文字化け

• 文字化けについて
• 文字化け（機種依存文字）
• 漢字コードと文字化け
• 文字化け“???”の法則とその防止策

文字コード †

• wikipedia - 文字コード
• IANA - CHARACTER SETS

• Shift_JISには気をつけろ！
  • wikipedia - Microsoftコードページ932

• Shift_JIS≒CP932=MS932=MS漢字コード=Windows-31J
• Shift_JISの意味を理解しよう
  • IANAのShift_JISでは機種依存文字は対象外となっているため、WindowsのシフトJIS（Cp932）を扱う場合、Windows-31Jを使用するのが規格上は正しい

• Javaの場合
  • 「CP932」がIBMの「CP932」を指す
  • 「MS932」が「Windows-31J」を指す
  • JDK 1.4.1以降では「MS932」の代わりに「Windows-31J」というキーワードでも「Windows-31J」文字セットを指定できるようになっている

• EUC-JP
  • Javaでは "EUC_JP_Solaris" を使え！（EUC_JP_Solarisは機種依存文字をサポート）
  • EUC_JP_Solarisの動作検証

各言語での文字コード †

文字化けを起こしやすい文字 †

• 半角カナ
• 機種依存文字

半角カナ †

• 半角カナ - Wikipedia

5C問題 †

• 2バイト目が5Cな以下の文字はよく文字化けを起こすので注意！

  ―

  ソ

  Ы

  ?

  噂

  浬

  欺

  圭

  構

  蚕

  十

  申

  曾

  箪

  貼

  能

  表

  暴

  予

  禄

  兔

  喀

  媾

  彌

  拿

  杤

  歃

  濬

  畚

  秉

  綵

  臀

  藹

  觸

  軆

  鐔

  饅

  鷭

  ?

  ?

• 5C問題
• ＣＧＩで特定の文字（表・予・申・能など）が文字化けする
• PHP と Shift-JIS 環境での文字化けについて

Tips †

• 「美乳」で文字化けが直るって本当？

各言語での注意点など †

Java †

• Javaの文字化け対策FAQ
• Java/文字化け

PHP †

• マルチバイト文字列関数 (mbstring)

• 単純に半角カナの有無を判別するならこれでもOK

  <?php
  $test_data[] = '日本語EUC';
  $test_data[] = '日本語ＥＵＣ';
  $test_data[] = '日本語ｲｰﾕｰｼｰ';
  $test_data[] = 'ｲｰﾕｰｼｰ';
  $test_data[] = 'RX-78 ｶﾞﾝﾀﾞﾑ';
  $test_data[] = 'ｷﾞｶﾞ';
  
  foreach ($test_data as $key => $str) {
      $euc_len = strlen($str);
      $sjis_len = strlen(mb_convert_encoding($str, 'sjis', 'euc-jp'));
      if ($euc_len == $sjis_len) {
          echo "test data $key : 英数半角と全角漢字?n";
      } else if ($euc_len == ($sjis_len * 2)) {
          echo "test data $key : 半角カナのみ?n";
      } else {
          echo "test data $key : 半角カナを含む?n";
      }
  }
  ?>