区番号を１バイト目、点番号を２バイト目にした、１６ビットの符号とするのですが、 区点番号に１６進の ２０ を加えておくＧＬ領域用符号と、 １６進の Ａ０ を加えておく ＧＲ領域用符号の２種類があります。以下に例を掲げます。 区点番号を１６進表示することは一般的でないのですが、ＪＩＳ符号との関連を示すために掲げています。

区		点		字形	コード（16進)
（10進）	（16進）	（10進）	（16進）		GL	GR
03	03	19	13	３	2333	A3B3
03	03	65	41	ａ	2361	A3E1
04	04	01	01	ぁ	2421	A4A1
04	04	02	02	あ	2422	A4A2
16	10	01	01	亜	3021	B0A1
16	10	02	02	唖	3022	B0A2
16	10	03	03	娃	3023	B0A3
16	10	04	04	阿	3024	B0A4
16	10	05	05	哀	3025	B0A5
23	17	24	36	慶	3744	B7C4
56	38	70	46	應	5866	D8E6
17	11	94	5E	応	317E	B1FE
84	54	04	04	瑤	7424	F4A4

１バイト目 ８１〜９Ｆ ... 31 ヶ所
　　　　　 Ｅ０〜ＥＦ ... 16 ヶ所 計 47
２バイト目 ４０〜７Ｅ ... 63 ヶ所
　　　　　 ８０〜ＦＣ ... 125 ヶ所 計 188 ―― 47 × 188 = 8836 = 94 × 94

1. 区 が １〜６１ で奇数の場合、区 に ２５７を加えて ２で割った値を １バイト目にする。
   点 が １〜６３ なら ６３ を加えた値を、そうでなければ６４を加えた値を ２バイト目にする。
2. 区 が ２〜６２ の偶数の場合、区 に ２５６を加えて、２で割った値を１バイト目にする。
   点に １５８ を加えた値を ２バイト目にする。
3. 区 が ６３〜９３の奇数の場合、区 に ３８５ を加えて２で割った値を１バイト目にする。
   点 が １〜６３であれば、６３を加えた値、そうでなければ６４を加えた値を２バイト目にする。
4. 区 が ６４〜９４の偶数の場合、区 に ３８４ を加えて２で割った値を１バイト目にする。
   点 に １５８ を加えた値を ２バイト目にする。

区	点	字形	コード（10進)		コード SJIS
			１バイト目	２バイト目
03	19	３	130	82	8252
03	65	ａ	130	129	8281
04	01	ぁ	48	65	3041
04	02	あ	48	66	3042
16	01	亜	136	159	889F
16	02	唖	136	160	88A0
16	03	娃	136	161	88A1
16	04	阿	136	162	88A2
16	05	哀	136	163	88A3
23	24	慶	140	99	8C63
56	70	應	156	228	9CE4
17	94	応	137	158	899E
84	04	瑤	234	162	EAA2

ISO-2022-JP はこの枠組みの中で、以下のようなエスケープシーケンスを用いて（「指示」や「呼び出し」を行い）、 ASCII、X 0201 ローマ字、X 0208漢字 を７ビットで扱おうというものです。

文字種	エスケープシーケンス（１６進）	エスケープシーケンス（文字表現）
ASCII	１Ｂ 　２８ 　４２	ESC 　( 　B
ＪＩＳ ローマ字	１Ｂ 　２８ 　４Ａ	ESC 　( 　J
ＪＩＳ カナ	―	―
旧ＪＩＳ	１Ｂ 　２４ 　４０	ESC 　$ 　@
新ＪＩＳ	１Ｂ 　２４ 　４２	ESC 　$ 　B

以下の約束があります。

• 行のはじめは、ASCII で始まる。
  ASCII で始まる行はエスケープシーケンスなしで始まります。
• 行末では ASCII に戻しておく。
• ＪＩＳ漢字についてはＧＬ領域を使う。

