Shift_JISとUTF-8の違い：バイト数、扱える文字、いま使うならどちらか

日本語を扱う文字コードはいくつかあります。現在のWebでは UTF-8 が標準ですが、古いシステムやCSVのやりとりでは Shift_JIS が残っています。違いを整理します。

同じ文字でもバイト列が違う

文字	UTF-8	Shift_JIS	EUC-JP
あ	E3 81 82（3バイト）	82 A0（2バイト）	A4 A2（2バイト）
A	41（1バイト）	41（1バイト）	41（1バイト）

英数字はどれも1バイトで同じです。ASCIIの範囲は共通なので、英数字だけのファイルなら文字コードを間違えても化けません。日本語が入ったところで違いが出ます。

1文字あたりのバイト数

文字の種類	UTF-8	Shift_JIS
英数字・半角記号	1バイト	1バイト
半角カナ	3バイト	1バイト
ひらがな・カタカナ・漢字	3バイト	2バイト
一部の漢字・絵文字	4バイト	扱えないものがある

日本語だけを見れば Shift_JIS のほうがバイト数は少なくなります。これは Shift_JIS が日本語専用に設計されているためです。

扱える文字の範囲

大きな違いはここです。

• UTF-8 … 世界中の文字を扱える。日本語・中国語・韓国語・アラビア語・絵文字などが1つの文字コードで混在できる
• Shift_JIS … 日本語向け。扱える文字が限られ、絵文字や一部の漢字は表せない

機種依存文字の問題

Shift_JIS には、メーカーごとに独自に追加された文字があります。丸数字（①②）、ローマ数字（ⅠⅡ）、「㈱」「℡」などです。

これらは環境によって別の文字に化けることがあります。異なるシステム間でやりとりするデータでは避けられることが多い文字です。

なぜ UTF-8 が標準になったのか

1. 1つの文字コードで多言語を扱える … 言語ごとに文字コードを切り替える必要がない
2. ASCIIと互換性がある … 英数字部分は同じバイト列なので、既存の仕組みがそのまま動く
3. バイト列の切れ目がわかる … 途中のバイトから読み始めても、文字の境界を見つけられる設計になっている

③は実務で効きます。Shift_JIS では2バイト目がASCIIの範囲に重なることがあり、バイト列を単純に処理すると壊れることがあります。

Shift_JIS がいまも残っている場面

• 古い業務システムからの出力
• Windows版の表計算ソフトで作ったCSV
• 行政や金融機関が配布する一部のデータ
• 組み込み機器のログ

受け取る側が対応していないと文字化けします。どちらで受け渡すかは、相手のシステムに合わせることになります。

変換するときの注意

変換の方向によって情報が減るかどうかが変わる点は、データを渡す前に確認しておくところです。

まとめ

• 同じ文字でも文字コードによってバイト列が違う
• 日本語1文字は UTF-8 で3バイト、Shift_JIS で2バイト
• UTF-8 は世界中の文字を扱え、Shift_JIS は日本語向けで範囲が限られる
• UTF-8 から Shift_JIS への変換では文字が落ちることがある
• 英数字だけなら、どの文字コードでも化けない