HTML Unicode (UTF-8) リファレンスマニュアル

Unicode 協会

Unicode 協会は Unicode 标準を開発しました。彼らの目標は、既存の文字セットを標準の Unicode 転換形式（UTF）で置き換えることです。

Unicode 标準は成功を収め、HTML、XML、Java、JavaScript、メール、ASP、PHPなどで実現されています。多くのオペレーティングシステムおよびすべての現代のブラウザで Unicode 标準がサポートされています。

Unicode 協会は、ISO、W3C、ECMAなどの主要な標準開発組織と協力して事業を展開しています。

Unicode 文字セット

Unicode は異なる文字セットで実現できます。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

UTF8 の文字の長さは 1 から 4 バイトです。

UTF-8 は Unicode 标準のすべての文字を表現できます。

UTF-8 は ASCII に後方互換性があります。UTF-8 はメールやウェブページの推奨エンコーディングです。
UTF-16

16ビットUnicode変換形式は、Unicodeの可変長文字エンコードであり、Unicodeのすべてのrepertoireをエンコードできます。

UTF-16は、Microsoft Windows、Java、.NETなどの主要なオペレーティングシステムと環境で使用されます。

注釈：Unicodeの最初の128個の文字（ASCIIと一一対応）は、単一の8ビットバイトでエンコードされ、これらの8ビットバイトはASCIIと同じ2進数値を持っています。これにより、有効なASCIIテキストも有効なUTF-8エンコードのUnicodeとして認識されます。

ヒント：HTML 4はUTF-8をサポートします。HTML 5はUTF-8とUTF-16をサポートします！

HTML5標準：Unicode UTF-8

ISO-8859の文字セットのサイズが制限されており、多言語環境に非対応であるため、Unicode連合はUnicode標準を開発しました。

Unicode標準（ほぼ）世界中のすべての文字、記号、シンボルをカバーしています。

Unicodeは、プラットフォームや言語に関係なくテキストの処理、保存、送信をサポートします。

HTML5のデフォルトの文字エンコードはUTF-8です。

HTML5ウェブページが使用する文字セットがUTF-8でない場合、<meta>タグでその文字セットを指定する必要があります。例えば：

例

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

UnicodeとUTF-8の違い

Unicodeは文字セットです。UTF-8はエンコードです。

Unicodeは、ユニークな10進数（コードポイント）を持つ文字のリストです。A = 65、B = 66、C = 67、...。

この10進数のリストは、文字列「hello」を表します：104 101 108 108 111

エンコードとは、これらの数値を2進数に変換してコンピュータ内に保存する方法です：

UTF-8 エンコードは以下のように（2進数）「hello」を保存します：01101000 01100101 01101100 01101100 01101111

エンコード数値を2進数に変換します。文字セット文字を数値に変換します。

HTML5 UTF-8 文字コード

以下の表は、HTML5がサポートしているいくつかのUTF-8文字コードのリストです：

文字コード 10進数 16進数
C0 コントロールおよび基本的なラテン 0-127 0000-007F
C1 コントロールおよびラテン-1 サプリメント 128-255 0080-00FF
ラテン拡張-A 256-383 0100-017F
ラテン拡張-B 384-591 0180-024F
スペーサーモディファイア 688-767 02B0-02FF
アクセント記号 768-879 0300-036F
ギリシャ文字とコプト文字 880-1023 0370-03FF
キリル文字の基本 1024-1279 0400-04FF
キリル文字の追加 1280-1327 0500-052F
一般的な記号 8192-8303 2000-206F
通貨シンボル 8352-8399 20A0-20CF
文字風シンボル 8448-8527 2100-214F
矢印 8592-8703 2190-21FF
数学的演算子 8704-8959 2200-22FF
ボックス描画 9472-9599 2500-257F
ブロック要素 9600-9631 2580-259F
幾何形状 9632-9727 25A0-25FF
雑多なシンボル 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF