UTF というのは　Unicode (または UCS) Transformation Format の略語です。 UCS は　Universal Character Set の略語で、ISO 10646 の文字集合を表しています。 Unicode　と　UCS　は、ほぼ同じものです。

ISO というのは　International Organization for Standardization　 の略語です。日本では、国際標準化機構と訳されています。世界118ヵ国が加盟している組織で、工業製品の国際規格化を目標として活動しています。

ISO 10646というのは、この組織で決められたものです。コンピュータを使って文字を表現するときに、世界のどの国の言葉も、 もれなく、表現できるようにということで集められた文字集合体です。

しかし、コードには限りがありますから、すべてというわけには行きません。このことも含めて、Unicode　については、 このページ　(ユニコードって何？) で詳しく説明しているので、リンクをクリックして読んでください。 新しいウィンドーが開きます。このページへ戻るには、新しいウィンドーを閉じてください。

UTFにも、いろいろありますが、代表的なのが　UTF-8　と　UTF-16 です。この２つの違いを一言でいうと、 文字を表現するときの単位が違います。UTF-8は8ビットの可変長マルチバイトで文字を表現します。

上の図は、２進法で表示されています。つまり、実際に、コンピューターのメモリーの内部では、このように０か１かの組み合わせで、 すべての文字が表現されているわけです。

右側が　UTF-8、左側が、UCS-4 (後ほど説明します。)　です。一番上の段を見てもらうと分かると思いますが、これが UTF-8で表現することのできる、最小の単位です。つまり、１バイトです。よく見ると分かるとおり、８ビットからなっています。

このようにして、UTF-8では、１バイトで文字を表現する場合もあるし、また６バイトで表現する場合もあるということです。

一方、UCS-4は、上の図で見ると分かるように、常に４バイトで文字を表現しています。

UTF-16は、８ビットを単位とするのではなくて、その２倍の１６ビットを最小単位として文字を表すやり方です。

２進法で表示すると、人間の目には分かりにくいので、１６進法で、上のように表すのが普通です。

UCS-4は4バイトの値で定義され、上位のバイトからそれぞれ群、面、区、点と呼ばれます。

UCS-2 (Universal multi-octet Character Set 2)とは、Unicodeとほぼ同じもので、 UCS（Universal multi-octet coded Character Set）の中のある特定の部分を指し示すものです。 UCS-4の群と面に配置され、2バイトの値として定義されています。世界の主要な言語で使われる文字のほとんどを収録しています。

UCSとは、実際にはUCS-4 (Universal multi-octet Character Set 4)のことで、 UCS-2はUCS-4の一部のことです。

UTF-16の場合、2バイトで表現できる文字（0x0000～0xD7FF、0xE000～0xFFFF）はそのまま2バイトで表し、 それ以降（0x00000000～0x0010FFFF）の文字は4バイトで表します。このため英数も日本語も全て2バイトで表現されます。 しかし、UTF-8は英数は1バイトで表現し、日本語は3バイトで表現するようになっています。

つまり、英数の割合が多い場合はUTF-8の方が効率が良いのですが、日本語が多い場合はUTF-16の方が効率が良いといえます。 また、世界的に見ればUTF-8を標準として使用することが多くなっています。

具体的にみると、 Windowsでは状況によってUTF-8とUTF-16を使い分けていますし、DNSなどの文字列にはUTF-8を使用し、 それ以外ではUTF-16を使用する、といった形の使い分けをしています。

つまり、どちらを標準として使用するか、ではなく、状況と目的、 さらには将来的な観点から使用する文字コードを使い分ける必要があるわけです。

こうして、ゴタクを並べ立てたのでは、ちっとも面白くないので、上の図に示してある数値を使って、実際に文字を表してみます。

      

      

슀      슀

�      �

�      �

�      �

�      �

�      �

�      �

�      �

�      �

�      �

�      �

右上の表に列記された数値を、コードにして書くと上のようになります。左端に示したのが、そのコードによって実際に表示される文字です。 おそらく、クエスチョン・マークがたくさん並んでいることでしょう。これは、どういう意味かというと、まだ、このコードに文字が割り当てられていないか、 割り当てられている場合には、あなたのシステムに、その文字を表示する特別なフォントがないために、表示できないかのどちらかです。

ちなみに、私の名前をユニコードを使って漢字で書くと次のようになります。

どうしたら自分の名前の漢字コードが分かるのだろうか？と思っているんじゃありませんか？ もしコードを知りたいのであれば、このページ (ユニコードって何？) を見てください。