最終更新日:2026年10月25日
fe fe-technology programming pseudocode trace
まず結論
UTF-8の3バイト符号化は、Unicodeの符号位置(文字に割り当てた番号)を、次の形で表します。
1110xxxx 10xxxxxx 10xxxxxx
4 bit 6 bit 6 bit
右端から6ビットずつ取り出すために使う数は、2^6 = 64 です。
cp mod 64:いまの下位6ビットを取り出すcp div 64:使った下位6ビットを取り除き、残りを次に処理する
科目Bでは「余りを保存してから、商で変数を更新する」と判断します。
直感的な説明
10進数の整数を下の桁から分けるとき、10で割った余りを使います。同じように、2進数を6ビットずつ区切るなら、2^6 である64で割ります。
元の符号位置
↓ 64で割った余り → 一番右の6ビット
残りの商
↓ 64で割った余り → 真ん中の6ビット
残りの商
↓ → 最初の4ビット
UTF-8の3バイトは左から並びますが、値の取り出しは右側から行います。
定義・仕組み
UnicodeとUTF-8の役割
Unicodeは文字の符号位置を決める規格、UTF-8はその符号位置を実際のバイト列にする符号化方式です。
| 符号位置 | UTF-8の形 |
|---|---|
| U+0000〜U+007F | 0xxxxxxx(1バイト) |
| U+0080〜U+07FF | 110xxxxx 10xxxxxx(2バイト) |
| U+0800〜U+FFFF | 1110xxxx 10xxxxxx 10xxxxxx(3バイト) |
| U+10000〜U+10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx(4バイト) |
ただし、U+D800〜U+DFFFはサロゲート領域で、UTF-8に直接符号化できません。
このページでは3バイト形式を扱います。後ろの2バイトは先頭の10が固定され、各バイトの残り6ビットに情報が入ります。
例:「あ」(U+3042)を符号化
「あ」の符号位置は16進数で3042、10進数で12354です。3バイトの初期値を次のように用意します。
utf8Bytes ← {224, 128, 128}
224 = 11100000₂ (先頭の 1110 を固定)
128 = 10000000₂ (先頭の 10 を固定)
128 = 10000000₂ (先頭の 10 を固定)
cp = 12354として、64で割った余りを3バイト目から順に加算します。
| 回 | 格納先 | 処理前cp | 64で割った余り | 加算後 | 次のcp(商) |
|---|---|---|---|---|---|
| 1 | 3バイト目 | 12354 | 2 | 130 | 193 |
| 2 | 2バイト目 | 193 | 1 | 129 | 3 |
| 3 | 1バイト目 | 3 | 3 | 227 | 0 |
最終的に{227, 129, 130}、16進数でE3 81 82です。
最初のバイトは1110xxxxなので、符号位置として入れられるのは4ビットだけです。有効な3バイト用の符号位置なら、最後に残る値は0〜15です。
Pythonで確認する
char = "あ"
print(ord(char)) # 12354
print(list(char.encode("utf-8"))) # [227, 129, 130]
print(char.encode("utf-8").hex(" ")) # e3 81 82
ordは符号位置を、encode("utf-8")はUTF-8のバイト列を返します。
科目Aでどう出る?
| 問題文の手掛かり | 判断 |
|---|---|
| Unicode | 文字に符号位置を割り当てる規格 |
| UTF-8 | その番号を可変長のバイト列で表す |
10xxxxxx |
固定の2ビット以外に6ビット入る |
| 下位6ビットを取り出す | mod 64 |
| 次の6ビットへ移る | div 64 |
UTF-8の文字がすべて3バイトとは限らないことも大切です。
科目Bでどう使う?
配列を後ろから埋める疑似コード
入力は、3バイト形式に入る有効なUnicode符号位置とします。添字は1から始まります。
encode3(整数型: codePoint)
utf8Bytes ← {224, 128, 128}
cp ← codePoint
for (i を3から1まで1ずつ減らす)
utf8Bytes[i] ← utf8Bytes[i] + (cp mod 64)
cp ← cp div 64
endfor
return utf8Bytes
i = 3から始まるので、最初に末尾に下位6ビットを保存します。次のループでは商を使うため、より上位のビットを取り出せます。
1回ずつ動かして確かめる
以下は独自データです。文字を選んで「次の処理」を押すと、どのバイトに余りが加算されたかとcpがいくつになったかを確認できます。
UTF-8:下位6ビットから3バイトに分配
開始前:cp=12354。右端の3バイト目から進めます。
処理:0 / 3 次のcp:12354
64で割った余りを右端から保存します。
JavaScriptが使えなくても、直前のトレース表で余りと商の更新を確認できます。
選択肢を効率よく絞る
10xxxxxxのxは6桁 →2^6 = 64- 配列の末尾から処理 → 下位ビットから保存
mod→ 余りを格納div→ 商でcpを更新
実際のバイト値を全て計算しなくても、空欄の定数を判断できる場合があります。
よくある誤解・混同
3バイトだから24ビットすべてが文字の情報?
違います。先頭の固定ビットを除くと、情報を入れる場所は4+6+6=16ビットです。
64で割ると下位64ビットが得られる?
違います。64は2^6です。余りは0〜63で、下位6ビットを表します。
余りを保存する前に商で更新してもよい?
違います。先に商へ更新すると、最初に取り出すべき下位6ビットを失います。
先頭バイトにも6ビット入る?
違います。先頭は1110xxxxで、符号位置を入れられるのは4ビットです。
サロゲート領域もUTF-8でそのまま符号化できる?
違います。U+D800〜U+DFFFはUTF-8では符号化できません。
まとめ(試験直前用)
- 3バイト形式は
1110xxxx 10xxxxxx 10xxxxxx mod 64は下位6ビットを取得、div 64は次のビットへ進む- 3→2→1の順で配列を埋める
- 余りを保存した後で商へ更新する
- 最初のバイトは4ビット分だけ符号位置を格納する
関連記事:文字コードの違い・divとmodの使い分け・シフト演算
一次情報:IETF RFC 3629(UTF-8)(3節:ビット配置と符号化順序/4節:有効な符号列)