UTF-8

UTF-8 とは †

• 符号化形式の文字コード
• 符号化文字集合であるUnicodeに準拠している。
• ASCII文字 + 世界中の文字

文字のサイズ †

• 文字の種類によってサイズが異なる
• ASCIIは、1バイトで"0"から始まる
• ASCII以外は、2バイト以上で"11"から始まる

1バイト文字 †

• 1バイト
  • 文字種
    • ASCII文字
  • バイト列：
    • 1バイト目：[00～7F]
  • 有効ビット：7bit
    • 1バイト目：[0] + [0000000～1111111]

２バイト以上の文字 †

2バイト †

• 文字種
  • JIS X 0208：非漢字の一部
  • JIS X 0212：非漢字の一部
  • JIS X 0213：非漢字の一部
• バイト列：
  • 1バイト目：[C2～DF]
  • 2バイト目：[80～BF]
• 有効ビット：11bit
  • 1バイト目：[100] + [00010～11111]
  • 2バイト目：[10] + [000000～111111]

3バイト †

• 文字種
  • JIS X 0208：非漢字の一部以外 ※JIS C 6226
  • JIS X 0212：非漢字の一部以外
  • JIS X 0213：ほぼ全て：全角(漢字、かな、カナ)、半角カナ ※Shift-JIS-2004
• バイト列：
  • 1バイト目：[E0～EF]
  • 2バイト目：[80～BF]
  • 3バイト目：[80～BF]
• 有効ビット：16bit
  • 1バイト目：[1110] + [0000～1111]
  • 2バイト目：[10] + [100000～111111]
  • 3バイト目：[10] + [000000～111111]

4バイト †

• 文字種
  • JIS X 0213：第3・第4水準漢字の一部
• バイト列：
  • 1バイト目：[F0～F7]
  • 2バイト目：[80～BF]
  • 3バイト目：[80～BF]
  • 4バイト目：[80～BF]
• 有効ビット：21bit
  • 1バイト目：[11110] + [000～111]
  • 2バイト目：[10] + [010000～111111]
  • 3バイト目：[10] + [000000～111111]
  • 4バイト目：[10] + [000000～111111]

BOM（バイト順マーク） †

• ファイルの先頭に付加するデータ。
• EF + BB + BF
  • 1バイト目：[1110] + [1111]
  • 2バイト目：[1011] + [1011]
  • 3バイト目：[1011] + [1111]

MySQL †

• utf8mb4

関連用語 †

• ASCIIコード
• UTF-16
• Shift-JIS