文字コード・Unicode変換(コードポイント・UTF-8)
文字のUnicodeコードポイント(U+XXXX)・UTF-8のバイト列・UTF-16の値を調べます。文字化けの調査や、絵文字のコードの確認に。
文字コード・Unicode変換について
文字コードは、文字をコンピューターで扱うための番号です。このツールは、入力した文字の、Unicodeのコードポイント(U+XXXX)・UTF-8のバイト列・UTF-16の値を表示します。文字化けの調査、絵文字のコードの確認、プログラミングでの文字の扱いの理解に役立ちます。
UTF-8は、1文字を1〜4バイトで表す可変長の符号化方式で、日本語は通常3バイトです。UTF-16は、基本的な文字を2バイトで表し、絵文字などは、2つの値の組(サロゲートペア)で表します。
こんなときに使えます
- 文字化けの原因を調べる
- 絵文字や特殊文字の、Unicodeコードポイントを確認する
- プログラムでの、文字の長さ(バイト数・文字数)の違いを理解する
使うときのポイント
- 見た目が同じでも、別のコードの文字がある(全角と半角など)
- 1つの絵文字が、複数のコードポイントでできていることもある
計算例
入力欄の初期値のまま計算すると、次の結果になります。条件は、調べたい文字があA😀です。数値を変えると、この結果もそれに合わせて変わります。
| あ | U+3042 | 10進 12354 | UTF-8: E3 81 82 | UTF-16: 3042 |
|---|---|
| A | U+0041 | 10進 65 | UTF-8: 41 | UTF-16: 0041 |
| 😀 | U+1F600 | 10進 128512 | UTF-8: F0 9F 98 80 | UTF-16: D83D DE00 |
使い方
- 調べたい文字を入力します(100文字以内)。
- 1文字ごとに、コードポイントとUTF-8・UTF-16の値が表示されます。
計算方法・仕組み
コードポイントはUnicode上の文字の番号です。UTF-8は1〜4バイトの可変長、UTF-16は基本的に2バイトで、絵文字などはサロゲートペア(2つの値の組)で表されます。
知っておきたい基礎知識
文字コードは、コンピューターが、文字を扱うための、番号の規則です。Unicodeは、世界中の文字に、固有の番号(コードポイント)を割り当てる規格で、「あ」は、U+3042、「A」は、U+0041です。UTF-8は、このコードポイントを1〜4バイトで表す符号化方式で、WebやOSの標準として、広く使われています。
文字化けは、保存したときの文字コードと、開くときの文字コードが、異なると、起こります。日本語では、UTF-8のほかに、Shift_JIS(Windowsの古いシステム)や、EUC-JPなどの、符号化方式が、使われてきました。絵文字や、一部の漢字は、UTF-16では、2つの値の組(サロゲートペア)で、表されるため、文字数や、バイト数の数え方に、注意が必要です。
間違えやすいポイント
- 見た目が同じ文字でも、別のコードポイントの場合がある(全角と半角、似た形の文字)
- UTF-8とUTF-16では、バイト数が異なる。システムの制限が、バイト数の場合は、注意する
- 絵文字は、複数のコードポイントの組み合わせで、できている場合がある
よくある質問
- 文字化けを直すには?
- ファイルを開くときの文字コードを変更してみてください。UTF-8で保存し直すと、多くの環境で、正しく表示されます。
- 「あ」のUTF-8は、何バイトですか?
- 3バイト(E3 81 82)です。ひらがなや、漢字の多くは、UTF-8で、3バイトで表されます。