Unicodeの符号
Unicodeは面（0～16）、句（0～255）、点（0～255）の符号空間を持っており、Unicode符号位置を文章中などに記す場合などはU+の後に16進数でその値を続けることで表します。
Unicodeの符号空間
| 面 | 句 | 点 | |
|---|---|---|---|
| 10進数 | 0～16 | 0～255 | 0～255 |
| 16進数 | 0x00～0x10 | 0x00～0xFF | 0x00～0xFF |
例えばaはU+0061、あはU+3042、𩹽はU+29E7Dと表記されます。
| 文字 | 面 | 句 | 点 |
|---|---|---|---|
| a | 0x00 | 0x00 | 0x61 |
| あ | 0x00 | 0x30 | 0x42 |
| 𩹽 | 0x02 | 0x9E | 0x7D |
Unicodeの各面に収録されている文字は以下となります。
| 面 | 符号位置 | 名称 | 略称 | 収録されている主な文字 |
|---|---|---|---|---|
| 第0面 | U+0000 - U+FFFF | Basic Multilingual Plane（基本多言語面） | BMP | 基本的な文字。 |
| 第1面 | U+10000 - U+1FFFF | Supplementary Multilingual Plane（追加多言語面） | SMP | 古代文字や記号・絵文字類など。 |
| 第2面 | U+20000 - U+2FFFF | Supplementary Ideographic Plane（追加漢字面） | SIP | 漢字専用領域。 |
| 第3面 | U+30000 - U+3FFFF | Tertiary Ideographic Plane（第三漢字面） | TIP | 追加漢字面に入りきらなかった漢字。また、将来的には古代漢字や甲骨文字などが収録される予定。 |
| 第4面 | U+40000 - U+4FFFF | 未使用 | - | - |
| 第5面 | U+50000 - U+5FFFF | 未使用 | - | - |
| 第6面 | U+60000 - U+6FFFF | 未使用 | - | - |
| 第7面 | U+70000 - U+7FFFF | 未使用 | - | - |
| 第8面 | U+80000 - U+8FFFF | 未使用 | - | - |
| 第9面 | U+90000 - U+9FFFF | 未使用 | - | - |
| 第10面 | U+A0000 - U+AFFFF | 未使用 | - | - |
| 第11面 | U+B0000 - U+BFFFF | 未使用 | - | - |
| 第12面 | U+C0000 - U+CFFFF | 未使用 | - | - |
| 第13面 | U+D0000 - U+DFFFF | 未使用 | - | - |
| 第14面 | U+E0000 - U+EFFFF | Supplementary Special-purpose Plane（追加特殊用途面） | SSP | 制御コード専用領域。 |
| 第15面 | U+F0000 - U+FFFFF | Private Use Plane（私用面） | PUP | BMPの U+E000 - U+F8FF の領域の拡張。 |
| 第16面 | U+100000 - U+10FFFF | Private Use Plane（私用面） | PUP | BMPの U+E000 - U+F8FF の領域の拡張。 |
UnicodeをUTF-16に変換
変換手順
（１）文字のUnicode符号位置を $ n $ とします。
（２）$ n $ が 0x10000 より小さい（第0面）場合、 $ n $ を16ビットの符号なし整数として表現して終了です。$ n $ が 0x10000 以上（サロゲートペア）の場合、（３）に進みます。
（３）$n'$ = $n$ - 0x10000 、$w_1$ = 0xD800（1101 1000 0000 0000）、$w_2$ = 0xDC00（1101 1100 0000 0000） とします。
こうすると、$n'$は20ビット以内で表現可能となり、$w_1$、$w_2$は下位10ビットが0となります。
$n'$ = yyyy yyyy yyxx xxxx xxxx
$w_1$ = 1101 1000 0000 0000
$w_2$ = 1101 1100 0000 0000
（４）$n'$の各ビットを$w_1$と$w_2$にそれぞれ10ビットずつ割り振ります。
$n'$ = yyyy yyyy yyxx xxxx xxxx
$w_1$ = 1101 10yy yyyy yyyy
$w_2$ = 1101 11xx xxxx xxxx
$w_1$が上位サロゲート、$w_2$が下位サロゲートとなります。
UTF-16の変換例（あ（U+3042）の場合）
（１）$n$ = 0x3042
（２）$n$ = 0x3042 は 0x10000 より小さいため、「あ（U+3042）」のUTF-16のコードは 「0x3042」 となります。
UTF-16の変換例（𩹽（U+29E7D）の場合）
（１）$n$ = 0x29E7D
（２）$n$ = 0x29E7D は 0x10000 以上。
（３）$n'$ = $n$ - 0x10000 = 0x29E7D - 0x10000 = 0x19E7D（0001 1001 1110 0111 1101）
$w_1$ = 1101 1000 0000 0000
$w_2$ = 1101 1100 0000 0000
（４）$n'$ = $n$ - 0x10000 = 0x29E7D - 0x10000 = 0x19E7D（0001 1001 1110 0111 1101）
$w_1$ = 1101 1000 0110 0111 = 0xD867
$w_2$ = 1101 1110 0111 1101 = 0xDE7D
UTF-16BEの場合、0xD867 0xDE7D
UTF-16LEの場合、0xDE7D 0xD867
UnicodeをUTF-8に変換
変換手順
（１）Unicodeの符号位置の範囲を調べます。
| 符号位置（16進） | UTF-8のビット列（2進） | |
|---|---|---|
| 範囲1 | U+0000 - U+007F | 0xxx xxxx |
| 範囲2 | U+0080 - U+07FF | 110x xxxx 10xx xxxx |
| 範囲3 | U+0800 - U+FFFF | 1110 xxxx 10xx xxxx 10xx xxxx |
| 範囲4 | U+10000 - U+10FFFF | 1111 0xxx 10xx xxxx 10xx xxxx 10xx xxxx |
（２）Unicodeの符号位置のビット列を求めます。
（３）調べた範囲のUTF-8のビット列（2進）のxにUnicodeの符号のビット列を当てはめた値がUTF-8の値となります。
UTF-8の変換例（a（U+0061）の場合）
（１）a（U+0061）は「範囲１」となります。
（２）U+0061のビット列は「0110 0001」となります。
（３）「範囲１」のUTF-8のビット列（2進）「0xxx xxxx」に当てはめると、「0110 0001」となり、16進数にすると「0x61」となります。
UTF-8の変換例（®（U+00AE）の場合）
（１）®（U+00AE）は「範囲２」となります。
（２）U+00AEのビット列は「0000 1010 1110」となります。
（３）「範囲２」のUTF-8のビット列（2進）「110x xxxx 10xx xxxx」に当てはめると、「1100 0010 1010 1110」となり、16進数にすると「0xC2AE」となります。
UTF-8の変換例（あ（U+3042）の場合）
（１）あ（U+3042）は「範囲３」となります。
（２）U+3042のビット列は「0011 0000 0100 0010」となります。
（３）「範囲３」のUTF-8のビット列（2進）「1110 xxxx 10xx xxxx 10xx xxxx」に当てはめると、「1110 0011 1000 0001 1000 0010」となり、16進数にすると「0xE38182」となります。
UTF-8の変換例（𩹽（U+29E7D）の場合）
（１）𩹽（U+29E7D）は「範囲４」となります。
（２）U+29E7Dのビット列は「0 0010 1001 1110 0111 1101」となります。
（３）「範囲４」のUTF-8のビット列（2進）「1111 0xxx 10xx xxxx 10xx xxxx 10xx xxxx」に当てはめると、「1111 0000 1010 1001 1011 1001 1011 1101」となり、16進数にすると「0xF0A9B9BD」となります。
UnicodeをUTF-32に変換
Unicodeの符号位置の値を4バイト固定幅にしたものがそのままUTF-32となります。
参考
プログラマのための文字コード技術入門（ISBN978-4-7741-4164-0）
以上