[Java] Charsetの使い方 – 文字セット(コード)を操作する

JavaのCharsetクラスは、文字セット(エンコーディング)を扱うためのクラスです。

Charsetを使用することで、文字列をバイト列にエンコードしたり、バイト列を文字列にデコードすることができます。

Charset.forName("UTF-8")のように指定して、特定の文字セットを取得します。

StandardCharsets.UTF_8などの定数も利用可能です。

String.getBytes(Charset charset)で文字列をバイト列に変換し、new String(byte[], Charset charset)でバイト列を文字列に変換します。

この記事でわかること

Charsetの基本的な使い方
文字セットのエンコードとデコード
カスタムCharsetの作成方法
文字セットの互換性と注意点
適切な文字セットの選び方

目次から探す

Charsetの基本的な使い方

Charset.forName()で文字セットを取得する

Charset.forName()メソッドを使用すると、指定した名前の文字セットを取得できます。

例えば、UTF-8やISO-8859-1などの文字セットを取得することができます。

以下はそのサンプルコードです。

import java.nio.charset.Charset;
public class App {
    public static void main(String[] args) {
        // UTF-8のCharsetを取得
        Charset utf8Charset = Charset.forName("UTF-8");
        System.out.println("取得したCharset: " + utf8Charset);
    }
}

取得したCharset: UTF-8

StandardCharsetsを使った簡単な文字セット指定

StandardCharsetsクラスを使用すると、よく使われる文字セットを簡単に指定できます。

これにより、文字セット名を間違えるリスクを減らすことができます。

以下はそのサンプルコードです。

import java.nio.charset.StandardCharsets;
import java.nio.charset.Charset;

public class App {
    public static void main(String[] args) {
        // StandardCharsetsを使用してUTF-8を取得
        Charset utf8Charset = StandardCharsets.UTF_8;
        System.out.println("取得したCharset: " + utf8Charset);
    }
}

取得したCharset: UTF-8

文字列をバイト列にエンコードする方法

文字列をバイト列にエンコードするには、String.getBytes(Charset charset)メソッドを使用します。

以下はそのサンプルコードです。

import java.nio.charset.Charset;
public class App {
    public static void main(String[] args) {
        String text = "こんにちは";
        // UTF-8でエンコード
        byte[] bytes = text.getBytes(Charset.forName("UTF-8"));
        
        System.out.println("エンコードされたバイト列: ");
        for (byte b : bytes) {
            System.out.print(b + " ");
        }
    }
}

エンコードされたバイト列: 
-29 -127 -109 -29 -126 -109 -29 -127 -85 -29 -127 -95 -29 -127 -81

バイト列を文字列にデコードする方法

バイト列を文字列にデコードするには、new String(byte[] bytes, Charset charset)コンストラクタを使用します。

以下はそのサンプルコードです。

import java.nio.charset.Charset;

public class App {
    public static void main(String[] args) {
        // 正しいUTF-8のバイト配列
        byte[] bytes = { -29, -127, -109, -29, -126, -109, -29, -127, -85, -29, -127, -95, -29, -127, -81 };
        // UTF-8でデコード
        String text = new String(bytes, Charset.forName("UTF-8"));
        System.out.println("デコードされた文字列: " + text);
    }
}

デコードされた文字列: こんにちは

Charsetのエイリアスについて

Charsetにはエイリアスが存在し、同じ文字セットを異なる名前で参照することができます。

例えば、UTF-8は UTF8 とも呼ばれます。

以下はそのサンプルコードです。

import java.nio.charset.Charset;
public class App {
    public static void main(String[] args) {
        // UTF-8のエイリアスを取得
        Charset utf8Alias = Charset.forName("UTF8");
        System.out.println("エイリアスで取得したCharset: " + utf8Alias);
    }
}

エイリアスで取得したCharset: UTF-8

文字セットのエンコードとデコード

String.getBytes()を使ったエンコード

String.getBytes()メソッドを使用すると、文字列を指定した文字セットでエンコードしてバイト列に変換できます。

以下はそのサンプルコードです。

import java.nio.charset.Charset;
public class App {
    public static void main(String[] args) {
        String text = "こんにちは";
        // UTF-8でエンコード
        byte[] bytes = text.getBytes(Charset.forName("UTF-8"));
        
