CGI相談室/トラブル/文字化け

文字化け †

Last-modified: 2006-11-20 (月) 11:26:49

文字化け
- 基本知識
- 参考

基本知識 †

日本語の文字コードにはマシンによって大きく３種類のものが存在します。
また多くのサイトで配布されているスクリプトの多くは、Windows形式(シフトJIS)で表示されるように記述されています。
従って、各パソコン上でスクリプトを編集する場合は別として、サーバへCGIファイルをFTP転送した場合「文字コードはシフトJIS」となるようにする必要があります。
つまり、文字コードの相違が生じた場合に「文字化け」が発生してしまいます。

OS	文字コード
Windows	シフトJIS
Mac	シフトJIS
UNIX	EUC

↑

シフトJIS特有の文字化け †

WindowsやMacitoshで「文字化け」する場合、以下のような特定の文字を使用する場合に発生します。

―

ソ

Ⅸ

噂

浬

欺

圭

構

蚕

十

申

曾

箪

貼

能

表

暴

予

禄

兔

喀

媾

彌

拿

杤

歃

濬

畚

秉

綵

臀

藹

觸

軆

鐔

饅

鷭

偆

砡

この場合、￥*1というエスケープ文字を後につけて文字化けを防ぐことができます。

【例】
print "表示する"; ... 文字化けする
print "表\示する"; ... 文字化けしない

シフトJISコードで「表示」という文字を、CGIスクリプト中に記述して出力すると「侮ヲ」と文字化けします。
どうしてこのように文字化けしてしまうのでしょうか？

まず日本語文字コードの基礎知識として、大きく以下のようなコードが存在することを理解しておきましょう。

文字コード	摘要
JISコード	JIS規格のX0208で定められた文字集合。7ビットコード2文字で日本語文字を表現します。メールで使用する代表的な文字コード。
EUCコード	日本語UNIX環境で使用される文字コード。8ビットコードで表現されます。
シフトJISコード	Microsoft社が決めたコードで、主にパソコンを基盤に、WindowsやMacで使用されます。8ビット領域も使用します。
Unicode	すべての文字を2バイトで表し、世界中の文字を表現しようとしています。

ここでさきほど述べたシフトJISの「表示」という文字コードは以下のとおりです。

文字	表		示
シフトJISコード	95	5C	8E	A6

ここで都合の悪いことが発生します。実は、「表」の２バイト目の「5C」に問題があるのです。
つまり、「5C」とはメタ文字（特殊文字）の「￥」を表すからです。
「￥」が文字列中にあると、それはエスケープ記号として単に取り去られてしまいます。
したがって、「表示」という文字をCGIが出力するときには以下のように展開してしまいます。

95 5C 8E A6 .... 記述時点
95 8E A6 .... 「5C」を「￥」と解釈し取り去る（その次の8Eをエスケープすると解釈）
95 8E A6 .... 展開結果

このようにして、展開結果は以下のようなコードで出力されることになります。

文字	侮		ヲ(半角)
シフトJISコード	95	8E	A6

このような文字化けを防止するには以下のような方法があります。
「表」のようなメタ文字を含む文字には、後にエスケープ記号「￥」を付ける。

例 ： print "表\示";

理由：「表 + ￥」という文字コードで 95 5C 5C となり、中央の 5C が次の 5C をエスケープ展開し、結果として 95 5C として出力される。

ダブルクオーテーションマーク「"」で囲まずに、シングルクオーテーションマーク「'」を使用する。

例 ： print '表示';

理由：シングルクオーテーション「'」内では文法上「展開」処理をしないため、文字コードの 95 5C はそのまま解釈されて出力される。

「表」のように２バイト目に「5C」のコードが使われている文字は上に掲載した物です。
これらの文字を使用する際は「表」に対する対処法とまったく同じでかまいません。

【注意】ただし、この文字化け文字(２バイト目に 5C が来る文字)をエスケープしない状態で
「ダブルクオーテーション」又は「シングルクオーテーション」の中で末尾に使う場合には、
文字化けとはならずに Perlが「文法エラー」となってしまうので、特に注意が必要です。
この場合の対処方法は前掲と同じで直後にエスケープ記号「￥」を付加します。

悪い例1 ： $title = "計画表"; → サーバエラー（文法エラーとなる） 
悪い例2 ： $title = '計画表'; → サーバエラー（文法エラーとなる）

良い例1 ： $title = "計画表\"; 
良い例2 ： $title = '計画表\';

↑

半角カナの使用は厳禁 †

掲示板の投稿記事や、チャットの発言では、jcode.plを使った文字コード変換処理を行いますが、このとき「半角カナ」を使用した投稿があると、文字化けしてしまうことがあります。
これはたとえば、シフトJISの半角カナが使用するコード領域が、EUCが使うコード領域と重なるため、jcode.plが文字コードの変換に失敗してしてしまうためです。
従って、掲示板やチャットの使用時には「半角カナ」は厳禁であり、訪問者（投稿者）に対してもそのようにお願いをする必要があります。

↑

FTPソフトが自動変換していないか？ †

FTPソフトの設定で、転送するCGIスクリプトの文字コードを自動変換する機能が付いているものがありますが、ユーザの知らないうちにEUCコードに自動変換してしまうケースがあります。
表示画面全体が文字化けしてしまうケースでは、この原因を疑ってみましょう。

↑

参考 †

このページは、KENT WEBを参考にさせていただきました。