日本語テキストのURLエンコード

URL内の日本語テキストはUTF-8を使ってエンコードされ、各文字は通常3バイト（9つのpercent-encoding文字）を必要とします。日本語はひらがな、カタカナ、漢字（CJK統合漢字）の3つの文字体系を使用し、すべて3バイトUTF-8の範囲に入ります。

エンコード例:

• 日（日/太陽、漢字）：UTF-8バイト E6 97 A5 → %E6%97%A5
• 本（本/起源、漢字）：UTF-8バイト E6 9C AC → %E6%9C%AC
• 語（語/言語、漢字）：UTF-8バイト E8 AA 9E → %E8%AA%9E
• 日本語（「日本語」）：%E6%97%A5%E6%9C%AC%E8%AA%9E

JavaScriptでの動作:

encodeURIComponent("日本語")     // "%E6%97%A5%E6%9C%AC%E8%AA%9E"
encodeURIComponent("こんにちは") // "%E3%81%93%E3%82%93%E3%81%AB%E3%81%A1%E3%81%AF" (ひらがなで「こんにちは」)
encodeURIComponent("トウキョウ") // "%E3%83%88%E3%82%A6%E3%82%AD%E3%83%A7%E3%82%A6" (カタカナで「トウキョウ」)

// デコード
decodeURIComponent("%E6%97%A5%E6%9C%AC%E8%AA%9E") // "日本語"

URLの長さへの影響: 日本語テキストはpercent-encodingすると劇的に展開されます。各文字が9文字（3バイト、各%XXとしてエンコード）になります。20文字の日本語フレーズは180文字のエンコードテキストを生成します。これはASCIIテキストと比較して9倍の展開です。

歴史的なエンコード問題: UTF-8が普遍的な標準になる前は、日本語URLはShift-JISやEUC-JPエンコードを使用していることが多く、同じ文字に対して異なるバイトシーケンスを生成していました。現代のシステム（2005年以降）はほぼ普遍的にUTF-8を使用していますが、レガシーシステムではまだShift-JISエンコードのURLを生成する場合があります。UTF-8エンコードされた日本語をShift-JISデコーダでデコードすると（またはその逆）、「文字化け」と呼ばれるテキストの崩壊が発生します。

国際化ドメイン名（IDN）: 日本語.ジェーピーのような日本語ドメイン名は、Unicodeドメイン名をASCII互換形式に変換するPunycodeエンコード（percent-encodingとは異なるシステム）を使用します。ドメイン日本語.jpはPunycodeでxn--wgv71a309e.jpになります。

落とし穴: 日本語サイト向けの検索URLを構築する場合、アプリケーションが一貫してUTF-8を使用していることを確認してください。どの時点（ブラウザ、プロキシ、サーバー、データベース）でもエンコードを混在させると文字化けが発生します。HTMLフォームにcharsetパラメータを設定し（<form accept-charset="UTF-8">）、HTTP Content-TypeヘッダーでUTF-8を指定してください。