ぱんだふるツール のマスコットぱんだふるツールやりたいことが、すぐできる。
開発・IT

文字数とバイト数の違いは?UTF-8・Shift_JISで日本語が何バイトになるか

文字数とバイト数の違いは?UTF-8・Shift_JISで日本語が何バイトになるかの要点をまとめた図解

「255文字まで」と「255バイトまで」。似ているようで、日本語ではまったく別物です。入力フォームやデータベースの上限でエラーが出たとき、原因がこの違いだったということはよくあります。この記事では、文字数とバイト数の違いと、日本語が何バイトになるかを説明します。

文字数とバイト数は別のもの

  • 文字数:見た目で数えた文字の数。「あ」も「A」も1文字
  • バイト数:コンピュータが保存するときのデータの大きさ。文字の種類と文字コードで変わる

英数字だけなら、1文字は1バイトで、文字数とバイト数は同じです。ところが日本語は1文字が複数バイトになるので、数字がずれます。

文字コード別・1文字のバイト数

文字の種類 UTF-8 Shift_JIS
半角の英数字・記号(A, 1, @) 1バイト 1バイト
ひらがな・カタカナ・漢字(全角) 3バイト 2バイト
半角カタカナ(ア) 3バイト 1バイト
絵文字(😀など) 4バイト 変換できない

UTF-8は今のWebで標準の文字コードです。Shift_JISは古いシステムやCSVファイルで今も見かけます。

具体例で比べる

文字列 文字数 UTF-8 Shift_JIS
Hello 5 5 5
こんにちは 5 15 10
東京タワー 5 15 10
日本語ABC 6 12 9

同じ「5文字」でも、「Hello」は5バイト、「こんにちは」はUTF-8で15バイトです。日本語は英語の3倍のバイトを使うと覚えておくと、見積もりがしやすくなります。

どんな場面で困る?

データベースの文字数制限

MySQLの VARCHAR(255) は、文字数の上限です。ただし、1文字あたりの最大バイト数(utf8mb4なら4バイト)で内部の容量が決まります。一方で、VARBINARY や一部のインデックスの長さ制限のように、バイト数で上限が決まる項目もあります。仕様書に「文字」と「バイト」のどちらで書かれているかを必ず確認しましょう。

古いシステムや外部サービスのバイト制限

「全角で20文字、半角で40文字まで」のような制限は、実質Shift_JISのバイト数(全角2・半角1)で数えています。UTF-8で数えると全角は3バイトなので、同じ数え方をすると上限を超えたと判定されることがあります。

ファイル名・URLの長さ

ファイル名には、バイト数で長さの上限があるものがあります。日本語のファイル名は、思ったより早く上限に届きます。URLに日本語を入れると、%E3%81%82のように1文字が9文字分に伸びます。詳しくは「URLエンコード」の仕組みを調べると分かります。

SMSは全角70文字を超えると分割される

SMSでは、全角70文字を超えると複数のメッセージに分けて送られることがあります。文字数の上限は、サービスごとに確認しておきましょう。

絵文字は数え方が分かれる

絵文字は注意が必要です。見た目は1文字でも、次のようにシステムによって数え方が変わります。

  • UTF-8のバイト数:4バイト
  • プログラミング言語によっては、文字数を2とカウントする(JavaScriptの length など)
  • 家族や国旗の絵文字は、複数の絵文字をつないだ形で、見た目は1つでも十数バイトになる

「文字数が合わない」ときは、絵文字が入っていないか確認してみてください。

バイト数の数え方を手作業で出すには

  1. 文字を種類ごとに分ける(半角英数字・全角・絵文字)
  2. 使う文字コードの表で、1文字あたりのバイト数を掛ける
  3. すべて足す

たとえば「日本語ABC」をUTF-8で数えると、3文字×3バイト+3文字×1バイト=12バイトです。短い文ならこれで足りますが、長文を手で数えるのは大変です。

ツールで一瞬で確認する

文章を貼るだけで、文字数・UTF-8のバイト数・Shift_JISの概算バイト数・行数が一度に出ます。バイト数カウントツールで試してみてください。

なお、Shift_JISの値は「半角は1バイト、それ以外は2バイト」で数える概算です。半角カタカナなどでは実際の値とずれる場合があります。厳密な値が必要なときは、実際の環境で確かめてください。

SNSの投稿のように、バイトではなく文字数だけを知りたい場合は、文字数カウントツールが便利です。

まとめ

  • 文字数は見た目の数、バイト数はデータの大きさ
  • UTF-8では日本語1文字が3バイト、Shift_JISでは2バイト
  • 制限が「文字」か「バイト」か、どの文字コードかを最初に確認する
  • 絵文字は4バイトで、数え方がシステムによって違う

上限エラーが出たら、まず文字数とバイト数の両方を測ってみましょう。

この記事で使うツール

🔢 バイト数カウント →

UTF-8・Shift_JISのバイト数。