charset

charsetは、コンピューターが文字をデジタルデータとして処理するための共通のルールである文字セットを指します。これは単なる文字のリストではなく、各文字にどの数値（コードポイント）を割り当てるかという定義を含んでいます。現代のシステムでは、世界中のほぼすべての文字を網羅できるUnicode（ユニコード）が標準的に利用されており、その実装形式であるUTF-8などが一般的です。

文字セットとエンコーディングの違い

技術的な文脈では、charset（文字セット）とencoding（エンコーディング）は混同されがちですが、厳密には異なります。文字セットがどの文字にどの番号を割り当てるかという対応表であるのに対し、エンコーディングはその番号を実際にどのようなビット列（０と１の組み合わせ）で保存するかという変換方式を指します。しかし、実務上の設定ファイルやHTTPヘッダーなどでは、これらをまとめてcharsetと表記することが一般的です。

文字化けの原因と対策

異なる文字セット間でデータをやり取りすると、受信側が送信側とは別のルールで数値を解釈するため、意図しない文字が表示される文字化けが発生します。例えば、日本語の古い規格であるShift_JISで書かれたファイルを、UTF-8として読み込もうとした場合に起こります。これを防ぐには、通信時やファイル保存時に明示的にcharsetを指定し、送信側と受信側で一致させることが不可欠です。