文字コードとは？ASCII・Shift_JIS・UTF-8の違いと文字化け基本情報

結論：文字コードとは、文字をコンピュータの内部で数値（バイト列）に対応づける約束事です。同じ文字でも、約束事が違えばバイト列が変わるので、書いた側と読む側で約束事が食い違うと「文字化け」になります。代表的なものは、英数字7ビットのASCII、日本語用のJISコード・Shift_JIS・EUC（日本語用はEUC-JP）、世界の文字をまとめたUnicode（符号化方式はUTF-8など）です。基本情報技術者試験のシラバスはこれらを用語例に挙げ、公開問題では科目A 令和6年度 問2（ASCIIコードの連続性）と科目B サンプル問題 問16（UTF-8への変換）が、文字コードそのものを主題にしていました。

当サイトに収録している基本情報技術者試験の公開問題520問と、IPAの科目A・科目Bの公開PDF（サンプル問題と令和5〜8年度）、ITパスポート試験の600問の文章を、文字コード・Unicode・UTF-8・ASCII・Shift_JISの語で検索しました（2026-10-21 時点）。文字コードそのものが主題の問題は、科目A 令和6年度 問2 と科目B サンプル問題 問16 の2問でした。ITパスポート試験の収録600問には、文字コードを主題とする問題の収録がありません。午前試験（平成21年度〜令和元年度）の問題冊子は画像のため、午前は当サイトの収録分に限った集計です。数は語を含む問題の数で、出題の多さを示すものではありません。

文字コードとは：文字を数値（バイト列）に対応づける約束事

コンピュータの内部では、文字も数値で保存されます。どの文字にどの数値を割り当てるか、その数値を何バイトの並びで保存するかを決めたものが文字コードです。ITパスポート試験のシラバス Ver.6.5 は、「コンピュータの内部では，文字を数値で表現していること」「代表的な文字コードの特徴」を挙げ、用語例に「JIS コード，シフトJIS コード，Unicode」を示しています（大分類7 中分類13「基礎理論」の35.情報に関する理論 (3) 文字の表現）。

基本情報技術者試験のシラバス Ver.9.2 は、同じ項目で「代表的な文字コードを理解する。」と書き、用語例に「ASCII コード，EUC，JIS コード，シフトJIS コード，Unicode，UCS」を挙げています（大分類1 中分類1 基礎理論の3. 情報に関する理論 (3) 文字の表現）。

シラバスの版：基本情報技術者試験は Ver.9.2、ITパスポート試験は Ver.6.5。最終確認日：2026-10-21。出典：IPA 試験要綱・シラバスについて。

IPAのシラバス Ver.9.2 には、UTF-8 の記載がありません（2026-10-21 時点）。ただし、科目Bのサンプル問題に UTF-8 を扱う問題があるため、Unicodeの符号化方式の一つとして仕組みを知っておく意味はあります。用語は用語集の「文字コード」と「Unicode」にもあります。

主な文字コードの違い：ASCII・JIS・Shift_JIS・EUC・Unicode

「あ」と「漢」を例に、各方式のバイト列を並べます。値は当サイトの計算です（Pythonの標準の符号化で全て出力。UTF-16はビッグエンディアン・BOMなしで、リトルエンディアンだと「あ」は 42 30 になります。Shift_JISにはPythonのcp932を使用しています。半角カナ ｱ（B1）は、WebのShift_JISの定義であるWHATWG Encoding Standardのデコーダ（0xA1〜0xDF が U+FF61〜に対応）でも同じです）。

• ASCII：7ビットの符号（RFC 20）。英数字と記号を表します。表の A の行は、UTF-16（00 41）以外はどれも 41 で、ASCIIの範囲の文字は多くの方式で同じバイト列になります
• JISコード：シラバスの用語例の名前です。ここでは代表例として、電子メール向けに定義された ISO-2022-JP（RFC 1468）を載せました（当サイトの整理）。7ビットだけで日本語を表すため、漢字の前に切り替えの目印 1B 24 42（ESC $ B）、ASCIIに戻すときに 1B 28 42（ESC ( B）を置き、漢字は1文字2バイトです
• Shift_JIS：ASCIIの範囲は1バイト、半角カナ（A1〜DF）も1バイト、漢字・ひらがななどは2バイトです。WHATWG Encoding Standard のデコーダの定義では、2バイト目に 0x40〜0x7E の範囲が含まれ、記号の \ にあたる 0x5C も2バイト目に入ります（「表」は 95 5C、「能」は 94 5C）
• EUC-JP：ASCIIは1バイト、漢字などは A1〜FE の2バイトの組です。半角カナは 8E の後に1バイトを付けて2バイトで表します（WHATWG Encoding Standard）
• Unicode：世界の文字に符号位置（U+0041 のような番号）を与える規格です。符号位置は 0 から 10FFFF（16進数）の範囲で、UTF-8 は1〜4バイト、UTF-16 は16ビットを1〜2個、UTF-32 は32ビット1個で表します（Unicode Consortium FAQ）

出典：RFC 20・RFC 1468・RFC 3629・WHATWG Encoding Standard・Unicode FAQ（UTF-8, UTF-16, UTF-32 & BOM）。

「UCS」（Universal Character Set）はISO/IEC 10646が定める文字集合の名前です（RFC 3629）。UnicodeとISO/IEC 10646は同じ文字を同じ番号で扱うよう、内容が合わせて作られています（Unicode Consortium FAQ「Unicode and ISO」）。

UTF-8の仕組み：符号位置を1〜4バイトに割り当てる

UTF-8は、符号位置の大きさで使うバイト数を変え、各バイトの先頭ビットで「何バイト目か」を示します（RFC 3629）。

出典：RFC 3629 の符号化の表。なお、サロゲート（D800〜DFFF）の符号位置はUTF-8で符号化しないと、同じRFCが定めています。

自作の例で「漢」（U+6F22）を符号化します。

• ① 符号位置 6F22 を2進数にする：0110 1111 0010 0010（16桁）
• ② 0800〜FFFF の範囲なので3バイト。ビットを「4 + 6 + 6」に分ける：0110 / 111100 / 100010
• ③ パターンに入れる：11100110 10111100 10100010
• ④ 16進数にする：E6 BC A2

検算：Pythonで「漢」をUTF-8に符号化すると E6 BC A2 で一致しました。逆向きに、E6 BC A2 の x の部分（0110・111100・100010）をつなぐと 0110111100100010＝6F22 に戻ります。

UTF-8の特徴は次のとおりです。

• ASCIIの範囲（0000〜007F）は1バイトで、ASCIIと同じバイト列になる（RFC 3629）
• 各バイトの先頭ビットで、そのバイトが先頭か途中かが見分けられる（10 で始まるバイトは2バイト目以降）
• 日本語のひらがな・漢字の多くは3バイト。「😀」（U+1F600）は4バイト（F0 9F 98 80）

文字化けはなぜ起きるか：書いた方式と読む方式がずれる

文字化けは、ファイルや通信の文字列を、書いたときと別の文字コードで読むと起きます。自作の例（Pythonで符号化して確認）です。

• 「文字コード」をUTF-8で保存すると、15バイト（E6 96 87 E5 AD 97 E3 82 B3 E3 83 BC E3 83 89）になります。これをShift_JIS（cp932）として読むと、「譁�蟄励さ繝ｼ繝�」のような意味の通らない文字列になります。バイト列の区切り方が合わないためで、読み取れないバイトは「�」などに置き換わります（表示は環境で変わります）
• 逆に、Shift_JISで保存した「文字コード」（95 B6 8E 9A 83 52 81 5B 83 68）をUTF-8として読むと、多くのバイトが読み取れず「�」だらけになります
• ASCIIだけの文章（例：ABC）は、UTF-8とShift_JISのどちらで読んでも同じ「ABC」になるので、化けません

つまり、文字化けは「データが壊れた」のではなく、「約束事の取り違え」です。バイト列が残っていれば、正しい文字コードで読み直すと戻ることがあります（当サイトの説明）。

文字数とバイト数：同じ文字列でも方式でバイト数が変わる

「バイト数を求める」問題を解くときの基本です。自作の例（Pythonで計算）をまとめます。

「文字コード」は、漢字2字、カタカナ・長音記号の3字の5文字です。UTF-8は全て3バイトなので 5×3＝15、Shift_JISは全て2バイトなので 5×2＝10です。英数字が混じるときは、英数字の分だけ別に数えます（ABCあいう のUTF-8は 3×1 + 3×3 = 12）。

公開問題を解く①：科目A 令和6年度 問2（ASCIIコードの連続性）

問題は、小文字1文字（a〜z）のキーを、大きさ10のハッシュ表に格納し、ハッシュ関数に「ASCIIコードを10進表記したときの1の位の数」を使うとき、衝突が起こるキーの組合せを選ぶものです。「ASCIIコードでは，昇順に連続した2進数が，アルファベット順にコードとして割り当てられている」という説明が付いています（令和6年度 科目A 問2。IPA 問題PDF・解答例PDF）。選択肢はアからエで、IPAの解答例の正解はエ（d と x）です。

解き方の筋道です。コードが連続しているので、文字どうしの「アルファベット順の差」が、そのままコードの差になります。1の位が同じになるのは、コードの差が10の倍数のときだけです。

• a と i の差：8
• b と r の差：16
• c と l の差：9
• d と x の差：20（10の倍数）→ 衝突する

実際のASCIIコード（d＝100、x＝120）で1の位を求めても、どちらも0で一致します。当サイトの確認として、a＝97 から始まる実際の値、および開始値を0〜99に変えた場合の全てで、衝突するのは d と x だけでした（Pythonで全組を計算）。コードの値を覚えていなくても、「連続している」ことだけで解けます。

自作の練習です。同じ条件で、g と q は衝突するでしょうか。差は10なので衝突します（実際のコードは g＝103、q＝113 で、1の位はどちらも3）。

公開問題を解く②：科目B サンプル問題 問16（UTF-8への変換）

科目Bのサンプル問題 問16は、Unicodeの符号位置をUTF-8の符号に変換する擬似言語のプログラムを読む問題です（IPA 問題PDF・解答例PDF）。問題文は、符号位置が800（16進数）以上FFFF以下の文字を、3バイトのパターン 1110xxxx 10xxxxxx 10xxxxxx に符号化すると説明し、「あ」の例（3042 → 11100011 10000001 10000010）を示しています。プログラムは、符号位置を何かで割った余りを各バイトに足し、商で次のバイトに進む繰り返しです。空欄に入る数について、IPAの解答例の正解はク（64）です。

なぜ64か。上の「漢」の例で見たとおり、2バイト目・3バイト目には符号位置の6ビットずつが入ります。6ビットで表せる値の数は 2の6乗＝64なので、64で割った余りが下位6ビット、商が残りのビットになります。

当サイトの確認として、問題文の擬似言語を同じ手順でPythonで再現し、800〜FFFF（サロゲートを除く61,440個の符号位置）の全てで試しました。除数を64にすると、UTF-8の正しい符号と全て一致し（不一致0個）、2・6・16・256ではどれも61,440個すべてが不一致でした。3042 を入れた追跡は次のとおりです。

• 3バイト目：12354（3042）÷64の余り2 → 128＋2＝130、商193
• 2バイト目：193÷64の余り1 → 128＋1＝129、商3
• 1バイト目：224＋3＝227
• 結果：227・129・130＝E3 81 82（問題文の例と同じ）

文字コードの問題で間違えやすい点

• 文字数とバイト数を混同する：UTF-8の日本語は多くが3バイトです。2バイトと決めつけず、方式を確認します
• UnicodeとUTF-8を同じものとする：Unicodeは符号位置を決める規格、UTF-8はそれをバイト列にする方式の一つです
• 2バイト目にASCIIと同じ値が来ることを忘れる：「表」（95 5C）のように、2バイト目に記号の \ と同じ 0x5C が現れる文字があり、1バイトずつASCIIとして読むと誤ります（上の Shift_JIS の説明、「表」「能」）
• ASCIIのコード値の暗記に頼る：科目A 令和6年度 問2 は、連続している性質だけで解けました

まとめ

• 文字コードは、文字を数値（バイト列）に対応づける約束事。書いた方式と読む方式がずれると文字化けになる
• シラバスの用語例は、基本情報がASCII・EUC・JIS・シフトJIS・Unicode・UCS、ITパスポートがJIS・シフトJIS・Unicode
• UTF-8は符号位置に応じて1〜4バイト。ASCIIの範囲は1バイトで同じバイト列。「漢」は E6 BC A2
• 公開問題は、科目A 令和6年度 問2（コードの連続性で d と x が衝突）と、科目B サンプル問題 問16（6ビットずつ取り出すので64）の2問が主題
• 関連：2進数と補数・論理回路も、基礎理論の範囲です