コードとデータ

URL やメールの本文は、もともと限られた文字しか通らない道です。日本語をそのまま置くと途中で削られるので、%E3%81%82 のように通る文字だけに書き換えて運びます。Base64 も同じ発想で、任意のデータを64種類の文字で表します。どちらも暗号ではなく、規則を知っていれば誰でも元に戻せます。

Base64 は3バイトを4文字にするので、データがおよそ3分の4に増えます。画像を HTML に埋め込むと、その分だけ転送量が増えるということです。JWT も、点で区切られた前2つは同じ書き換えなので中身は誰でも読めます。署名は「途中で書き換えられていないこと」を示すもので、隠すためのものではありません。

データの大きさには、1000倍ずつ上がる数え方と、1024倍ずつ上がる数え方の2つがあります。1024は2を10回かけた数で、機械の中では区切りのよい数です。どちらも「キロバイト」と呼ばれてきたので、同じ言葉が24バイト違う量を指すことになりました。

差は桁が上がるほど開きます。1000を4回かけた数と1024を4回かけた数をくらべると、1割近く違います。売り物に「1テラバイト」と書いてあるのに、つないだ機械では少なく表示されるのは、売る側が1000で数え、機械が1024で数えているからです。

紛らわしさを減らすために、1024倍のほうを「キビ」「メビ」「ギビ」と別の名前で呼ぶ決まりが1998年に作られました。ただし画面にどちらの書き方を出すかは作る人にまかされているので、数字だけを見ても、どちらの数え方かは分かりません。

Unix 時間は1970年1月1日からの秒数です。32ビットの符号つき整数で持つと2038年1月19日にあふれます。うるう秒を数えない決まりなので、原子時計が刻んだ秒数とも食い違います。「秒を数えているだけ」に見えて、どれも人が決めた約束の上に乗っています。

UUID の v4 は乱数から作るので、中身に意味がありません。並べても時間順にならないので、データベースの索引とは相性がよくない面があります。あとから作られた v7 は、先頭に時刻を置いてこの点を直したものです。識別子はどれも同じではなく、何のために作られたかで向き不向きが分かれます。

正規表現の「.」は既定では改行に当たりません。同じ書き方でも、言語や設定で当たる範囲が変わります。書いたつもりの範囲と実際に当たる範囲がずれると、通したくないものが通ります。試しながら書く形にしてあるのは、頭の中の想定を外へ出して確かめるためです。

ハッシュも、同じ入力からは同じ値が出ますが、行末が CRLF か LF かが違うだけで、まったく別の値になります。2つのファイルを比べて「違う」と出たとき、中身が違うのか、行末や文字コードだけが違うのかは、値を見ただけでは分かりません。

JSON と YAML は、どちらも同じ入れ子のデータを書ける形式です。YAML は字下げで段を表すぶん読みやすい代わりに、字下げにタブを使うと読めません。版や実装によっては、ノルウェーの国名コード NO が真偽値の false として読まれることもあります（ノルウェー問題と呼ばれています）。

差分（diff）も、見た目より決めごとの多い処理です。行ごとに比べるか文字ごとに比べるかで見え方が変わり、行末の空白や改行コードを無視するかどうかでも変わります。同じ2つのファイルから、複数の「正しい差分」が出ます。どういう比べ方をしたのかを書かない差分は、そこが読み手に見えません。