%E3%81%82・\u3042・\343の読み方｜URL・JSON・gitで日本語が符号になる理由

符号は文字化けではなく「日本語の書き方の一つ」

文字化けは、文字コードを取り違えて別の文字として読んでしまった状態です。一方、%E3%81%82や\u3042は、英数字しか使えない場所に日本語を書くために、わざと英数字に置き換えたものです。書き方の決まりが分かれば、1文字も欠けずに日本語に戻せます。

大きく分けると、「文字の番号（Unicodeのコードポイント）」を書く方式と、「文字のバイト（UTF-8などで保存したときの数字）」を書く方式があります。「あ」はUnicodeの番号がU+3042（10進数で12354）、UTF-8のバイトがE3 81 82です。この2つの数字を覚えておくと、どの書き方なのかがすぐ分かります。

9種類の書き方の早見表

表の例は、文字化け 復元・解読ツールの「符号を読む」に入れて確かめたものです。Base64の例は「文字化け」、それ以外は「文字」（Punycodeは「日本語.jp」）に戻ります。文章の中に複数の書き方が交じっていても、それぞれ見つけて読みます。

URLの%E3%81%82：日本語のURLをコピーしたとき

URLには英数字と一部の記号しか使えないので、日本語はUTF-8のバイトを「%」と16進数2桁で書き表します。日本語1文字はUTF-8で3バイトなので、%XXが3つで1文字です。「文字化け」は「%E6%96%87%E5%AD%97%E5%8C%96%E3%81%91」と、4文字で36文字になります。

• ブラウザのアドレス欄では日本語で表示されていても、コピーしてチャットやメールに貼ると%XXの形になる
• %E3で始まるものはひらがな・カタカナ、%E4〜%E9で始まるものは漢字であることが多い
• %82や%83が多く、%XXが2つで1文字に見えるものは、Shift_JISで書かれた古いURLの可能性がある
• 「+」は空白を表すことがある（検索フォームから送られたURLなど）

URLを人に送るときは、%XXの形のままのほうが確実です。日本語に戻したURLは、送る先のアプリによってはリンクが途中で切れることがあります。

JSONの\u3042、gitの\343、Pythonの\xe3

プログラムの世界では、日本語をそのまま出さずに書き表すことがよくあります。それぞれ表示の設定で日本語にできます。

• JSONの\u3042：Unicodeの番号を4桁の16進数で書いたもの。PythonのJSON出力はensure_ascii=Falseを付けると日本語のまま出せる。絵文字は「🍣」（🍣）のように2つ組で書かれる
• gitの\343\201\202：git statusなどで日本語のファイル名が8進数で表示されたもの。git config --global core.quotepath false を設定すると日本語で表示される
• Pythonの\xe3\x81\x82：bytes型をそのまま表示したもの。.decode('utf-8') で文字列にすれば日本語になる
• HTMLのあ・あ：Unicodeの番号を10進数か16進数で書いたもの。ブラウザでは「あ」と表示されるが、ソースやRSSをテキストで見ると符号のまま見える

xn--で始まるドメインは日本語ドメイン

「日本語.jp」のような日本語ドメインは、DNSの仕組み上、英数字に変換して扱われます。この変換方式がPunycodeで、変換したものには「xn--」が付きます。「xn--wgv71a119e.jp」は「日本語.jp」です。

ブラウザは、見た目のよく似た文字を使ったなりすましを防ぐために、日本語ドメインをあえてxn--の形で表示することがあります。知らないxn--のドメインからのメールやリンクは、日本語に戻して、本当にそのドメインで合っているかを確かめると安心です。

符号ではなく「縺」「ã」のような本当の文字化けが交じっているときは、文字化けのパターン早見表で化け方を確かめてください。メールの件名の=?UTF-8?B?…?=もこの仲間で、メールの件名・本文の文字化けで詳しく説明しています。

よくある質問

URLの%E3%81%82を日本語に戻すには？

%のあとの16進数2桁を1バイトとして集め、UTF-8として読みます。%E3%81%82は「あ」です。日本語は%XXが3つで1文字になります。文字化け 復元・解読ツールの「符号を読む」に貼り付ければまとめて戻せます。

JSONの\u3042は何ですか？

Unicodeの番号を16進数4桁で書いたUnicodeエスケープで、\u3042は「あ」です。JSONでは日本語をこの形で出力する設定がよく使われます。絵文字は🍣のように2つ組で1文字を表します。

gitで日本語のファイル名が\343\201\202のように表示されます。

gitが日本語のファイル名のUTF-8のバイトを8進数で表示しています。git config --global core.quotepath false を設定すると、git statusなどで日本語のまま表示されます。

xn--で始まるURLは危険ですか？

xn--は日本語などの国際化ドメインを英数字に変換したしるしで、それだけで危険というわけではありません。ただし見た目の似た文字を使ったなりすましにも使われるので、日本語に戻してドメイン名を確かめると安心です。