        System.out.println("エンコードされたバイト列: ");
        for (byte b : bytes) {
            System.out.print(b + " ");
        }
    }
}

エンコードされたバイト列: 
-29 -127 -109 -29 -126 -109 -29 -127 -85 -29 -127 -95 -29 -127 -81

new String(byte[], Charset)を使ったデコード

バイト列を文字列にデコードするには、new String(byte[], Charset)コンストラクタを使用します。

以下はそのサンプルコードです。

import java.nio.charset.Charset;

public class App {
    public static void main(String[] args) {
        byte[] bytes = { -29, -127, -109, -29, -126, -109, -29, -127, -85, -29, -127, -95, -29, -127, -81 };
        // UTF-8でデコード
        String text = new String(bytes, Charset.forName("UTF-8"));
        System.out.println("デコードされた文字列: " + text);
    }
}

デコードされた文字列: こんにちは

エンコードとデコードの例外処理

エンコードやデコードの際には、例外が発生する可能性があります。

特に、指定した文字セットがサポートされていない場合や、バイト列が不正な場合に注意が必要です。

以下はそのサンプルコードです。

import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
public class App {
    public static void main(String[] args) {
        try {
            String text = "こんにちは";
            // サポートされていない文字セットを指定
            byte[] bytes = text.getBytes(Charset.forName("INVALID_CHARSET"));
        } catch (IllegalArgumentException e) {
            System.out.println("エンコードエラー: " + e.getMessage());
        }
    }
}

エンコードエラー: Unsupported charset: INVALID_CHARSET

不正なバイト列の処理方法

不正なバイト列をデコードする際には、CharsetDecoderを使用してエラー処理を行うことができます。

以下はそのサンプルコードです。

import java.nio.ByteBuffer;
import java.nio.charset.Charset;
import java.nio.charset.CoderResult;
import java.nio.charset.CharsetDecoder;
public class App {
    public static void main(String[] args) {
        byte[] invalidBytes = { (byte) 0xFF, (byte) 0xFE };
        CharsetDecoder decoder = Charset.forName("UTF-8").newDecoder();
        ByteBuffer byteBuffer = ByteBuffer.wrap(invalidBytes);
        
        try {
            // デコードを試みる
            String text = decoder.decode(byteBuffer).toString();
            System.out.println("デコードされた文字列: " + text);
        } catch (Exception e) {
            System.out.println("デコードエラー: " + e.getMessage());
        }
    }
}

デコードエラー: Input length = 1

このように、エンコードやデコードの際には、例外処理を適切に行うことが重要です。

Charsetの応用例

ファイルの読み書きにおける文字セットの指定

ファイルの読み書きでは、文字セットを指定することで、正しくデータを扱うことができます。

以下は、UTF-8でテキストファイルを読み書きするサンプルコードです。

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
public class App {
    public static void main(String[] args) {
        String filePath = "sample.txt";
        
        // ファイルに書き込む
        try (BufferedWriter writer = new BufferedWriter(new FileWriter(filePath, StandardCharsets.UTF_8))) {
            writer.write("こんにちは、世界！");
        } catch (IOException e) {
            System.out.println("ファイル書き込みエラー: " + e.getMessage());
        }
        // ファイルを読み込む
        try (BufferedReader reader = new BufferedReader(new FileReader(filePath, StandardCharsets.UTF_8))) {
            String line = reader.readLine();
            System.out.println("ファイルから読み込んだ内容: " + line);
        } catch (IOException e) {
            System.out.println("ファイル読み込みエラー: " + e.getMessage());
        }
    }
}

