グローバルレガシーエンコーディングガイド：ISO-8859とWindows-125xファミリーを理解する
現在ではUTF-8が世界標準となっていますが、世界中の何百万ものファイル、データベース、レガシーシステムでは依然として地域ごとの8ビット文字エンコーディングが使用されています。開発者、データサイエンティスト、ITプロフェッショナルにとって、これらのレガシースタンダードを理解することは、データの破損を防ぎ、「文字化け」（Mojibake）を修復するために不可欠です。
このガイドでは、ISO-8859シリーズやMicrosoftのWindows-125xコードページを含む、最も一般的な地域エンコーディングファミリーについて説明します。
1. ISO-8859シリーズ（世界標準）
ISO-8859規格は、8ビット文字エンコーディングの最初の国際規格です。規格の各パートは、特定の地域や言語ファミリー向けに設計されています。
- ISO-8859-1 (Latin-1)：最も広く使用されている8ビットエンコーディングで、西欧言語（英語、フランス語、ドイツ語、スペイン語など）をカバーしています。
- ISO-8859-2 (Latin-2)：中欧および東欧の言語（ポーランド語、チェコ語、ハンガリー語など）に使用されます。
- ISO-8859-5 (Cyrillic)：ロシア語およびその他のキリル文字ベースの言語の標準。
- ISO-8859-6 (Arabic)：アラビア語の標準。
- ISO-8859-7 (Greek)：現代ギリシャ語の標準。
- ISO-8859-8 (Hebrew)：ヘブライ語の標準。
- ISO-8859-9 (Turkish)：トルコ語向けにISO-8859-1を適応させたもの。
- ISO-8859-15 (Latin-9)：ユーロ記号（€）や不足していたフランス語/フィンランド語の文字を含む、ISO-8859-1の現代的なアップデート版。
2. Windows-125xファミリー（Microsoft拡張）
Microsoftは、ISO-8859規格に基づきつつ、独自の修正を加えた8ビットエンコーディングのセットを開発しました。
- Windows-1252 (Western)：旧バージョンのWindowsの英語および西欧言語版のデフォルト。ISO-8859-1とほぼ同じですが、「C1制御コード」の範囲を使用して、スマートクォートやユーロ記号などの表示可能文字を割り当てています。
- Windows-1251 (Cyrillic)：Windows環境におけるロシア語、ブルガリア語、セルビア語で最も一般的なレガシーエンコーディング。
- Windows-1250 (Central Europe)：Microsoft版のWindows用Latin-2。
- Windows-1256 (Arabic)：アラビア語で一般的なWindowsエンコーディング。
3. 特殊なレガシーエンコーディング：KOI8-R
Windows-1251やUnicodeが普及する前、ロシアのUnixや初期のインターネットシステムではKOI8-R (Kod Obmena Informatsiey 8-bit) が使用されていました。他のエンコーディングとは異なり、KOI8-Rは最上位ビットが取り除かれた場合に、ロシア語の文字が似た音のラテン文字にマップされるように設計されており、7ビットASCIIのみをサポートするシステムでもテキストが部分的に判読可能な状態を保つことができました。
4. 技術比較表
| エンコーディングファミリー | 対象地域 | 最適なユースケース | Unicode代替 |
|---|---|---|---|
| ISO-8859-1 | 西欧 | レガシーWeb / Unix | UTF-8 |
| Windows-1252 | 西欧 | レガシーWindowsアプリ | UTF-8 |
| ISO-8859-5 | 東欧 | レガシーキリル文字システム | UTF-8 |
| Windows-1251 | 東欧 | レガシーWindows (RU) | UTF-8 |
| KOI8-R | ロシア | レガシーUnix / メール | UTF-8 |
| ISO-8859-6 | 中東 | レガシーアラビア語Web | UTF-8 |
5. FAQ：よくある質問
Q：なぜ「スマートクォート」（“”）が変な記号になるのですか？
A：これは通常、ISO-8859-1とWindows-1252の不一致が原因です。ISO-8859-1にはスマートクォートが含まれていませんが、Windows-1252には含まれています。Windows-1252のテキストをISO-8859-1として読み込むと、これらの文字は破損します。
Q：ISO-8859-1とUTF-8の違いは何ですか？
A：ISO-8859-1は固定幅の8ビットエンコーディングで、256文字しか表現できません。UTF-8は可変幅のエンコーディングで、世界中のあらゆる言語の110万文字以上を表現できます。
Q：レガシーデータベースからテキストを復元するにはどうすればよいですか？
A：データの元のエンコーディング（ロシア語のデータベースならWindows-1251など）を特定し、適切なデコーダーを使用してUTF-8に変換する必要があります。
6. Tool3Mでレガシーエンコーディングをマスターする
レガシーデータを悪夢にしないでください。Tool3Mは、地域エンコーディングの修復と変換のためのプロフェッショナルなツールスイートを提供します。
- ISO-8859シリーズ デコーダー＆エンコーダー：ISO-8859規格の全15パートをサポート。
- Windowsコードページコンバーター：Windows-1250、1251、1252などをシームレスに処理。
- KOI8-R復元ツール：Unixシステムのレガシーロシア語テキストを復元。
- グローバルエンコーディング検出器：謎のファイルのソースエンコーディングを特定。