UTF - 通信用語の基礎知識

UnicodeやISO/IEC 10646を、実際に計算機で利用できるように変換した形式の符号化のこと。

概要

Unicodeなどは文字集合(CCS)の規格で、これを実際に符号化する仕様(CES)がUTFである。

ASCIIなどの7ビット文字などと共存可能なように工夫したものが良く使われているが、必ずしもそれが全てでは無い。

16ビット長または32ビット長のUnicodeやISO/IEC 10646を、1バイト以上の不定長に変換する仕様として、主に7ビットを基準とするUTF-7と、8ビットを基準とするUTF-8がある。

また、Unicode専用としては、サロゲートを使い16ビット単位の可変長で符号化するUTF-16、32ビット固定長で符号化するUTF-32などがある。

RFCなどで定義されているものに、次のようなものがある。

符号長は「バイト単位」だが、このバイトが8ビット(オクテット)とは限らない。