HTML Unicode(UTF-8)リファレンスマニュアル


ユニコードコンソーシアム(Unicode Consortium)

ユニコードコンソーシアム(Unicode Consortium)は、Unicode 標準(Unicode Standard)を開発しました。彼らの目標は、標準の Unicode 変換形式(すなわち UTF、正式名称 Unicode Transformation Format)を使用して、既存の文字セットを置き換えることです。

Unicode 標準は成功した画期的なものであり、HTML、XML、Java、JavaScript、E-mail、ASP、PHP で実装されています。Unicode 標準は、多くのオペレーティングシステムとすべての最新ブラウザでもサポートされています。

ユニコードコンソーシアムは、ISO、W3C、ECMA などの主要な標準開発組織と協力しています。


Unicode 文字セット

Unicode はさまざまな文字セットで実装できます。最も一般的なエンコーディングは UTF-8 と UTF-16 です。

文字セット 説明
UTF-8 UTF-8 の文字は 1 バイトから 4 バイトの長さになります。UTF-8 は Unicode 標準の任意の文字を表すことができます。UTF-8 は ASCII と後方互換性があります。UTF-8 は電子メールやウェブページで推奨されるエンコーディングです。
UTF-16 16 ビット Unicode 変換形式は可変長の Unicode 文字エンコーディングであり、Unicode 全体の文字レパートリーをエンコードできます。UTF-16 は主に Microsoft Windows、Java、.NET などのオペレーティングシステムや環境で使用されます。

ヒント:Unicode の最初の 128 文字(ASCII と 1 対 1 で対応)は、ASCII の 2 進値と同じオクテットを使用してエンコードされるため、有効な ASCII テキストは UTF-8 エンコードでも有効です。

ヒント:すべての HTML 4 プロセッサは UTF-8 をサポートし、すべての HTML 5 および XML プロセッサは UTF-8 と UTF-16 をサポートします!


HTML5 標準:Unicode UTF-8

ISO-8859 の文字セットはサイズに制限があり、多言語環境では互換性がないため、Unicode コンソーシアムは Unicode 標準を開発しました。

Unicode 標準は、(ほぼ)すべての文字、句読点、記号をカバーしています。

Unicode は、テキストの処理、保存、転送をプラットフォームや言語から独立させます。

HTML-5 のデフォルトの文字エンコーディングは UTF-8 です。

以下に、HTML5 でサポートされる UTF-8 文字セットの一部を示します:

文字セット 10進数 16進数
C0制御文字と基本ラテン文字(C0 Controls and Basic Latin) 0-127 0000-007F
C1制御文字とラテン1補助(C1 Controls and Latin-1 Supplement) 128-255 0080-00FF
ラテン文字拡張A(Latin Extended-A) 256-383 0100-017F
ラテン文字拡張B(Latin Extended-B) 384-591 0180-024F

HTML5 ウェブページで UTF-8 とは異なる文字セットを使用する場合は、<meta> タグで次のように指定する必要があります:

例

<meta charset="ISO-8859-1">


その他の拡張