バイト数カウント

同じ文章でも、文字コードによってバイト数が変わります。UTF-8、Shift_JIS、EUC-JP、UTF-16のバイト数を並べて表示します。

文字コードでバイト数が変わる理由

コンピューターは文字を数字の並びとして記録していて、その記録の決まりを文字コードといいます。バイト数は、その数字の並びの長さです。同じ「あ」でも、UTF-8 では3バイト、Shift_JIS や EUC-JP では2バイト、UTF-16 では2バイトになり、半角の「A」はどの文字コードでも1バイトか2バイトです。入力欄の「全角○文字・半角○文字まで」という制限は、実際にはバイト数で決まっていることがよくあります。

4つの文字コードの数え方

• UTF-8：今のウェブで最も広く使われている文字コードです。半角英数字は1バイト、ひらがなや漢字は3バイト、多くの絵文字は4バイトになります。
• Shift_JIS：古くから日本語の Windows で使われてきた文字コードです。半角英数字と半角カタカナは1バイト、全角の文字は2バイトです。
• EUC-JP：主に古いメールや UNIX 系のシステムで使われてきた文字コードです。全角の文字に加えて、半角カタカナも2バイトになり、一部の補助の漢字は3バイトです。
• UTF-16：プログラムの内部でよく使われる形式です。ほとんどの文字が2バイト、絵文字などの一部の文字は4バイトになります。

Shift_JIS で表せない文字

このツールの Shift_JIS は、JIS X 0208 という国の規格の文字の表に沿って数えています。丸付きの数字（①）、ローマ数字（Ⅰ）、（株）を1文字にした記号、はしご高の「髙」のような一部の漢字は、この表に入っていません。Windows では独自に追加された文字として表示できることが多いのですが、別の機種やシステムに送ると文字化けする原因になるため、機種依存文字と呼ばれてきました。

絵文字や新しく追加された漢字も Shift_JIS では表せないため、一覧に出てきます。古い業務システムやメールの件名、銀行振込の名義などに入力するときは、一覧に出た文字をほかの書き方に直しておくと安心です。

入力欄のバイト数制限に合わせるには

「全角40文字（80バイト）まで」のような欄は、Shift_JIS で数えたバイト数で決まっていることが多く、半角の文字を混ぜると全体でもう少し多くの文字を入れられます。逆に、UTF-8 で数える欄では、日本語の文字は1文字3バイトになるため、思ったより早く上限に届きます。どの文字コードで数える欄かが分からないときは、いちばん厳しい数に合わせておくのが無難です。

入力した文章はこのページの中だけで数え、外部には送っていません。