1

これまで環境依存文字を使用しないよう努めてきましたが、
Windows10のメモ帳がUnicode対応していることを知り、
Unicode文字なら普通に使用しても問題ないのでは、と思ったのですが、
Unicodeではない文字コード環境を使用する例としては何が挙げられますか?

少なくともutf8で作成したWebサービスに対して、𝘾などのUnicode文字を任意のユーザーが入力しても問題ないですか?

2 件の回答 2

2

Unicodeではない文字コード環境を使用する例としては何が挙げられますか?

  • E-mailで日本語を扱う場合、ISO-2022-JPが一般的です。
  • Windowsで日本語を扱う場合、Unicodeかそれ以外であればShift-JISを使います。
  • UTF-8登場前にUNIX系OSで日本語を扱う場合、EUC-JPが使われていました。

Windows10のメモ帳がUnicode対応していることを知り、

参考までにWindows 2000のメモ帳であってもUTF-8(BOM有り・無し共に)を自動検出できます。

2
  • 2
    「E-mailで日本語を扱う場合、ISO-2022-JPが一般的です。」これは今でもそうすべきですか?RFC5322の7bit制約のためだとかそれによってかなり古いメーラーや昔の携帯電話のメールがUTF-8をサポートしていなかっただとかかと思いますが、最近の(手元にある)日本語のメールをみると、iso-2022-jpかUTF-8(quoted-printableかbase64でエンコードされている)が半々くらいのようですが……
    – hinaloe
    Commented 2020年1月20日 12:57
  • E-mail使用する場合は、注意が必要ということですね
    – re9
    Commented 2020年1月21日 23:56
2

コンピュータは文字を 符号化文字集合文字符号化方式 の組み合わせで表現しています。

Unicodeは符号化文字集合のひとつで、UTF-8はUnicodeを使った文字符号化方式のひとつです。
JIS X 0208も符号化文字集合のひとつで、Shift_JISはJISを使った文字符号化方式のひとつです。

「問題がない」かどうかは、文字をどう扱うかにかかってきます。例えば JavaScript は文字列の内部表現に UTF-16 を使っていますから、たとえJavaScriptがUTF-8で記述されていても内部表現に直接依存したコードは問題を抱えています。

// 文字列の長さを得るのにlengthを使うと破綻する。
console.log("𝘾".length); // => 2

Windowsのメモ帳は文字エンコードの欄に「Unicode」と「UTF-8」を並べて記載していますが、これは間違いです。メモ帳から「Unicode」で保存した際は「UTF-16LE」という文字符号化方式で保存されます。


追記:
Windows10 1903以後は「Unicode」表示は無くなっています。

5
  • 3
    最後の1文は環境・版数依存ですね。Windows10 1903以後は「Unicode」表示は無くなっています。メモ帳の文字コードが「ANSI」から「UTF-8」に【Windows 10 Ver.1903】
    – kunif
    Commented 2020年1月20日 11:37
  • 1
    まじで!知らなかった!恥ずかしい!修正しといて!!
    – ernix
    Commented 2020年1月20日 11:59
  • 事情によりこれからもWindows7を使い続ける人なんかもいっぱい居るでしょうから、追記しておけばいいのでは?
    – kunif
    Commented 2020年1月20日 12:11
  • 追記しました・・・事情辛い
    – ernix
    Commented 2020年1月20日 12:23
  • JavaScript の(内部の)文字コードは UTF-16 なのですね。初めて知り大変驚きました
    – re9
    Commented 2020年1月21日 23:59

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。