translate(table)) # Python3.15
フォームに入力された電話番号や郵便番号を、半角にそろえたい場面で役に立ちます。実務では、標準ライブラリのunicodedata.normalize()を使う方法もよく選ばれます。
私は10年ほどエンジニアとして開発に関わってきましたが、会員登録フォームで全角数字の郵便番号が入力され、住所検索がまったくヒットしない不具合に出会ったことがあります。原因がわかるまで、画面上ではどちらも同じ数字に見えるので、半日ほど首をひねりました。
文字の正規化については、次の記事でくわしく解説しています。
【関連記事】Pythonのunicodedata.normalizeとは?全角と半角をそろえる方法
よく出るエラーと直し方¶
便利なord()とchr()ですが、使い方を間違えるとエラーになります。ここでは、初心者がよく出会う2つのエラーを紹介します。
まずは、実際にエラーを起こしてみましょう。メッセージを読めば、何が問題なのかが見えてきます。
try:
ord('ab')
except TypeError as e:
print(e) # ord() expected a character, but string of length 2 found
try:
chr(0x110000)
except ValueError as e:
print(e) # chr() arg not in range(0x110000)
それぞれのエラーの原因と直し方を、表にまとめました。
| 書いたコード | エラー | 原因 | 直し方 |
|---|---|---|---|
| ord('ab') | TypeError | 2文字以上を渡した | 1文字ずつループで渡す |
| ord('') | TypeError | 空の文字列を渡した | 空かどうかを先に確かめる |
| ord(65) | TypeError | 数値を渡した | 逆向きのchr()を使う |
| chr('A') | TypeError | 文字列を渡した | 逆向きのord()を使う |
| chr(0x110000) | ValueError | 番号が範囲の外 | 0から0x10FFFFに収める |
ord()には必ず1文字だけを渡す¶
ord()が受け取れるのは、長さがちょうど1の文字列だけです。単語や文章を渡すと、TypeErrorになってしまいます。
文字列全体の番号を知りたいときは、forで1文字ずつ取り出してord()に渡しましょう。[ord(ch) for ch in 'abc']のように書けば、番号のリストが手に入ります。
一方、chr()に渡せる番号は、0から0x10FFFFまでです。10進数でいうと1114111までで、これがUnicodeで使える番号の上限になっています。
計算の結果がマイナスになったり、大きくなりすぎたりすると、ValueErrorで止まります。シーザー暗号で余りを取っているのは、こうした範囲外を防ぐためでもあります。
文字列の比較や並べ替えの裏側でも番号が使われている¶
最後に、ord()を知っていると理解しやすくなる話をしておきます。Pythonで文字列を比べたり並べ替えたりするとき、裏側ではこのコードポイントが使われています。
たとえば'Z' < 'a'はTrueになります。大文字のZは90、小文字のaは97なので、番号の小さいZのほうが前にくるからです。
そのため、sorted()で単語を並べると、大文字で始まる単語がすべて先にきます。辞書の順番とは違うので、驚いた経験がある方もいるのではないでしょうか。
大文字と小文字を区別せずに並べたいときは、sorted(words, key=str.lower)のように書きます。並べ替えの基本は、次の記事で解説しています。
【関連記事】Pythonのsorted()とは?並べ替えの基本とkeyの使い方
日本語の文字列を並べたときに、五十音順にならないことがあるのも同じ理由です。漢字は読みではなく番号の順に並ぶので、名前を読み仮名の順に並べたいなら、ふりがなの列を用意するのが確実です。
まとめ¶
ord()は文字を番号に、chr()は番号を文字に変える組み込み関数です。その番号の正体は、Unicodeで決められたコードポイントでした。
アルファベットや数字、ひらがなとカタカナは、番号が規則正しく並んでいます。その規則を使えば、連番づくりやシーザー暗号、文字の種類の変換を、短いコードで書けます。
エラーを避けるコツは、ord()には1文字だけ、chr()には0から0x10FFFFまでの番号だけを渡すことです。文字はコンピューターの中では番号として扱われているという感覚を持っておくと、文字化けや並べ替えの疑問もすっきり理解できるようになります。
まずは自分の名前を1文字ずつord()に渡して、どんな番号が出てくるか試してみてください。いつも見ている文字が、少し違って見えてくるはずです。
ここまでお読みいただきありがとうございました。