HTML Conjunto de caracteres
Conjunto de caracteres HTML
Para mostrar correctamente una página HTML, el navegador debe saber qué conjunto de caracteres utilizar.
El conjunto de caracteres utilizado en los primeros días de la World Wide Web era ASCII. ASCII admite los números del 0 al 9, el alfabeto inglés en mayúsculas y minúsculas, y algunos caracteres especiales.
Manual de referencia ASCII completo。
Debido a que muchos países utilizan caracteres que no pertenecen a ASCII, el conjunto de caracteres predeterminado de los navegadores modernos es ISO-8859-1.
Manual de referencia ISO-8859-1 completo。
Si una página web utiliza un conjunto de caracteres diferente a ISO-8859-1, debe especificarse en la etiqueta <meta>.
Conjunto de caracteres ISO
El conjunto de caracteres ISO es un conjunto de caracteres estándar definido por la Organización Internacional de Normalización (ISO) para diferentes alfabetos/idiomas.
A continuación se enumeran los diferentes conjuntos de caracteres utilizados en todo el mundo:
| Conjunto de caracteres | Descripción | Ámbito de uso |
|---|---|---|
| ISO-8859-1 | Latin alphabet part 1 | América del Norte, Europa Occidental, América Latina, el Caribe, Canadá, África |
| ISO-8859-2 | Latin alphabet part 2 | Europa del Este |
| ISO-8859-3 | Latin alphabet part 3 | Europa Sudoriental, esperanto, otros varios |
| ISO-8859-4 | Latin alphabet part 4 | Escandinavia/Báltico (y otras partes no incluidas en ISO-8859-1) |
| ISO-8859-5 | Latin/Cyrillic part 5 | Idiomas que utilizan el alfabeto eslavo antiguo, como búlgaro, bielorruso, ruso y macedonio |
| ISO-8859-6 | Latin/Arabic part 6 | Idiomas que utilizan el alfabeto árabe |
| ISO-8859-7 | Latin/Greek part 7 | Griego moderno, así como símbolos matemáticos derivados del griego |
| ISO-8859-8 | Latin/Hebrew part 8 | Idiomas que utilizan el hebreo |
| ISO-8859-9 | Latin 5 part 9 | Turco. Igual que ISO-8859-1, excepto que los caracteres turcos reemplazan a las letras islandesas. |
| ISO-8859-10 | Latin 6 | Lapón, lenguas germánicas, esquimal nórdico |
| ISO-8859-15 | Latin 9 (aka Latin 0) | Similar a ISO 8859-1, el símbolo del euro y algunos otros caracteres reemplazan a algunos símbolos menos utilizados |
| ISO-2022-JP | Latin/Japanese part 1 | Japonés |
| ISO-2022-JP-2 | Latin/Japanese part 2 | Japonés |
| ISO-2022-KR | Latin/Korean part 1 | Coreano |
Estándar Unicode
Debido a que los conjuntos de caracteres enumerados anteriormente tienen limitaciones de capacidad y no son compatibles con entornos multilingües, el Consorcio Unicode desarrolló el estándar Unicode.
El estándar Unicode cubre todos los caracteres, signos de puntuación y símbolos del mundo.
Independientemente de la plataforma, programa o idioma, Unicode puede procesar, almacenar e intercambiar datos de texto.
Consorcio Unicode
El Consorcio Unicode desarrolló el estándar Unicode. Su objetivo es reemplazar los conjuntos de caracteres existentes con el Formato de Transformación Unicode (UTF) estándar.
El estándar Unicode ha tenido éxito y se ha implementado en XML, Java, ECMAScript (JavaScript), LDAP, CORBA 3.0 y WML. Unicode también cuenta con soporte en muchos sistemas operativos y en todos los navegadores modernos.
El Consorcio Unicode coopera con organizaciones líderes en el desarrollo de estándares, como ISO, W3C y ECMA.
Unicode puede ser compatible con diferentes conjuntos de caracteres. Los métodos de codificación más utilizados son UTF-8 y UTF-16:
| Conjunto de caracteres | Descripción |
|---|---|
| UTF-8 | Los caracteres en UTF-8 pueden tener una longitud de 1 a 4 bytes. UTF-8 puede representar cualquier carácter del estándar Unicode. UTF-8 es compatible con versiones anteriores de ASCII. UTF-8 es la codificación preferida para páginas web y correos electrónicos. |
| UTF-16 | El Formato de Transformación Unicode de 16 bits es una codificación de caracteres variable de Unicode que puede codificar todo el repertorio Unicode. UTF-16 se utiliza principalmente en sistemas operativos y entornos como Microsoft Windows 2000/XP/2003/Vista/CE, así como en entornos de código de bytes Java y .NET. |
Consejo:Los primeros 256 caracteres del conjunto de caracteres Unicode corresponden a los 256 caracteres de ISO-8859-1.
Consejo:¡Todos los navegadores HTML 4 ya son compatibles con UTF-8, y todos los procesadores XHTML y XML son compatibles con UTF-8 y UTF-16!
Otras extensiones