Unicode文字のURLエンコード

ASCII範囲外（コードポイント127以上）のUnicode文字は、UTF-8バイトシーケンスを使ってURLにエンコードする必要があり、各バイトが個別にpercent-encodingされます。例えば、チェックマーク文字（✓）はUTF-8表現が3バイト（0xE2、0x9C、0x93）であるため、%E2%9C%93にエンコードされます。

Unicode URLエンコードの仕組み:

1. 文字をUTF-8バイトシーケンスに変換する
2. 各バイトをHHが16進数値の%HHとしてpercent-encodingする

例えば、ユーロ記号（€）の場合：

• Unicodeコードポイント：U+20AC
• UTF-8バイト：0xE2、0x82、0xAC
• URLエンコード：%E2%82%AC

JavaScriptでの動作:

encodeURIComponent("✓")     // "%E2%9C%93" (チェックマーク、3バイト)
encodeURIComponent("é")     // "%C3%A9" (アクセント付きe、2バイト)
encodeURIComponent("€")     // "%E2%82%AC" (ユーロ記号、3バイト)
encodeURIComponent("你好")   // "%E4%BD%A0%E5%A5%BD" (中国語の「こんにちは」、各3バイト)

// デコード
decodeURIComponent("%E2%9C%93") // "✓"

コードポイント範囲ごとのバイト長:

• U+0000〜U+007F: 1バイト（ASCII、例：A = %41）
• U+0080〜U+07FF: 2バイト（例：é = %C3%A9）
• U+0800〜U+FFFF: 3バイト（例：✓ = %E2%9C%93）
• U+10000〜U+10FFFF: 4バイト（例：絵文字、encode-emojiを参照）

重要: JavaScriptのencodeURIComponent()関数は常にUTF-8エンコードを使用します。これはRFC 3986で義務付けられた標準です。古いシステムでは他のエンコード（ISO-8859-1やShift-JISなど）を使用する場合があり、同じ文字に対して異なるバイトシーケンスを生成します。デコード後に文字化けが発生した場合、エンコードの不一致が原因である可能性が高いです。

国際化リソース識別子（IRI）: RFC 3987はURIの拡張としてIRIを定義しており、Unicode文字を直接使用できます。モダンブラウザはアドレスバーにUnicode文字を表示しますが、HTTPリクエストではpercent-encoded形式で送信します。URLをコピーする際に混乱が生じることがあります：表示されるURLと送信されるURLが異なって見える場合があるからです。

落とし穴: Unicodeテキストの場合、URLの長さ制限が実用上の問題になります。各文字が3〜12のpercent-encoding文字に展開される可能性があるためです（各UTF-8バイトが%E2のような3文字になる）。100文字の中国語文字列はpercent-encodingすると約900文字に展開される可能性があります。