Εγχειρίδιο Αναφορών Unicode (UTF-8) στο HTML

Ένωση Unicode

Η Ένωση Unicode έχει αναπτύξει τον κανονισμό Unicode. Ο στόχος τους είναι να αντικαταστήσουν τις υφιστάμενες συλλογές χαρακτήρων με το πρότυπο κωδικοποίησης Unicode (UTF).

Ο κανονισμός Unicode έχει επιτύχει επιτυχία και έχει υλοποιηθεί μέσω HTML, XML, Java, JavaScript, e-mail, ASP, PHP κ.λπ. Σε πολλούς λειτουργικούς συστήματα και όλους τους σύγχρονους περιηγητές, υποστηρίζεται επίσης ο κανονισμός Unicode.

Η Ένωση Unicode συνεργάζεται με κορυφαίες οργανώσεις ανάπτυξης κανονισμών (π.χ. ISO, W3C και ECMA).

Συλλογή χαρακτήρων Unicode

Το Unicode μπορεί να υλοποιηθεί με διαφορετικές συλλογές χαρακτήρων. Οι πιο συχνές κωδικοποιήσεις είναι το UTF-8 και το UTF-16:

字符集 Περιγραφή
UTF-8

Η διάρκεια του χαρακτήρα στο UTF-8 μπορεί να είναι από 1 έως 4 byte.

Το UTF-8 μπορεί να εκφράσει οποιοδήποτε χαρακτήρα του κανονισμού Unicode.

UTF-8 είναι συμβατό με ASCII. Το UTF-8 είναι η προτιμώμενη κωδικοποίηση για τα e-mail και τις ιστοσελίδες.
UTF-16

16 位 Unicode 转换格式是 Unicode 的可变长度字符编码，能够对整个 Unicode repertoire 进行编码。

UTF-16 用于主要的操作系统和环境，例如 Microsoft Windows、Java 和 .NET。

注释：Unicode 的前 128 个字符（与 ASCII 一一对应）使用单个八位字节编码，这八位字节有与 ASCII 相同的二进制值，从而使有效的 ASCII 文本也成为有效的 UTF-8 编码 Unicode。

提示：HTML 4 支持 UTF-8。 HTML 5 支持 UTF-8 和 UTF-16！

HTML5 标准：Unicode UTF-8

由于 ISO-8859 中的字符集大小受限制，并且不兼容多语言环境，因此 Unicode 联盟开发了 Unicode 标准。

Unicode 标准（几乎）涵盖了世界上所有的字符、标点符号和符号。

Unicode 支持独立于平台和语言的文本处理、存储和传输。

HTML5 中的默认字符编码为 UTF-8。

如果 HTML5 网页使用的字符集与 UTF-8 不同，则应在 <meta> 标记中指定该字符集，例如：

例子

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

Unicode 和 UTF-8 之间的区别

Unicode 是字符集。 UTF-8 是编码。

Unicode 是有唯一的十进制数字（代码点）的字符列表。 A = 65，B = 66，C = 67，...。

这个十进制数字列表表示字符串 "hello"：104 101 108 108 111

编码是将这些数字转换为二进制数字以存储在计算机中的方式：

UTF-8 编码将像这样（二进制）存储 "hello"：01101000 01100101 01101100 01101100 01101111

编码将数字转换为二进制。字符集将字符转换为数字。

HTML5 UTF-8 字符代码

下表是 HTML5 支持的一些 UTF-8 字符代码的列表：

字符代码 十进制 十六进制
C0 Controls and Basic Latin 0-127 0000-007F
C1 Controls and Latin-1 Supplement 128-255 0080-00FF
Εκτεταμένα Λατινικά - Α 256-383 0100-017F
Εκτεταμένα Λατινικά - Β 384-591 0180-024F
Σύμβολα Διαστήματος 688-767 02B0-02FF
Σύμβολα Διαφοροποίησης 768-879 0300-036F
Κυριλλικά και Κοπτική 880-1023 0370-03FF
Βασικά Κυριλλικά 1024-1279 0400-04FF
Προσθήκη Κυριλλικών 1280-1327 0500-052F
Γενική Πunctuation 8192-8303 2000-206F
Σύμβολα Νομισμάτων 8352-8399 20A0-20CF
Σύμβολα Αναπαράστασης 8448-8527 2100-214F
Σύμβολα Πιέτας 8592-8703 2190-21FF
Μαθηματικοί Σύμβολοι 8704-8959 2200-22FF
Σύμβολα Κουτί 9472-9599 2500-257F
Σύμβολα Κελιών 9600-9631 2580-259F
Γεωμετρικά Σύμβολα 9632-9727 25A0-25FF
Διάφοροι Σύμβολοι 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF