A 回答 (3件)
- 最新から表示
- 回答順に表示
No.1
- 回答日時:
現状では存在しません。
#多分将来も
http://www.akanko.net/marimo/data/rfc/rfc3629-jp …
UTF-8はUnicode標準 [UNICODE] により定義される。また、説明と式は
ISO/IEC 10646-1 [ISO.10646]の付録Dで見つかるだろう
UTF-8において、U+0000..U+10FFFF範囲(UTF-16アクセス可能範囲)からの文
字は、1から4までオクテットの連鎖を使って符号化される。
1オクテット長の場合、その「シーケンス」の唯一のオクテットは、最上
位ビットは 0 がセットされており、残りの 7ビットは文字値を符号化する
ために用いられる。
nオクテットのシーケンス(n>1)は、最初のオクテットの最上位nビットに
は1をセットし、次に一つの0のビットをセットする。そのオクテットの残っ
たビットは、コード化される文字の値のビットを含んでいる。
続くすべてのオクテットは、最上位ビットに1が設定されており、そして、
次のビットが0にセットされ、残る6ビットでキャラクタをエンコードする。
下のテーブルは、これらの幾つかのオクテットタイプのフォーマットを要
約する。文字xは、文字番号のビットを符号化するために利用可能なビット
を示す。
文字番号範囲 | UTF-8 オクテット列
(16進数) | (2進数)
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
このように定義されていますので
元となるUnicode が 31bitすべてを使ったものにはならず
約20bit(0x10_ffff) までに制限されているので
4バイトが最長になります。
が、素朴に変換するようなルーチンだとセキュリティホールの
元になりますので注意が必要でしょう。
早速の回答をありがとうございました。
いろいろ調べると、「UTF-8は1~6バイトです」とありながら、「Unicode値とUTF-8の関係」の表を見ると4バイトまでで、混乱していました。
現行は、Unicode値が20bit以内なので、UTF-8は4バイトが最長になる訳ですね。おかげさまで、これで、とてもすっきりしました。
どうもありがとうとざいました。
No.2
- 回答日時:
UTF-8 には新旧があります.
> 「UTF-8は1~6バイトです」
これは古い方の UTF-8 (RFC2279(廃),1998年1月).
> 「Unicode値とUTF-8の関係」の表を見ると4バイトまで
これが現行の UTF-8 (RFC3629,2003年11月).
参考URL:http://www5d.biglobe.ne.jp/~noocyte/Programming/ …
Unicodeに歴史があり、規格が変わってきたことわかりました。
URLもとても参考になりました。
どうもありがとうございました。
No.3
- 回答日時:
実は「UTF」には 2種類あります. つまり, Unicode Consortium による Unicode Transformation Format と ISO による UCS transformation format です. ややっこしいんですが, これは Unicode が ISO 10646 を乗っ取ったという歴史的事情によります.
で, Unicode Consortium の UTF-8 ですが, これは昔から最大 4 octet です. あ, 本当の昔 (Unicode Standard 1 とか 2 とかの時代) は 16bit だったので最大 3 octet かな? u+10000 以上のコードポイントにも文字が割当てられるようになったので, 最大 4 octet に拡張されたのかもしれません. こっちは Unicode Standard 5.0 で確認済み.
これに対して, もともと ISO 10646 では 31bit の文字セットを考えていました. そのため, ISO 10646 では UTF-8 として 1~6 byte のものが定義されています. ただ, wikipedia によれば 2006年に「Unicode で定義されないコードポイントには文字を割当てない」ということが決まった (amendment がまだ出ていないので未確認) ということで, そうなると実際に用いられるのはやはり 1~4 octet に限られることになると思います.
お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!
似たような質問が見つかりました
- Excel(エクセル) エクセルのVBAについて とあるサイトのコードを参考に、CSVの文字化けを直すVBAを作成しているの 7 2022/11/04 14:15
- Windows 8 メモ帳による文字コード変換 2 2022/09/01 18:38
- PHP phpのメールフォームの完了画面でメール受信のコードを書いています。 1 2023/05/31 11:39
- C言語・C++・C# S-JIS → JIS コード変換するには 3 2023/02/09 23:55
- UNIX・Linux テキストファイルをページ番号付きでコマンドラインから印刷したい 1 2023/02/22 12:47
- Excel(エクセル) Excelにて、フォルダ内のTextファイルをマクロで統合すると文字化けしてしまう時の解消コード 4 2023/01/01 07:32
- その他(ソフトウェア) powershell で出力したテキストファイルをvim で開くと文字化け 2 2023/01/11 21:39
- PostgreSQL PostgressからMySQL(MariaDB)へ構造を変更する際のTimestamp等について 2 2023/04/04 12:09
- Excel(エクセル) PHPプログラムをエクセルに張り付けると検索ボックスがでてくる! 3 2022/05/08 07:10
- JavaScript jqueryを使ったスムーススクロールのコードを書いたのですが、HTMLコード内にある、a butt 2 2022/04/14 10:59
このQ&Aを見た人はこんなQ&Aも見ています
-
プロが教える店舗&オフィスのセキュリティ対策術
中・小規模の店舗やオフィスのセキュリティセキュリティ対策について、プロにどう対策すべきか 何を注意すべきかを教えていただきました!
-
unsigned long long 型のフォーマット指定子
C言語・C++・C#
-
SQLローダーCSV取込で、囲み文字がデータ中に入っている場合について
Oracle
-
html上で、バッチやexeファイルの起動をしたい
ホームページ作成・プログラミング
-
-
4
NUMBER(N,M) としたときの、格納データサイズ(バイト)
Oracle
-
5
■文字コード判定■
C言語・C++・C#
-
6
Shift_JISで表示できて、UTF-8で表示できない字は何でしょう
その他(ソフトウェア)
-
7
バッチからsqlplusの接続エラーの検知について
その他(プログラミング・Web制作)
-
8
データベース関係で、データの洗い替えとはどのような事を行うことでしょう
IT・エンジニアリング
-
9
スペースデスクというアプリは安全ですか?Windows10ですが…… https://www.spa
SSL・HTTPS
-
10
Oracle 8i コンマ(,)を含むデータをinsertしたい
その他(データベース)
-
11
半角文字と全角文字の判別の仕方
C言語・C++・C#
-
12
char*を初期化したいのですが
C言語・C++・C#
-
13
regsvr32で登録された一覧を知りたい
UNIX・Linux
-
14
GetPrivateProfileStringでiniファイル読込む処理を詳しく知りたいのですが・・・
C言語・C++・C#
-
15
C言語での引数の省略方法
C言語・C++・C#
-
16
CSVファイルの中で、「 , 」カンマを使いたい
その他(コンピューター・テクノロジー)
-
17
シェルスクリプトでオラクルのエラーメッセージを取得するには
Oracle
-
18
共有メモリについて
C言語・C++・C#
-
19
Excelのグレーの部分を戻したい
Excel(エクセル)
-
20
メモ帳(notepad.exe)の起動オプション
UNIX・Linux
関連するカテゴリからQ&Aを探す
おすすめ情報
このQ&Aを見た人がよく見るQ&A
デイリーランキングこのカテゴリの人気デイリーQ&Aランキング
-
10Mバイトて文字数に すると何...
-
ビットスワップとバイトスワッ...
-
UTF-8で5~6バイトになる文字コ...
-
char str[256]の256の意味は?
-
バイト列とバイナリ列の違いが...
-
VB 2008: LenB関数の代行機能は...
-
PHP 文字列抽出
-
バイナリとBCDコード
-
「1TB」のHDDに日本語は何字入...
-
全角半角を調べるライブラリ関...
-
シフトJISの2バイト文字
-
最大長を用意せずにバイナリデ...
-
unicode←→JISコード
-
iconv変換後のサイズについて
-
任意のアルファベットの2進表...
-
Visual C++ 2008 Express Editi...
-
VBでShift_JISへurlエンコード...
-
memcmp バイナリデータの比較方法
-
UTF-8とUTF-16について質問です。
-
ポインター引数の関数でコンパ...
マンスリーランキングこのカテゴリの人気マンスリーQ&Aランキング
-
10Mバイトて文字数に すると何...
-
UTF-8で5~6バイトになる文字コ...
-
char str[256]の256の意味は?
-
エクセルシート名の制限を変更...
-
COBOLのCOMP形式について
-
バイナリとBCDコード
-
バイト列とバイナリ列の違いが...
-
ビットスワップとバイトスワッ...
-
ピクセル,dpiから容量(バイト...
-
SQLで1バイト、2バイト混在...
-
Javaで日本語1文字のバイト数
-
「1TB」のHDDに日本語は何字入...
-
機種依存文字をチェックしたい。
-
VBAでShift-JISのURLエンコード
-
GetWindowTextでアドレスバーか...
-
COBOL PICTUREで X,S,Vの意味
-
【VB2005】テキストボックス内...
-
URLは最高何文字まで可能なので...
-
1KBが1024byteな理由
-
ワイド文字のバイト数が取得で...
おすすめ情報