HTML 文字セット


HTML 文字セット

HTML ページを正しく表示するには、ブラウザがどの文字セットを使用するかを認識している必要があります。

ワールドワイドウェブの初期に使用されていた文字セットは ASCII です。ASCII は、0〜9 の数字、英大文字・小文字のアルファベット、およびいくつかの特殊文字をサポートしています。

完全な ASCII リファレンスマニュアル。

多くの国で使用されている文字は ASCII に属さないため、最新ブラウザのデフォルト文字セットは ISO-8859-1 です。

完全な ISO-8859-1 リファレンスマニュアル。

Web ページが ISO-8859-1 とは異なる文字セットを使用する場合は、<meta> タグで指定する必要があります。


ISO 文字セット

ISO 文字セットは、国際標準化機構 (ISO) がさまざまなアルファベット/言語に対して定義した標準文字セットです。

以下に、世界各地で使用されているさまざまな文字セットを示します:

文字セット 説明 使用範囲
ISO-8859-1 Latin alphabet part 1 北米、西ヨーロッパ、ラテンアメリカ、カリブ海、カナダ、アフリカ
ISO-8859-2 Latin alphabet part 2 東ヨーロッパ
ISO-8859-3 Latin alphabet part 3 南東ヨーロッパ、エスペラント語、その他の諸言語
ISO-8859-4 Latin alphabet part 4 スカンジナビア/バルト海(および ISO-8859-1 に含まれていないその他の地域)
ISO-8859-5 Latin/Cyrillic part 5 古代スラブ語のアルファベットを使用する言語(ブルガリア語、ベラルーシ語、ロシア語、マケドニア語など)
ISO-8859-6 Latin/Arabic part 6 アラビア文字を使用する言語
ISO-8859-7 Latin/Greek part 7 現代ギリシャ語、およびギリシャ語に由来する数学記号
ISO-8859-8 Latin/Hebrew part 8 ヘブライ語を使用する言語
ISO-8859-9 Latin 5 part 9 トルコ語。トルコ語の文字がアイスランド語の文字に置き換わっている点を除き、ISO-8859-1 と同じです。
ISO-8859-10 Latin 6 ラップ語、ゲルマン語、エスキモー・北欧語
ISO-8859-15 Latin 9 (aka Latin 0) ISO 8859-1 と似ていますが、ユーロ記号とその他のいくつかの文字が、あまり使用されない一部の記号に置き換わっています。
ISO-2022-JP Latin/Japanese part 1 日本語
ISO-2022-JP-2 Latin/Japanese part 2 日本語
ISO-2022-KR Latin/Korean part 1 韓国語


Unicode 標準

上記の文字セットにはすべて容量制限があり、多言語環境に対応していないため、Unicode コンソーシアムは Unicode 標準を開発しました。

Unicode 標準は、世界中のすべての文字、句読点、記号を網羅しています。

プラットフォーム、プログラム、言語を問わず、Unicode はテキストデータの処理、保存、交換を行うことができます。


Unicode コンソーシアム

Unicode コンソーシアムは Unicode 標準を開発しました。彼らの目標は、標準の Unicode 変換形式 (UTF) を使用して既存の文字セットを置き換えることです。

Unicode 標準は成功を収めており、XML、Java、ECMAScript (JavaScript)、LDAP、CORBA 3.0、WML で Unicode が実装されています。多くのオペレーティングシステムおよびすべての最新ブラウザでも Unicode がサポートされています。

Unicode コンソーシアムは、ISO、W3C、ECMA などの主要な標準化団体と協力しています。

Unicode はさまざまな文字セットと互換性があります。最も一般的に使用されるエンコーディング方式は UTF-8 と UTF-16 です:

文字セット 説明
UTF-8 UTF8 の文字は 1〜4 バイトの長さになります。UTF-8 は Unicode 標準の任意の文字を表すことができます。UTF-8 は ASCII と後方互換性があります。UTF-8 は Web ページと電子メールの推奨エンコーディングです。
UTF-16 16 ビットの Unicode 変換形式は、Unicode の可変長文字エンコーディングであり、Unicode のすべてのコード表をエンコードできます。UTF-16 は主に、Microsoft Windows 2000/XP/2003/Vista/CE や Java、.NET バイトコード環境などのオペレーティングシステムおよび環境で使用されています。

ヒント:最初の 256 個の Unicode 文字は、256 個の ISO-8859-1 文字に対応しています。

ヒント:すべての HTML 4 ブラウザは UTF-8 をサポートしており、すべての XHTML および XML プロセッサは UTF-8 と UTF-16 をサポートしています!

その他の拡張