HTML Zeichensätze


HTML-Zeichensätze

Um eine HTML-Seite korrekt anzuzeigen, muss der Browser wissen, welchen Zeichensatz er verwenden soll.

Der in den frühen Tagen des World Wide Web verwendete Zeichensatz war ASCII. ASCII unterstützt die Zahlen 0-9, Groß- und Kleinbuchstaben des englischen Alphabets und einige Sonderzeichen.

Vollständiges ASCII-Referenzhandbuch。

Da viele Länder Zeichen verwenden, die nicht zu ASCII gehören, ist der Standardzeichensatz moderner Browser ISO-8859-1.

Vollständiges ISO-8859-1-Referenzhandbuch。

Wenn eine Webseite einen anderen Zeichensatz als ISO-8859-1 verwendet, sollte sie im <meta>-Tag angegeben werden.


ISO-Zeichensätze

ISO-Zeichensätze sind Standardzeichensätze, die von der International Organization for Standardization (ISO) für verschiedene Alphabete/Sprachen definiert wurden.

Im Folgenden werden die verschiedenen weltweit verwendeten Zeichensätze aufgeführt:

Zeichensatz Beschreibung Verwendungsbereich
ISO-8859-1 Lateinisches Alphabet Teil 1 Nordamerika, Westeuropa, Lateinamerika, Karibik, Kanada, Afrika
ISO-8859-2 Lateinisches Alphabet Teil 2 Osteuropa
ISO-8859-3 Lateinisches Alphabet Teil 3 Südosteuropa, Esperanto, sonstige Verschiedenes
ISO-8859-4 Lateinisches Alphabet Teil 4 Skandinavien/Baltikum (und andere Teile, die nicht in ISO-8859-1 enthalten sind)
ISO-8859-5 Lateinisch/Kyrillisch Teil 5 Sprachen, die das altslawische Alphabet verwenden, wie Bulgarisch, Belarussisch, Russisch, Makedonisch
ISO-8859-6 Lateinisch/Arabisch Teil 6 Sprachen, die das arabische Alphabet verwenden
ISO-8859-7 Lateinisch/Griechisch Teil 7 Neugriechisch und von Griechisch abgeleitete mathematische Symbole
ISO-8859-8 Lateinisch/Hebräisch Teil 8 Sprachen, die Hebräisch verwenden
ISO-8859-9 Lateinisch 5 Teil 9 Türkisch. Wie ISO-8859-1, außer dass türkische Zeichen isländische Zeichen ersetzen.
ISO-8859-10 Latin 6 Lappisch, Germanisch, eskimo-nordische Sprachen
ISO-8859-15 Latin 9 (auch bekannt als Latin 0) Ähnlich wie ISO 8859-1; das Euro-Zeichen und einige andere Zeichen ersetzen einige weniger gebräuchliche Symbole.
ISO-2022-JP Lateinisch/Japanisch Teil 1 Japanisch
ISO-2022-JP-2 Lateinisch/Japanisch Teil 2 Japanisch
ISO-2022-KR Lateinisch/Koreanisch Teil 1 Koreanisch


Unicode-Standard

Da die oben aufgeführten Zeichensätze Kapazitätsbeschränkungen aufweisen und mit mehrsprachigen Umgebungen nicht kompatibel sind, entwickelte das Unicode-Konsortium den Unicode-Standard.

Der Unicode-Standard umfasst alle Zeichen, Satzzeichen und Symbole der Welt.

Unabhängig von Plattform, Programm oder Sprache kann Unicode Textdaten verarbeiten, speichern und austauschen.


Unicode-Konsortium

Das Unicode-Konsortium entwickelte den Unicode-Standard. Sein Ziel ist es, bestehende Zeichensätze durch das standardisierte Unicode Transformation Format (UTF) zu ersetzen.

Der Unicode-Standard war erfolgreich. Unicode ist in XML, Java, ECMAScript (JavaScript), LDAP, CORBA 3.0 und WML implementiert. Unicode wird außerdem in vielen Betriebssystemen und allen modernen Browsern unterstützt.

Das Unicode-Konsortium arbeitet mit führenden Standardentwicklungsorganisationen zusammen, wie ISO, W3C und ECMA.

Unicode kann mit verschiedenen Zeichensätzen kompatibel sein. Die gebräuchlichsten Kodierungsmethoden sind UTF-8 und UTF-16:

Zeichensatz Beschreibung
UTF-8 Zeichen in UTF-8 können 1-4 Bytes lang sein. UTF-8 kann jedes Zeichen im Unicode-Standard darstellen. UTF-8 ist abwärtskompatibel mit ASCII. UTF-8 ist die bevorzugte Kodierung für Webseiten und E-Mail.
UTF-16 Das 16-Bit-Unicode-Transformation-Format ist eine variable Unicode-Zeichenkodierung, die alle Unicode-Codepunkte kodieren kann. UTF-16 wird hauptsächlich in Betriebssystemen und Umgebungen wie Microsoft Windows 2000/XP/2003/Vista/CE sowie in Java- und .NET-Bytecode-Umgebungen verwendet.

Tipp:Die ersten 256 Zeichen des Unicode-Zeichensatzes entsprechen den 256 ISO-8859-1-Zeichen.

Tipp:Alle HTML-4-Browser unterstützen bereits UTF-8, und alle XHTML- und XML-Prozessoren unterstützen UTF-8 und UTF-16!

Andere Erweiterungen