カタカナは日本語の表音文字の一つで、46 文字の基本字母 (清音) に濁音・半濁音・拗音を加えた体系で構成されます。平安時代に漢字の一部 (偏や旁) を簡略化して作られた文字で、角張った直線的な字形が特徴です。ひらがなが漢字の草書体から生まれたのに対し、カタカナは漢字の一部分を取り出して成立した点が異なります。

カタカナの主な用途は外来語の表記です。「コンピュータ」「インターネット」「プログラミング」のように、英語をはじめとする外国語から取り入れた語彙をカタカナで表記します。IT 分野では特にカタカナ語が多く、「サーバー」「データベース」「アルゴリズム」など、技術文書の相当部分をカタカナが占めることも珍しくありません。

外来語以外にも、擬音語・擬態語 (ガタガタ、キラキラ、ドキドキ)、動植物の和名 (ネコ、サクラ)、強調表現、電報文などにカタカナが使われます。広告やマンガでは、通常ひらがなで書く語をあえてカタカナにすることで視覚的なインパクトを与える手法も一般的です。

Unicode では全角カタカナは U+30A0〜U+30FF の範囲に配置されています。一方、半角カタカナは U+FF65〜U+FF9F に別途定義されており、これは 1969 年に JIS C 6220 (1987 年に JIS X 0201 へ改称) が制定した片仮名用図形文字集合、すなわち 1 バイトで表現できるカタカナの名残です。半角カタカナは濁点・半濁点が独立した文字として扱われるため、「ガ」は半角では「ｶﾞ」(2 文字) となり、文字数カウントに影響します。

カタカナ表記にはいくつかの揺れがあり、実務上の注意点となっています。たとえば「コンピュータ」と「コンピューター」、「サーバ」と「サーバー」のように、長音符号の有無で表記が分かれます。技術文書の様式を定める JIS Z 8301 は、かつて 3 音以上の語では語尾に長音符を付けないという基準を置いていましたが、2019 年の改定でこの省略基準そのものが廃止され、1991 年の内閣告示「外来語の表記」に準拠する形へ変わりました。内閣告示は語末の -er / -or / -ar を原則として長音符で書き、慣用に応じて省くことも認めています。実務では、2008 年にマイクロソフトが省略記法から長音を付ける記法へ切り替えたことが分岐点として知られ、2022 年の「公用文作成の考え方」は省略規定を置かず -ty / -ry のような y で終わる語にも長音符を用いる方針を示しています。新規に表記ルールを決めるなら長音を付ける側に寄せ、既存データと混在する場合は検索・突き合わせの前に表記を寄せる処理を挟む、という判断が無難です。

文字数カウントの観点では、全角カタカナも半角カタカナもそれぞれ 1 文字としてカウントされます。ただし UTF-8 でのバイト数は全角カタカナが 3 バイト、半角カタカナも 3 バイトです。半角カタカナの濁点・半濁点は独立した文字 (結合文字ではない) として扱われるため、見た目の文字数と実際のカウント結果が異なる場合があります。

ここで間違えやすいのが、どの正規化形を使うかです。半角カタカナを全角に寄せられるのは互換分解を伴う NFKC と NFKD だけで、NFC や NFD では半角のまま変わりません。実際に「ｶﾞ」を各形式で正規化すると、NFC と NFD は 2 文字のまま、NFKC は 1 文字の「ガ」、NFKD は「カ」と結合濁点の 2 文字になります。全角に統一して 1 文字として数えたいなら NFKC を選ぶ必要があり、NFC を掛けたつもりで統一できていないという取り違えが起こりがちです。ただし NFKC は同時に全角英数字を半角へ、ローマ数字を英字の並びへ変換するなど広範に字形を潰すため、氏名や住所のように入力された字形を保存したいデータでは、原文を残したうえで検索用の正規化キーを別に持つ設計が安全です。