UTF-8（ユーティーエフエイト）

UTF-8（ユーティーエフエイト）とは、世界中の文字を1つの体系で扱える国際規格「Unicode（ユニコード）」を、実際のデータとして記録するための最も普及した文字コード（符号化方式）のことです。Webページの9割以上がUTF-8で書かれており、現代の事実上の世界標準です。

現実世界でいえば、「世界共通の郵便番号システム」のようなものです。国ごとにバラバラだった住所の書き方（Shift_JISやEUC-JPなど各国独自の文字コード）を、世界共通の1つのルールに統一したことで、どの国のコンピュータ同士でも文字化けなく文章をやり取りできるようになりました。

UTF-8の仕組み

UTF-8の特徴は、文字によって使うデータ量を変える「可変長」方式にあります。英数字は1バイト、ひらがなや漢字は主に3バイト、絵文字は4バイトというように、シンプルな文字ほど少ない容量で表します。英数字の部分は古くからのASCIIコードと完全に同じため、昔の英語のデータやプログラムがそのまま扱える——この互換性の高さが、世界標準になった最大の理由です。

他の文字コードとの比較

実務での注意点

現在の開発では「迷ったらUTF-8」が原則です。ただし日本の現場では、古いシステムやCSVファイルがShift_JISで作られていることが多く、変換を誤ると文字化けの原因になります。また、ExcelでUTF-8のCSVを開くと文字化けする場合がある（BOMという目印の有無が関係）など、日本語環境ならではの落とし穴もあります。ファイルの受け渡しでは「文字コードは何か」を確認する習慣が大切です。

あわせて知っておきたい用語

• 文字コード：
  文字と番号の対応ルールの総称。UTF-8はその代表格です。
• Unicode：
  世界中の文字を集めた国際規格。UTF-8はこれを記録する方式です。
• Shift_JIS：
  日本語用の従来の文字コード。古いファイルで今も見かけます。
• 文字化け：
  文字コードの解釈違いで文章が読めなくなる現象です。