EUC-KR 과 UTF-8 은 뭐가 다른가

한글이 깨지는 원인을 한 줄로 줄이면 이 둘을 헷갈린 것입니다. 인코딩이 뭔지 모르셔도 읽을 수 있게 썼습니다.

컴퓨터는 글자를 숫자로 저장한다

컴퓨터에는 글자가 없습니다. 숫자만 있습니다. 그래서 가 라는 글자를 저장할 때 "가 = 몇 번" 이라는 약속표를 놓고 그 번호를 적습니다. 읽을 때는 같은 표를 보고 번호를 글자로 되돌립니다.

문제는 그 표가 하나가 아니라는 것입니다. 저장할 때 쓴 표와 읽을 때 쓴 표가 다르면 같은 번호가 다른 글자로 나옵니다. 그게 글자 깨짐의 전부입니다. 정보가 사라진 게 아니라 번호를 엉뚱한 표에서 찾은 것뿐입니다.

EUC-KR — 한국이 오래 쓰던 표

1990년대 한국에서 만든 표입니다. 윈도우가 쓰는 확장판을 CP949 또는 통합 완성형이라고 부르는데, 실무에서는 셋을 거의 같은 말로 씁니다.

특징은 한글과 영어만 들어 있다는 것입니다. 영어는 한 글자에 1바이트, 한글은 2바이트를 씁니다. 그래서 파일 크기가 작다는 장점이 있었습니다 — 저장 공간이 비싸던 시절에는 중요한 이야기였습니다.

대신 일본어·중국어·러시아어를 한 문서에 같이 못 씁니다. 표에 그 글자들의 번호가 아예 없기 때문입니다. 나라마다 자기 표를 따로 만들어 쓰던 시대라 어쩔 수 없었습니다.

UTF-8 — 전 세계가 함께 쓰는 표

"나라마다 표가 다른 게 문제니 하나로 합치자" 해서 나온 것이 유니코드이고, 그걸 파일에 적는 방식 중 가장 널리 쓰이는 것이 UTF-8 입니다. 지금 웹의 98% 이상이 UTF-8 입니다.

여기에는 한글·한자·가나·키릴·아랍어·이모지가 전부 들어 있습니다. 한 문서에 여러 언어를 섞어도 됩니다. 대신 한글 한 글자가 3바이트라 EUC-KR 보다 파일이 조금 커집니다. 요즘은 저장 공간이 싸서 신경 쓸 일이 아닙니다.

그래서 한글이 잘 깨진다

영어권 사람들은 이 문제를 훨씬 덜 겪습니다. 영어 알파벳은 어느 표에서든 번호가 같기 때문입니다. 표를 잘못 골라도 영어는 멀쩡히 나옵니다.

한글은 그렇지 않습니다. EUC-KR 에서 안 이 갖는 번호와 UTF-8 에서 갖는 번호가 다르고, 바이트 수(2 vs 3)까지 다릅니다. 그래서 표를 잘못 고르는 순간 글자 수까지 어긋나면서 알아볼 수 없게 됩니다.

전형적인 두 가지 모습이 있습니다.

¾È³çÇϼ¼¿ä — EUC-KR 로 저장한 것을 서유럽 표로 읽었을 때. 한글 2바이트가 서유럽 글자 2개로 쪼개진 모습입니다.
안녕하세요 — UTF-8 로 저장한 것을 서유럽 표로 읽었을 때. 3바이트라 글자가 더 많이 늘어납니다.

어느 쪽이든 원래 번호는 그대로 파일에 남아 있습니다. 표만 다시 고르면 원문이 그대로 돌아옵니다 — 깨진 글자 복구기가 하는 일이 그겁니다.

지금은 뭘 쓰면 되나

고민 없이 UTF-8 입니다. 새로 만드는 파일·웹페이지·데이터베이스는 전부 UTF-8 로 두세요. EUC-KR 은 옛날 파일을 읽을 때만 필요합니다.

EUC-KR 파일이 남아 있다면 UTF-8 로 바꿔두는 편이 낫습니다. 요즘 도구들은 대부분 UTF-8 을 기본으로 가정해서, EUC-KR 파일은 열 때마다 깨질 위험이 있습니다. 파일 탭에 올리면 판별해서 UTF-8 로 바꿔줍니다.

한 가지 예외가 엑셀입니다. 엑셀은 UTF-8 파일에 표시가 없으면 여전히 한국어 코드페이지로 읽어버립니다. 그 얘기는 엑셀에서 CSV 한글이 깨질 때에 따로 정리했습니다.