用語集 › 📐 コンピュータ基礎 › UTF-8
【ゆーてぃーえふえいと】

UTF-8 とは？

💡 世界の文字を1つの「エンコーディング」で表現
📌 このページのポイント
UTF-8 エンコーディングの仕組み 文字ごとにバイト数が変わる（可変長） 1バイト A → 0x41 ASCII互換 2バイト ñ → 0xC3 0xB1 欧州言語など 3バイト あ → 0xE3 82 82 日本語・中国語など 4バイト 絵文字など 補助文字 文字コードの比較 UTF-8 Web標準（97%以上） ASCII互換・可変長 UTF-16 Windows内部で使用 2 or 4バイト Shift_JIS 日本語レガシー 文字化けの原因に ※ 現在のWeb標準はUTF-8に統一されている
UTF-8エンコーディングの仕組みと比較
ひよこ ひよこ

なぜ文字コードがいろいろあるの？

ペンギン先生 ペンギン先生

コンピュータ黎明期はASCII（英数字128文字）だけで足りた。日本語を扱うためにShift_JIS、EUC-JPが作られ、韓国にはEUC-KR、中国にはGB2312が。国ごとに別の文字コードになって、混在すると文字化け。Unicodeは「世界中の文字に番号を振る」統一規格で、UTF-8はその最も普及した実装形式だよ

ひよこ ひよこ

なんでUTF-8が主流になったの？

ペンギン先生 ペンギン先生

①ASCII互換性（英数字のバイト列が同じだから既存システムに影響なし）、②NULLバイトを含まない（C言語の文字列関数がそのまま使える）、③可変長で英語圏のデータが小さい、④自己同期性（途中から読んでも文字の境界がわかる）。UTF-16（Java、Windows内部）もあるけど、Web/通信はUTF-8一強だよ

ひよこ ひよこ

文字化けが起きるのはなぜ？

ペンギン先生 ペンギン先生

送信側と受信側で文字コードが違うから。UTF-8で保存したファイルをShift_JISとして開くと文字化けする。対策は①必ずUTF-8で統一する、②HTMLにを書く、③CSVはBOM付きUTF-8にする（Excelの文字化け防止）、④データベースのcharsetをutf8mb4に設定する

ひよこ ひよこ

utf8とutf8mb4の違いは？

ペンギン先生 ペンギン先生

MySQLのutf8は歴史的な理由で3バイトまでしか対応せず、絵文字（4バイト）が保存できない。utf8mb4が本来のUTF-8で4バイト文字も対応。MySQLでUTF-8を使うなら必ずutf8mb4を選ぶこと。2019年のMySQL 8.0からはデフォルトがutf8mb4になったけど、古いDBではutf8のままのことがあるから注意だよ

ペンギン
まとめ：ざっくりこれだけ覚えればOK！
「UTF-8」って出てきたら「世界標準の文字エンコーディング」と思えればだいたいOK！
📖 おまけ：英語の意味
「Unicode Transformation Format - 8-bit」 ＝ Unicode変換形式8ビット
💬 8-bitは最小単位が8ビット（1バイト）の意味。1992年にKen Thompsonらが設計したよ
🔗 あわせて読みたい
← 用語集にもどる