ファイルから読み込んだ内容: こんにちは、世界！

ネットワーク通信での文字セットの使用

ネットワーク通信では、クライアントとサーバー間でデータを正しく送受信するために、文字セットを指定することが重要です。

以下は、HTTP通信でUTF-8を使用するサンプルコードです。

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.charset.StandardCharsets;
public class App {
    public static void main(String[] args) {
        try {
            URL url = new URL("http://example.com/api");
            HttpURLConnection connection = (HttpURLConnection) url.openConnection();
            connection.setRequestMethod("POST");
            connection.setRequestProperty("Content-Type", "application/json; charset=UTF-8");
            connection.setDoOutput(true);
            String jsonInputString = "{\"message\": \"こんにちは\"}";
            try (OutputStream os = connection.getOutputStream()) {
                byte[] input = jsonInputString.getBytes(StandardCharsets.UTF_8);
                os.write(input, 0, input.length);
            }
            BufferedReader reader = new BufferedReader(new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8));
            String responseLine;
            while ((responseLine = reader.readLine()) != null) {
                System.out.println("サーバーからの応答: " + responseLine);
            }
        } catch (Exception e) {
            System.out.println("通信エラー: " + e.getMessage());
        }
    }
}

サーバーからの応答: { "status": "success" }

データベースとのやり取りにおける文字セットの指定

データベースとのやり取りでは、文字セットを指定することで、データの整合性を保つことができます。

以下は、JDBCを使用してMySQLデータベースに接続するサンプルコードです。

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
public class App {
    public static void main(String[] args) {
        String url = "jdbc:mysql://localhost:3306/testdb?useUnicode=true&characterEncoding=UTF-8";
        String user = "root";
        String password = "password";
        try (Connection connection = DriverManager.getConnection(url, user, password)) {
            String query = "SELECT message FROM greetings WHERE id = ?";
            try (PreparedStatement statement = connection.prepareStatement(query)) {
                statement.setInt(1, 1);
                ResultSet resultSet = statement.executeQuery();
                if (resultSet.next()) {
                    String message = resultSet.getString("message");
                    System.out.println("データベースから取得したメッセージ: " + message);
                }
            }
        } catch (SQLException e) {
            System.out.println("データベースエラー: " + e.getMessage());
        }
    }
}

データベースから取得したメッセージ: こんにちは

Webアプリケーションでの文字セットの管理

Webアプリケーションでは、リクエストやレスポンスの文字セットを適切に管理することが重要です。

以下は、ServletでUTF-8を指定するサンプルコードです。

import java.io.IOException;
import javax.servlet.ServletException;
import javax.servlet.annotation.WebServlet;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
@WebServlet("/greet")
public class App extends HttpServlet {
    protected void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
        response.setContentType("text/html; charset=UTF-8");
        response.getWriter().write("こんにちは、世界！");
    }
}

こんにちは、世界！

このように、さまざまな場面で文字セットを適切に指定することで、データの整合性を保ち、正しく処理することができます。

カスタムCharsetの作成

Charsetクラスの拡張

Javaでは、Charsetクラスを拡張してカスタムの文字セットを作成することができます。

これにより、特定の要件に応じたエンコーディングやデコーディングの処理を実装できます。

以下は、Charsetクラスを拡張するための基本的な構造です。

import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import java.nio.charset.CharsetEncoder;

// カスタムCharsetクラスの定義
class CustomCharset extends Charset {
    // コンストラクタでCharsetの名前とエイリアスを設定
    protected CustomCharset(String canonicalName, String[] aliases) {
        super(canonicalName, aliases);
    }

    // このCharsetが他のCharsetを含むかどうかを判定
    @Override
    public boolean contains(Charset cs) {
        return false; // 常にfalseを返す
    }

    // 新しいデコーダーを作成
    @Override
    public CharsetDecoder newDecoder() {
        return new CustomCharsetDecoder(this);
    }

    // 新しいエンコーダーを作成
    @Override
    public CharsetEncoder newEncoder() {
        return new CustomCharsetEncoder(this);
    }
}

カスタムエンコーディングの実装方法

カスタムエンコーディングを実装するには、CharsetEncoderクラスを拡張して、エンコード処理を定義します。

以下は、カスタムエンコーダのサンプルコードです。

import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import java.nio.charset.CharsetEncoder;
import java.nio.charset.CoderResult;
import java.nio.ByteBuffer;
import java.nio.CharBuffer;

