Skip to the content.

最終更新日:2026年10月25日

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

1バイト目E011100000
2バイト目8010000000
3バイト目8010000000

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)

© 2024-2026 stemtazoo. All rights reserved.