ファイルのダンプ例が、 平成１４年度質問と回答 ２ の最後にあります。

以下の方法で２バイトまたは４バイトに符号化されます。

UCS-2（ 群00 面00 ）の部分は１６ビットをそのまま符号にします。

群00 の 面01 から 面10（第１６面）については、 サロゲートペアとよばれる２つの１６ビットの組で１文字の符号とします。

サロゲートペアに使うために、 UCS-2 の D800 〜 DFFF には文字が割り当てられていません。 このことにより、D8〜DB で始まる１６ビットはサロゲートの上位、 DC〜DF で始まる１６ビットはサロゲートの下位と判定され、逆変換が可能となります。

UCS-4の残りの部分（群00面11〜群7F面FF）については UTF-16 ではエンコードされません。

各々の１６ビットをバイト列に変換する方法として、 １６ビットの上８ビットを先に送り出す（ビッグエンディアン）か、 下８ビットを先に送り出すか（リトルエンディアン） の２種類のエンコーディングがあります。

ファイルの先頭、あるいは通信の最初にBOM とよばれる文字が付加されることがあります。 BOM によって、ビッグエンディアンかリトルエンディアンかを判定することができます。 BOM がない場合は、ビッグエンディアンと判定されます。

ファイル・ダンプの例(UTF-16)

コードポイント	１バイト目	２バイト目	３バイト目	４バイト目
00000000 0xxxxxxx	0xxxxxxx
00000yyy yyxxxxxx	110yyyyy	10xxxxxx
zzzzyyyy yyxxxxxx	1110zzzz	10yyyyyy	10xxxxxx
000uuuuu zzzzyyyy yyxxxxxx	11110uuu	10uuzzzz	10yyyyyy	10xxxxxx

ひらがなが \u3040〜 、カタカナが \u30A0〜 、 ＣＪＫ統合漢字が \u3400〜 ですから、漢字は３バイトになります。

\uD800 〜 \uDFFF はサロゲートペアのためのコードポイントであり、エンコードの対象外です。 \u110000 以上の部分もエンコードの対象外です。

ファイル・ダンプの例(UTF-8)

以上が、Unicode 4.0 の UTF-8 の定義です。 JIS X 0221-1 の「 付属書Ｄ（規定） ＵＣＳ変換形式８ (UTF-8) 」 では、 ５〜６バイト長の場合も定義されていて次のようになっています。

オクテットの用途	形式（２進数）	自由ビット数	最大UCS-4値
１オクテットの列の最初	0xxxxxxx	７	0000 007F
２オクテットの列の最初	110xxxxx	５	0000 07FF
３オクテットの列の最初	1110xxxx	４	0000 FFFF
４オクテットの列の最初	11110xxx	３	001F FFFF
５オクテットの列の最初	111110xx	２	03FF FFFF
６オクテットの列の最初	1111110x	１	7FFF FFFF
継続オクテット（２〜６番目）	10xxxxxx	６

• null すなわち \u0000 は、 ２バイト形式にエンコードされます。
  これにより、 文字列の中に 00₁₆ というバイトが現れなくなります。
• 基本多言語面(BMP、\u0000〜\uFFFF)の文字を、１〜３バイト長のＵＴＦ−８で表現します。
• １６ビットを超える文字（\u10000〜\u10FFFF）はＵＴＦ−１６のサロゲートペアで表現します。
  この部分はＪａｖａでは「補助文字」と呼ばれ、プログラム内では int で処理します。

エンディアンの問題だけが残ります。 たとえば、ABC で始まるバイト列を例にすると次のようになります。

メモリ上の値 ３２ビットワード	エンコーディング	バイト列
00000041 00000042 00000043	UTF-32BE	00 00 00 41 00 00 00 42 00 00 00 43
	UTF-32LE	41 00 00 00 42 00 00 00 43 00 00 00
	UTF-32 ビッグエンディアン	00 00 FE FF 00 00 00 41 00 00 00 42 00 00 00 43
	UTF-32 リトルエンディアン	FF FE 00 00 41 00 00 00 42 00 00 00 43 00 00 00
	UTF-32 BOM なし	00 00 00 41 00 00 00 42 00 00 00 43