プログラミング言語と文字コード

プログラミング言語により文字コードの取り扱いが異なるため、それについて収集・整理する。

C/C++

内部文字コードは実装依存

単位は char が1バイト単位(マルチバイト型。EUC, Shift_JIS, UTF-8 などで使われる。)

単位は wchar_t が1ワード単位(UTF-16 の場合は UTF-16 での1ワード)

先頭は0

Java

内部文字コードは UTF-16 (昔は UCS-2)

単位は UTF-16 での1ワード

先頭は0

JavaScript

内部文字コードは UTF-16 (昔は UCS-2)

単位は UTF-16 での1ワード

先頭は0

PHP

内部文字コードは設定依存 (mb_internal_encoding で指定)

mb* 系以外の関数はバイト単位

mb* 系の関数は文字単位

先頭は0

VBA

内部文字コードは UTF-16 (昔は UCS-2)

単位は UTF-16 での1ワード

先頭は1