HTML Unicode(UTF-8)Справочное руководство


Консорциум Unicode

Консорциум Unicode разработал стандарт Unicode. Их цель — заменить существующие наборы символов стандартным форматом преобразования Unicode (UTF, сокращение от Unicode Transformation Format).

Стандарт Unicode — это успешная инициатива, реализованная в HTML, XML, Java, JavaScript, E-mail, ASP и PHP. Он также поддерживается многими операционными системами и всеми современными браузерами.

Консорциум Unicode сотрудничает с ведущими организациями по разработке стандартов, включая ISO, W3C и ECMA.


Набор символов Unicode

Unicode может быть реализован с помощью различных наборов символов. Наиболее часто используемые кодировки — UTF-8 и UTF-16:

Набор символов Описание
UTF-8 Символы в UTF-8 могут быть длиной от 1 до 4 байт. UTF-8 может представлять любой символ стандарта Unicode. UTF-8 обратно совместим с ASCII. UTF-8 — предпочтительная кодировка для электронной почты и веб-страниц.
UTF-16 16-битный формат преобразования Unicode — это кодировка символов Unicode переменной длины, способная закодировать весь набор символов Unicode. UTF-16 в основном используется в операционных системах и средах, таких как Microsoft Windows, Java и .NET.

Совет:Первые 128 символов Unicode (соответствующие один к одному ASCII) кодируются с помощью октета с тем же двоичным значением, что и ASCII, поэтому корректный текст ASCII также корректен при кодировании в UTF-8.

Совет:Все процессоры HTML 4 поддерживают UTF-8, а все процессоры HTML 5 и XML поддерживают UTF-8 и UTF-16!


Стандарт HTML5: Unicode UTF-8

Поскольку размер набора символов в ISO-8859 ограничен и несовместим в многоязычных средах, Консорциум Unicode разработал стандарт Unicode.

Стандарт Unicode охватывает (почти) все знаки, знаки препинания и символы.

Unicode делает обработку, хранение и передачу текста независимыми от платформы и языка.

Кодировка символов по умолчанию в HTML-5 — UTF-8.

Ниже перечислены некоторые наборы символов UTF-8, поддерживаемые HTML5:

Набор символов Decimal Шестнадцатеричная
Управляющие символы C0 и основная латиница 0-127 0000-007F
Управляющие символы C1 и дополнение Latin-1 128-255 0080-00FF
Расширенная латиница-A 256-383 0100-017F
Расширенная латиница-B 384-591 0180-024F

Если веб-страница HTML5 использует кодировку, отличную от UTF-8, её нужно указать в теге <meta> следующим образом:

Примеры

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


Другие расширения