開発者のための絵文字の扱い方:Unicode・HTML・CSS・JavaScript・DB保存まで
Webページやアプリで絵文字を扱うときに知っておきたいことをまとめました。コードポイントと絵文字シーケンス、HTMLの文字参照、CSSのcontent、JavaScriptの文字列長とIntl.Segmenter、正規表現、MySQLのutf8mb4、URL・JSONのエンコード、フォントとアクセシビリティまで例つきで解説します。
絵文字は絵のように見えますが、プログラムの中では文字です。そのため、文字数を数えたり、データベースに保存したり、文字列を切り詰めたりするときに、ふつうの文字とは違う動きをすることがあります。この記事では、Webやアプリを作る人が絵文字でつまずきやすいポイントを順番にまとめました。
emojicanvasの各絵文字ページの下のほうには「開発者向けコード」の欄があります。コードポイント、HTMLの16進数・10進数の文字参照、CSS、JavaScript、URLエンコードの値をすぐにコピーできるので、この記事と一緒に開いておくと便利です。
1つの絵文字が複数のコードポイントでできていることがある
Unicodeは文字ごとに番号を割り当てていて、この番号をコードポイントと呼びます。😀はU+1F6001つだけでできた単純な絵文字です。ただ、画面上では1つの絵文字に見えても、実は複数のコードポイントが並んだ「シーケンス」であるものが少なくありません。
- 絵文字表示の異体字セレクタ(VS16):❤️は
U+2764 U+FE0Fです。後ろのU+FE0Fは「絵文字の見た目で表示して」という指定で、これが抜けると環境によっては白黒のハート記号で表示されます。 - 肌の色の修飾子:👍🏽は👍(
U+1F44D)の後ろに肌の色の修飾子(U+1F3FD)が付いたものです。 - ZWJシーケンス:👨👩👧は男性・女性・女の子の絵文字の間に、目に見えない結合文字
U+200D(ZWJ)が入った5つのコードポイントの並びです。この組み合わせに対応していない端末では、3人がばらばらに表示されます。 - キーキャップ:1️⃣は数字の1(
U+0031)、U+FE0F、キーキャップの枠(U+20E3)の3つでできています。
結合の仕組みは「家族・職業の絵文字が合体する仕組み」ガイドで図と一緒に説明しています。開発で覚えておきたいのは一点です。人が見る「1文字」と、プログラムが数える「文字数」は一致しないことがあります。
HTMLに入れる方法
いちばん簡単なのは、HTMLファイルに絵文字をそのまま書く方法です。その場合、headの中に<meta charset="utf-8">があり、ファイル自体もUTF-8で保存されている必要があります。どちらかがずれていると、絵文字が文字化けします。
ファイルの文字コードに確信が持てない環境では、数値文字参照を使います。😀は16進数で😀、10進数で😀です。シーケンスはコードポイントごとに1つずつ並べます。たとえば❤️は❤️です。
CSSで使う方法
疑似要素に絵文字を入れるときは、contentプロパティにバックスラッシュと16進数を書きます。😀ならcontent: "\1F600";、❤️のようなシーケンスならcontent: "\2764\FE0F";のように続けて書きます。
OS標準のカラー絵文字フォントで描画させたい場合は、フォント指定の最後に絵文字フォントを入れておきます。よく使われる組み合わせは"Apple Color Emoji", "Segoe UI Emoji", "Noto Color Emoji"です。日本語フォントの中には一部の記号を白黒の文字として持っているものがあり、この指定がないとそちらが先に使われることがあります。
JavaScriptの文字列長の問題
JavaScriptの文字列はUTF-16の単位で保存されます。😀のようにU+FFFFを超えるコードポイントは2単位(サロゲートペア)を使うため、"😀".lengthは2になります。
- コードポイントの数を数えるには、
[..."😀"].lengthのように展開して数えます。結果は1です。 - それでも👨👩👧は
[..."👨👩👧"].lengthが5になります。人が見る1文字を数えるには、Intl.Segmenterで書記素(grapheme)単位に分けます。[...new Intl.Segmenter().segment(text)].lengthのように書きます。 slice()やsubstring()で文字数制限をかけると、サロゲートペアやシーケンスの途中で切れて、壊れた文字(�)が出ることがあります。プレビューを切り詰めるときも、Segmenterで分けてから切ると安全です。- コードポイントを数値で扱うときは
String.fromCodePoint(0x1F600)とcodePointAt(0)を使います。古いfromCharCodeではサロゲートペアを自分で組み立てる必要があります。
正規表現で絵文字を探す
絵文字を探したり取り除いたりする正規表現を、範囲を手書きして作ると漏れが出やすくなります。Unicodeのプロパティを使うほうが確実です。
/\p{Extended_Pictographic}/uは絵文字の本体となる文字を1文字ずつ探します。ただし、キーキャップの材料になる1や#のような文字は含まれません。- 最近のブラウザとNode.jsは
