UTF-8

UTF-8は『8-bit Unicode Transformation Format』の略で、世界中のあらゆる文字をコンピューターで扱うための文字符号化方式です。1992年に設計され、現在ではWeb・メール・スマホアプリの圧倒的標準として採用されており、2024年時点で全世界のWebサイトの約98%がUTF-8で記述されています。

最大の特徴は『1文字を1〜4バイトの可変長で表現する』点です。ASCII互換（英数字は1バイト）でありながら、日本語・中国語・韓国語・アラビア語・絵文字まで、世界の文字を同じ仕組みで扱えます。これに対して、日本で長年使われてきたShift_JIS・EUC-JPは日本語に特化した文字コードで、絵文字や他国の文字は扱えません。

Unicodeと混同されがちですが、両者は別物です。Unicodeは『文字に番号を振る表』（例: あ=U+3042）、UTF-8はその番号を実際のバイト列に変換する『符号化方式』です。UTF-16・UTF-32もUnicodeの符号化方式ですが、可変長・ASCII互換・容量効率の良さからUTF-8が事実上の標準になりました。

文字化けトラブルとして、次の現象が典型です。①『繝上Ο繝シ』のような謎の文字列: UTF-8をShift_JISとして読み込んだときの誤読、②『??????』: 対応していない文字を疑問符に変換したケース、③絵文字が四角□で表示: 古いOS・フォントが該当絵文字を持っていない。

対処の基本は『保存時の文字コードと読み込み時の文字コードを一致させる』ことで、HTMLでは `<meta charset="utf-8">` をhead内に必ず記述します。CSVファイルをExcelで開くときの文字化けは、保存時に『UTF-8（BOM付き）』を選択するか、Excelのデータインポート機能で文字コードを明示することで回避できます。

BOM（Byte Order Mark）は、ファイル先頭に付けられる文字コード識別用の目印で、UTF-8ではあってもなくても動作しますが、付いていないとExcelが誤判定する、付いていると一部のシステムが誤動作する、と環境依存のトラブルを生みやすい要素でもあります。