WHATWG vs Unicode.org: ブラウザと規格がエンコーディングで食い違う理由

レガシーエンコーディングを Unicode に変換する際、複数の組織が独自にマッピングテーブルを作成しました。Unicode.org は各国規格に忠実に、Microsoft と WHATWG はブラウザの実装に従いました。

WHATWG の基本原則: 「既存の Web コンテンツを壊さない」。これはブラウザの動作を公式規格より優先することを意味します。

最も有名なマッピング問題。同じ JIS バイト位置が異なる Unicode コードポイントにマップされます:

このツールでは設定から両マッピングを切り替えて違いを確認できます。

Big5（繁体字）: WHATWG は CP950 と HKSCS を統合したハイブリッドテーブルを使用。6文字でバイト列の順序が他の実装と異なります。

GB18030（簡体字）: バイト 0xA3 0xA0 は WHATWG では U+3000（全角スペース）にマップされますが、公式 GB18030 規格では U+E5E5（PUA 文字）です。2002年の Web 互換性修正に基づく決定です。

WHATWG の「EUC-KR」は実際には Windows CP949/UHC で、全 11,172 ハングル音節をカバー — 本来の KS X 1001 の約 2,350 字をはるかに超えます。

注目すべき点: Unicode.org の KSX1001.TXT は Microsoft の UHC マッピングに基づいて作成されている（ファイルヘッダーに明記）ため、韓国語では JIS のような WHATWG vs Unicode.org の相違はありません。

WHATWG の最も影響範囲の広い決定: iso-8859-1、latin1、ascii 等のラベルは全て Windows-1252 として解釈。0x80-0x9F の27バイトが C1 制御文字ではなくタイポグラフィ文字に。

全てのエンコーディングに共通する構造:

WHATWG はブラウザが数十年間行ってきた動作を標準化しました。「規格」と「ブラウザの動作」が一致する代わりに、元の各国規格とは乖離する結果になっています。