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。

目次 概要 種類

概要

Unicodeなどは文字集合(CCS)の仕様で、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。

種類

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。

名称	最大値	符号長	特徴等	典拠
UTF-1	0x7FFFFFFF	1〜5	現在は破棄された	ISO/IEC 10646-1:1993 Annex G
UTF-2	0x7FFFFFFF	1〜6	後にUTF-8となった
UTF-5	0x7FFFFFFF	1〜8	国際化ドメイン名用、しかし不採用	draft-jseng-utf5-01.txt
UTF-6	0x0000FFFF		国際化ドメイン名用、しかし未完成	draft-ietf-idn-utf6-00.txt
UTF-7	0x0010FFFF		電子メール用	RFC 2152
UTF-8	0x7FFFFFFF	1〜6	ファイルシステムや文書ファイル用	RFC 3629、(RFC 2279)
UTF-EBCDIC	0x7FFFFFFF	1〜7	EBCDICと親和性の高い符号化	Unicode TR16
UTF-9 (I-D)	0x7FFFFFFF	1〜5	ファイルシステムや文書ファイル用	draft-abela-utf9-00
UTF-9 (RFC)	0x7FFFFFFF	1〜4	エイプリルフールの冗談	RFC 4042
UTF-16	0x0010FFFF	1〜2		RFC 2781
UTF-18		1	エイプリルフールの冗談	RFC 4042
UTF-32	0x0010FFFF	1		Unicode TR19

リンク

用語の所属
ISO/IEC 10646
Unicode
関連する用語
BOM
サロゲート
UCS-2
UCS-4
シフトJIS
EUC-JP

[再検索] [戻る]