プログラミング言語別Unicodeエスケープシーケンス

Unicodeエスケープシーケンス

Unicodeエスケープシーケンスにより、コードポイント番号を使用してソースコード内に任意のUnicode文字を埋め込むことができます。言語によって構文は異なりますが、概念は同じです：数値による文字の識別で文字を表現します。

一般的な形式

\\uXXXX        → BMP文字（16進4桁）
                  使用言語: JavaScript, Java, C#, JSON
\\u{XXXXX}     → 任意のコードポイント（16進1-6桁）
                  使用言語: JavaScript (ES6+), Rust, Swift
\\UXXXXXXXX    → 任意のコードポイント（16進8桁）
                  使用言語: Python, Go, C/C++
\\xHH          → 1バイト（16進2桁）
                  使用言語: JavaScript, Python, C, PHP
\\N{NAME}      → Unicode名による文字指定
                  使用言語: Pythonのみ

基本多言語面（BMP）

BMP（U+0000からU+FFFF）の文字にはほとんどの一般的な文字体系が含まれ、単一の \\uXXXX エスケープで表現できます。

補助文字とサロゲートペア

U+FFFFを超える文字（絵文字、歴史的文字体系、数学記号）は、\\uXXXX に限定された言語では特別な処理が必要です。サロゲートペアはUTF-16エンコーディングで定義された特定の公式からコードポイントを計算して求めます。

言語固有の例

Python： \\uXXXX（BMP）、\\UXXXXXXXX（補助）、\\N{SNOWMAN}（名前指定）。

Go： \\uXXXX（BMP）、\\UXXXXXXXX（補助）。

Rust： \\u{XX} 形式のみ。固定幅の \\xHH や \\uXXXX はRust文字列にはありません。

Unicodeエスケープの使用場面

• 印刷不可能な文字： 制御文字、ゼロ幅スペース、方向マーク。
• ソースエンコーディングの安全性： ファイルエンコーディングに関係なくコードが動作することを保証。
• ホモグリフ攻撃の防止： ソース内で似た文字を可視化。
• JSON互換性： JSONは \\uXXXX のみサポートし、補助文字にはサロゲートペアが必要。