// カスタムエンコーダークラスの定義
class CustomCharsetEncoder extends CharsetEncoder {
    // コンストラクタでCharsetを設定
    protected CustomCharsetEncoder(Charset cs) {
        super(cs, 1.0f, 1.0f); // 平均および最大バイト数を設定
    }

    // エンコード処理の実装
    @Override
    protected CoderResult encodeLoop(CharBuffer in, ByteBuffer out) {
        while (in.hasRemaining()) {
            char c = in.get(); // 入力から1文字取得
            if (out.remaining() < 1) {
                return CoderResult.OVERFLOW; // 出力バッファが足りない場合
            }
            // 文字をバイトに変換（'あ'を基準にオフセットを取る）
            byte encodedByte = (byte) (c - 'あ');
            out.put(encodedByte); // 出力バッファにバイトを追加
        }
        return CoderResult.UNDERFLOW; // 入力がすべて処理された場合
    }
}

// カスタムデコーダークラスの定義
class CustomCharsetDecoder extends CharsetDecoder {
    // コンストラクタでCharsetを設定
    protected CustomCharsetDecoder(Charset cs) {
        super(cs, 1.0f, 1.0f); // 平均および最大文字数を設定
    }

    // デコード処理の実装
    @Override
    protected CoderResult decodeLoop(ByteBuffer in, CharBuffer out) {
        while (in.hasRemaining()) {
            byte b = in.get(); // 入力から1バイト取得
            if (out.remaining() < 1) {
                return CoderResult.OVERFLOW; // 出力バッファが足りない場合
            }
            // バイトを文字に変換（'あ'を基準に戻す）
            char decodedChar = (char) (b + 'あ');
            out.put(decodedChar); // 出力バッファに文字を追加
        }
        return CoderResult.UNDERFLOW; // 入力がすべて処理された場合
    }
}

カスタムCharsetの使用例

カスタムCharsetを使用するには、Charsetのインスタンスを作成し、エンコーディングやデコーディングを行います。

以下は、カスタムCharsetを使用するサンプルコードです。

import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import java.nio.charset.CharsetEncoder;
import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CoderResult;

// カスタムCharsetクラスの定義
class CustomCharset extends Charset {
    // コンストラクタでCharsetの名前とエイリアスを設定
    protected CustomCharset(String canonicalName, String[] aliases) {
        super(canonicalName, aliases);
    }

    // このCharsetが他のCharsetを含むかどうかを判定
    @Override
    public boolean contains(Charset cs) {
        return false; // 常にfalseを返す
    }

    // 新しいデコーダーを作成
    @Override
    public CharsetDecoder newDecoder() {
        return new CustomCharsetDecoder(this);
    }

    // 新しいエンコーダーを作成
    @Override
    public CharsetEncoder newEncoder() {
        return new CustomCharsetEncoder(this);
    }
}

// カスタムエンコーダークラスの定義
class CustomCharsetEncoder extends CharsetEncoder {
    // コンストラクタでCharsetを設定
    protected CustomCharsetEncoder(Charset cs) {
        super(cs, 1.0f, 1.0f); // 平均および最大バイト数を設定
    }

    // エンコード処理の実装
    @Override
    protected CoderResult encodeLoop(CharBuffer in, ByteBuffer out) {
        while (in.hasRemaining()) {
            char c = in.get(); // 入力から1文字取得
            if (out.remaining() < 1) {
                return CoderResult.OVERFLOW; // 出力バッファが足りない場合
            }
            // 文字をバイトに変換（'あ'を基準にオフセットを取る）
            byte encodedByte = (byte) (c - 'あ');
            out.put(encodedByte); // 出力バッファにバイトを追加
        }
        return CoderResult.UNDERFLOW; // 入力がすべて処理された場合
    }
}

// カスタムデコーダークラスの定義
class CustomCharsetDecoder extends CharsetDecoder {
    // コンストラクタでCharsetを設定
    protected CustomCharsetDecoder(Charset cs) {
        super(cs, 1.0f, 1.0f); // 平均および最大文字数を設定
    }

    // デコード処理の実装
    @Override
    protected CoderResult decodeLoop(ByteBuffer in, CharBuffer out) {
        while (in.hasRemaining()) {
            byte b = in.get(); // 入力から1バイト取得
            if (out.remaining() < 1) {
                return CoderResult.OVERFLOW; // 出力バッファが足りない場合
            }
            // バイトを文字に変換（'あ'を基準に戻す）
            char decodedChar = (char) (b + 'あ');
            out.put(decodedChar); // 出力バッファに文字を追加
        }
        return CoderResult.UNDERFLOW; // 入力がすべて処理された場合
    }
}

// アプリケーションクラス
class App {
    public static void main(String[] args) {
        // カスタムCharsetのインスタンスを作成
        Charset customCharset = new CustomCharset("CustomCharset", new String[] { "CC" });

        String text = "こんにちは"; // エンコードする文字列
        // カスタムCharsetでエンコード
        byte[] encodedBytes = text.getBytes(customCharset);

        // エンコードされたバイト列を表示
        System.out.println("カスタムCharsetでエンコードされたバイト列: ");
        for (byte b : encodedBytes) {
            System.out.print(b + " ");
        }

        // カスタムCharsetでデコード
        String decodedText = new String(encodedBytes, customCharset);
        // デコードされた文字列を表示
        System.out.println("\nデコードされた文字列: " + decodedText);
    }
}

カスタムCharsetでエンコードされたバイト列: 
17 81 41 31 45 
デコードされた文字列: こんにちは

このように、カスタムCharsetを作成することで、特定の要件に応じたエンコーディングやデコーディングの処理を実装し、柔軟にデータを扱うことができます。

文字セットの互換性と注意点

異なる文字セット間でのデータ変換のリスク

異なる文字セット間でデータを変換する際には、情報の損失や誤解釈が発生するリスクがあります。

特に、特定の文字が他の文字セットで表現できない場合、データが失われることがあります。

例えば、UTF-8で表現できる多くの文字は、Shift_JISでは表現できないため、変換時に文字が欠落する可能性があります。

以下は、異なる文字セット間での変換の注意点です。

変換元と変換先の文字セットの互換性を確認する
特殊文字や絵文字が含まれている場合は特に注意する
変換後のデータを必ず確認する

文字化けの原因と対策

文字化けは、データが正しくエンコードまたはデコードされないことによって発生します。

主な原因としては、以下のようなものがあります。

エンコードとデコードで異なる文字セットを使用している
不正なバイト列が含まれている
文字セットがサポートされていない

対策としては、以下の点に注意することが重要です。

一貫した文字セットを使用する
データのエンコードとデコードを行う際に、同じ文字セットを指定する
文字化けが発生した場合は、元のデータを確認し、適切な文字セットで再処理する

プラットフォーム依存の文字セットに関する注意点

プラットフォームによっては、デフォルトの文字セットが異なる場合があります。

これにより、同じコードを異なる環境で実行した際に、意図しない文字化けが発生することがあります。

特に、WindowsとUnix系のシステムでは、デフォルトの文字セットが異なることが多いです。

以下の点に注意してください。

プラットフォームに依存しない文字セット(例：UTF-8)を使用する
ファイルやデータベースの文字セットを明示的に指定する
環境ごとの設定を確認し、必要に応じて調整する

UTF-8とShift_JISの違いと使い分け

UTF-8とShift_JISは、日本語を扱う際に一般的に使用される文字セットですが、それぞれの特性があります。

以下の表に、主な違いを示します。

スクロールできます

特徴	UTF-8	Shift_JIS
バイト数	可変長(1～4バイト)	固定長(1～2バイト)
対応文字数	多言語対応(Unicode)	日本語専用
互換性	ASCIIと互換性あり	ASCIIと互換性あり
使用例	Web、データベース、API	Windowsアプリケーション