HTML Unicode(UTF-8)Manuel de référence


Consortium Unicode

Le Consortium Unicode a développé la norme Unicode. Son objectif est de remplacer les jeux de caractères existants par le format standard Unicode Transformation Format (UTF, abréviation de Unicode Transformation Format).

La norme Unicode est une initiative réussie, mise en œuvre dans HTML, XML, Java, JavaScript, E-mail, ASP et PHP. Elle est également prise en charge par de nombreux systèmes d'exploitation et tous les navigateurs modernes.

Le Consortium Unicode coopère avec les principales organisations de développement de normes, notamment ISO, W3C et ECMA.


Jeu de caractères Unicode

Unicode peut être implémenté par différents jeux de caractères. Les encodages les plus couramment utilisés sont UTF-8 et UTF-16 :

Jeu de caractères Description
UTF-8 Les caractères en UTF-8 peuvent avoir une longueur de 1 à 4 octets. UTF-8 peut représenter n'importe quel caractère de la norme Unicode. UTF-8 est rétrocompatible avec ASCII. UTF-8 est l'encodage préféré pour le courrier électronique et les pages web.
UTF-16 Le format de transformation Unicode sur 16 bits est un encodage de caractères Unicode à longueur variable capable d'encoder l'intégralité du répertoire Unicode. UTF-16 est principalement utilisé dans les systèmes d'exploitation et les environnements tels que Microsoft Windows, Java et .NET.

Astuce :Les 128 premiers caractères d'Unicode (correspondant un à un à l'ASCII) sont encodés à l'aide d'un octet de même valeur binaire que l'ASCII, ce qui fait qu'un texte ASCII valide reste valide lorsqu'il est encodé en UTF-8.

Astuce :Tous les processeurs HTML 4 prennent en charge UTF-8, et tous les processeurs HTML 5 et XML prennent en charge UTF-8 et UTF-16 !


Norme HTML5 : Unicode UTF-8

Comme la taille du jeu de caractères d'ISO-8859 est limitée et incompatible dans les environnements multilingues, le Consortium Unicode a développé la norme Unicode.

La norme Unicode couvre (presque) tous les caractères, signes de ponctuation et symboles.

Unicode rend le traitement, le stockage et le transport du texte indépendants de la plateforme et de la langue.

L'encodage de caractères par défaut en HTML-5 est UTF-8.

Voici quelques jeux de caractères UTF-8 pris en charge par HTML5 :

Jeu de caractères Decimal Hexadécimal
Commandes C0 et latin de base 0-127 0000-007F
Contrôles C1 et supplément Latin-1 128-255 0080-00FF
Latin étendu-A 256-383 0100-017F
Latin étendu-B 384-591 0180-024F

Si une page web HTML5 utilise un jeu de caractères différent d'UTF-8, il doit être spécifié dans la balise <meta>, comme suit :

Exemples

<meta charset="ISO-8859-1">


Autres extensions