Unicode(ユニコード)と文字コードの基礎知識
Unicodeは、世界中のあらゆる文字に一意の番号(コードポイント)を割り当てる文字コードの国際規格です。 Web開発やプログラミングにおいては、文字化けの原因調査、絵文字や異体字の判定、JSON/JavaScript/HTML/CSSでのエスケープ表記の確認など、さまざまな場面で文字のUnicode値を調べる必要があります。
コードポイント(U+XXXX)とエンコーディング(UTF-8 / UTF-16)
- コードポイント(例:
U+3042): 文字そのものに割り当てられた番号です。ひらがなの「あ」は16進数で3042(10進数で12354)です。 - UTF-8(バイト列): Webで最も広く使われる可変長エンコーディングです。ASCII文字は1バイト、日本語のかな・漢字の多くは3バイト、絵文字などの補助面文字は4バイトで表現されます。
- サロゲートペア(UTF-16): 絵文字(
🦉=U+1F989)や拡張漢字(𠮷=U+20BB7)などU+10000以降の文字は、JavaScript内部のUTF-16表現では2つのコードユニット(例:\uD83E\uDD89)の組み合わせ(サロゲートペア)として扱われます。そのためstring.lengthが2になりますが、本ツールではコードポイント単位で正しく1文字として解析します。
主なUnicodeエスケープ・文字参照形式
- JavaScript / TypeScript (ES6+):
\u{1F989}のように波括弧を使うとサロゲートペアも1つのコードポイントで記述できます。 - JSON / Java / 従来のJS:
\uD83E\uDD89のように4桁の16進数を2つ並べたUTF-16形式で記述します。 - HTML数値文字参照: 16進数の
あや10進数のあを使用します。 - CSSエスケープ:
content: "\3042";のようにバックスラッシュに続けて16進数を記述します。
ブラウザ完結処理によるプライバシー保護
FreeGufo ToolsのUnicode変換・文字コード調査ツールは、すべての解析・変換処理をブラウザ内のJavaScriptで完結させています。 入力した文字列が外部サーバーへ送信・保存されることは一切ありませんので、業務データや機密を含むテキストも安心して調査できます。
