Εγχειρίδιο Αναφορών Unicode (UTF-8) για HTML

Ένωση Unicode

Η Ένωση Unicode έχει αναπτύξει το πρότυπο Unicode. Ο στόχος τους είναι να αντικαταστήσουν τα υπάρχοντα σετ χαρακτήρων με το πρότυπο κωδικοποίησης Unicode (UTF).

Το πρότυπο 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 το πρότυπο Unicode.

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

Σετ χαρακτήρων Unicode

Το Unicode μπορεί να υλοποιηθεί με διαφορετικές σετ χαρακτήρων. Η πιο συχνά χρησιμοποιούμενη κωδικοποίηση 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 πρότυπου Unicode.

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

Η μορφή κωδικοποίησης Unicode 16-bit είναι η μεταβλητής μήκους κωδικοποίηση χαρακτήρων του Unicode, που μπορεί να κωδικοποιήσει ολόκληρο το σύνολο χαρακτήρων του Unicode.

Το UTF-16 χρησιμοποιείται στα κύρια λειτουργικά συστήματα και περιβάλλοντα, όπως το Microsoft Windows, το Java και το .NET.

Σημείωση：Οι πρώτοι 128 χαρακτήρες του Unicode (συμπεριλαμβανομένων των ASCII) χρησιμοποιούνται για κωδικοποίηση με μοναδικό οκταδάκτυτο, το οποίο έχει τα ίδια δεκαδικά τιμή με το ASCII, καθιστώντας έτσι το έγκυρο κείμενο ASCII και έγκυρη κωδικοποίηση UTF-8 Unicode.

Συμβουλή：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
Latin Extended-A 256-383 0100-017F
Latin Extended-B 384-591 0180-024F
Spacing Modifiers 688-767 02B0-02FF
Diacritical Marks 768-879 0300-036F
Greek and Coptic 880-1023 0370-03FF
Cyrillic Basic 1024-1279 0400-04FF
Cyrillic Supplement 1280-1327 0500-052F
General Punctuation 8192-8303 2000-206F
Currency Symbols 8352-8399 20A0-20CF
Letterlike Symbols 8448-8527 2100-214F
Arrows 8592-8703 2190-21FF
Mathematical Operators 8704-8959 2200-22FF
Box Drawings 9472-9599 2500-257F
Block Elements 9600-9631 2580-259F
Geometric Shapes 9632-9727 25A0-25FF
Miscellaneous Symbols 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF