MySQL 5.5でデータベース作成の際、文字コード「utf8mb4」を見かけたついでに４バイト文字について。
文字コード
※ 以前まとめたページから移した（2025年）
半角の英文字など１バイト文字は、ASCIIコード。
万国
全角のかな（カナ）、漢字など２バイト文字は、国（地域）毎に独自の文字コード。
日本はJISコード
Windows、Mac OSでは従来シフトJISコード Shift-JIS
UNIXでは従来EUC-JP
インターネットは、だんだん多言語（マルチリンガル）対応のブラウザが標準化。
文字コード：ユニコード UnicodeのUTF-8
Linuxも
アプリケーションも
データベース、CMSなど
WindowsもWindows 10からメモ帳の文字コード標準がUTF-8。
文字コードが合わないと
文字化け
↓
譁・ｭ怜喧縺・
する。
Shift-JISで作ったHTML文書を（Unicode標準になった）ブラウザで表示すると文字化け（することがある）。
→ HTMLファイルのヘッダー <head> </head>の中で
<meta charset=”shift_jis”>
と指定すれば
ブラウザがShift-JISで読み取ってくれる
or
→ Unicodeで作成 ・・・ Unicode対応のエディタで
<meta charset=”utf-8″>
UnicodeならばShift-JISに登録されていない文字も多くの場合見つかる。
従来どおりShift-JISで文書を作る場合でも
例えば
噶 Unicode：5676（U+5676）の場合
噶とすれば ・・・ 10進法表記の噶も同じ
Unicodeで読み取ってくれる。
一部の文字・記号はOS、アプリケーションによって表示が区々（まちまち）。
UnicodeからShift-JISへの変換は
Unicode対応のエディタ、ブラウザで表示してから
従来のエディタにコピー＆ペースト。
その逆も同様。
もうUnicodeが標準。
４バイト文字
近年は２バイト文字（16進数で0000～FFFF、10進数で0～65535）に含まれない文字（JIS第３水準、JIS第４水準の漢字の一部など）が、普通に表示されるようになってきた。
めったに使われないけれども例えば
山形県鶴岡市 櫛引 たらのき代
という所は、ずっと『木荒』代と表記していたので
𣗄代
と表示された時は、喉につっかえていた小骨がとれたような感じがした。
Unicode：235C4（U+235C4）
𣗄。10進法表記だと𣗄。
サロゲートペアと呼ばれている４バイト文字は、
サロゲート Surrogate：代用の ； ペア Pair：対
Unicodeの
上位サロゲート領域（２バイト） U+D800～U+DBFF ・・・ 55296～56319の1024
と
下位サロゲート領域（２バイト） U+DC00～U+DFFF ・・・ 56320～57343の1024
を組み合わせて表示したもので、２バイト文字の65536を大きく上回る100万以上（1024 × 1024 ＝ 1048576）の文字を登録できる。
４バイトだけどUnicode（16進数表示）は８桁ではなく５桁から。
U+10000～U+10FFFF（追加多言語面以降）へ割り当てて表記。
４バイト文字で表示が可能になった𣗄代以外の地名は、
福島県いわき市 常盤関船町 𣖔木作（ほうのきざく）
Unicode：23594（U+23594）
長野県長野市 𣘹原山（たらら山）
Unicode：23639（U+23639）
和歌山県串本町 野𣷓（野凪）
Unicode：23DD3（U+23DD3）
一方、小骨がつっかえたままの地名は今のところ
神奈川県鎌倉市 勝上『山献』（しょうじょうけん）
勝上献とも表記されるが、厳密には『山かんむり＋献』
→ glyphwiki.org/wiki/pyrite_x046-13-01
兵庫県丹波篠山市 大たわ（大『山定』）、小倉たわ（小倉『山定』）
→ glyphwiki.org/wiki/pyrite_x046-08-01
地名以外では、𩸽（ホッケ）も ４バイト文字
Unicode： 29E3D（U+29E3D）