vフラグと/\p{RGI_Emoji}/vに対応しています。このプロパティは👨👩👧のようなシーケンスをまとめて1つの絵文字として扱います。 - サーバー側の言語ごとに対応状況が違うので、シーケンス・肌の色・キーキャップを含む実際のデータで試してください。
データベースへの保存:MySQLはutf8mb4
MySQLの古いutf8文字セット(現在の名前はutf8mb3)は、1文字あたり最大3バイトまでしか保存できません。絵文字はUTF-8で4バイトなので、この文字セットに入れると「Incorrect string value」エラーになったり、?に置き換わったりします。
- テーブルと列の文字セットを
utf8mb4にし、照合順序もutf8mb4_unicode_ciやutf8mb4_0900_ai_ciのようなutf8mb4用にそろえます。 - 接続の文字セットも
utf8mb4にする必要があります。テーブルだけ変えて接続設定をそのままにすると、保存の段階でまた化けます。 VARCHAR(20)のように長さを決めるときは、その単位がバイトか文字かを確認してください。画面では1文字の👨👩👧は、コードポイント5つ、UTF-8で18バイトです。
PostgreSQLは、データベースのエンコーディングがUTF8なら特別な設定なしで絵文字を保存できます。
言語によって違う「長さ」
同じ絵文字でも、言語によって長さの数え方が違います。
- Python 3の
len()はコードポイントを数えます。len("😀")は1、len("👨👩👧")は5です。 - JavaとC#の文字列はJavaScriptと同じUTF-16なので、😀の長さは2になります。
- バイト数が必要なら、UTF-8にエンコードしてから数えます。😀は4バイトです。
文字数制限のある入力欄では、フロントエンドとサーバーが同じ基準で数えているか必ずそろえてください。「画面では通ったのに、サーバーで長すぎると弾かれる」という不具合はここから生まれます。
URLとJSONでの表し方
絵文字をURLに入れると、UTF-8のバイトをパーセントエンコードした形になります。😀は%F0%9F%98%80です。JavaScriptではencodeURIComponent()がこの変換をしてくれます。
JSONは絵文字をそのまま入れても構いませんが、ライブラリによっては\ud83d\ude00のようなサロゲートペアのエスケープで出力します。Pythonのjson.dumps()は初期設定がこの形で、ensure_ascii=Falseを指定すると絵文字のまま保存されます。どちらも読み込めば同じ文字に戻るので、比較するときはデコードした値同士で比べましょう。
ガラケー時代の絵文字との違い
日本の古い携帯電話の絵文字は、キャリアごとにShift_JISの独自領域の番号を使っていました。そのため、昔のメールデータやシステムを移行すると、絵文字が別の記号になったり消えたりすることがあります。今の絵文字はUnicodeの共通の番号を使っているので、キャリアの違いで番号が変わることはありません。古いデータを扱うときは、変換表を使ってUnicodeの絵文字に置き換える作業が必要になります。
見た目を決めるのは端末
同じコードでも、絵はOSやアプリの絵文字フォントが描きます。そのため同じ絵文字が端末ごとに違って見え、古い端末では新しい絵文字が四角(□)で表示されることもあります。原因は「新しい絵文字が四角で表示されるとき」ガイドで詳しく説明しています。
すべての端末で同じ絵を見せたい場合は、絵文字を画像に置き換えて表示する方法があります。その際はライセンスを確認しましょう。Google Noto Emojiの画像はApache 2.0(フォントファイルはOFL 1.1)、TwemojiはCC BY 4.0(出典表記が必要)、Microsoft Fluent EmojiはMITライセンスです。AppleやSamsungの絵文字画像は公開ライセンスではないため、流用できません。emojicanvasの各絵文字ページでは、この3種類のデザインのPNG・SVGをダウンロードできます。
アクセシビリティ:スクリーンリーダーは名前を読み上げる
スクリーンリーダーは絵文字を、その絵文字の名前で読み上げます。見出しに🔥🔥🔥を入れると「火、火、火」と3回読まれます。
- 飾りとして使う絵文字は
<span aria-hidden="true">で囲むと読み上げられません。 - 意味のある絵文字をアイコンとして使うときは、
<span role="img" aria-label="完了">✅</span>のように場面に合った名前を付けます。 - 絵文字1つだけのボタンは、スクリーンリーダーの利用者には何のボタンか分かりにくくなります。文字のラベルも用意しましょう。
公開前のチェックリスト
- 文書とサーバーの応答はUTF-8で宣言されていますか?
- DBのテーブル、列、接続の文字セットはすべてutf8mb4ですか?
- 文字数制限や切り詰めが、👨👩👧、👍🏽、1️⃣でも壊れませんか?
- フロントエンドとサーバーは同じ方法で長さを数えていますか?
- 絵文字画像を使う場合、ライセンス条件(出典表記など)を守っていますか?
- 飾りの絵文字がスクリーンリーダーでうるさく読まれていませんか?
最終確認 2026-11-06