
UTF-8とは - 文字コードとUnicodeの違い、文字化けの原因、lengthが合わない理由
約12分
UTF-8は、Unicodeが文字に割り当てた番号(コードポイント)を1〜4バイトのバイト列に変える符号化方式です。英数字は1バイト、ひらがなや常用の漢字は3バイト、多くの絵文字は4バイトになります。UTF-16との違い、JavaScriptのlengthが文字数と合わない理由、文字化けの原因(MySQLのutf8とutf8mb4、BOMなど)と対策を、RFC 3629とWHATWGを一次ソースに整理します。