文字コード

文字コードについて

文字コードとは、コンピュータで文字を利用するために各文字に割り当てられたコード番号のことです。例えば A は文字コード 41、B は文字コード 42、のように決められています。

現在インターネットでは、UTF-8・JIS・Shift-JIS・EUC-JP といった文字コードがよく利用されていますが、文字コードによって日本語に割り当てられているコード番号が異なります。

例えば あ の文字コードは

UTF-8 では E38182
JIS では 2422
Shift-JIS では 82A0
EUC-JP では A4A2

と、異なる文字コードが割り当てられています。ですので何も考えずに文字コードを混在させると、ソフトが文字コードを判別できずに文字化けすることがあります。

現在は色々な文字コードが利用されていますが、徐々に UTF-8 が使われる割合が増えています。UTF-8 は Unicode という文字コードの一つです。Unicode は、世界中で使われているすべての文字を、共通の文字コードで利用できるようにするための規格です。

特にこだわりが無ければ、文字コードは UTF-8 にしておくといいでしょう。以降の解説でも、文字コード UTF-8 でファイルを作成していきます。

なお、Shift-JIS でPHPプログラムを作成するのは

文字コード 5C を含む文字を正しく表示できない
正規表現が正しくマッチしないことがある
一部のライブラリが正しく動作しないことがある
データベースに Shift-JIS の利用を宣言すると、セキュリティホールが発生することがある

という問題があるのでお勧めできません。

UTF-8のBOMについて

UTF-8 のファイルには、先頭にBOM（Byte Order Mark）と呼ばれる、文字コードを識別するためのデータが付与されることがあります。これはファイルの文字コードが UTF-8 だと明確に宣言するための情報なのですが、HTMLファイルやPHPファイルを作成する際、BOMが付いているとゴミデータとみなされてしまいます。それによって、余計な記号が表示されたりエラーになったりします。

ですので、HTMLファイルやPHPファイルを作成する際はBOM無しの UTF-8 にする必要があります。なお、BOM無しの UTF-8 は UTF-8N と表記されることがあります。

Windowsに付属しているメモ帳では、BOM無しの UTF-8 でファイルを保存することができません。EmEditorなど高機能なテキストエディタならBOM無しの UTF-8 でファイルを保存することができますので、これらを利用しましょう。