Panduan Rujukan Unicode (UTF-8) HTML

Liga Unicode

Liga Unicode mengembangkan standar Unicode. Maksud mereka adalah untuk menggantikan set aksara yang ada saat ini dengan format konversi Unicode standar (UTF).

Standar Unicode telah sukses dan dapat dicapai melalui HTML, XML, Java, JavaScript, e-mel, ASP, PHP dan lainnya. Di banyak sistem operasi dan semua pelayar modern, standar Unicode juga disokong.

Liga Unicode bekerjasama dengan organisasi pengembang standar yang terkemuka (seperti ISO, W3C dan ECMA).

Set aksara Unicode

Unicode boleh dicapai melalui berbagai set aksara. Pengkodan yang paling sering digunakan adalah UTF-8 dan UTF-16:

Sistem Aksara Penerangan
UTF-8

Panjang aksara dalam UTF8 boleh berada diantara 1 hingga 4 bait.

UTF-8 boleh menunjukkan setiap aksara dalam standar Unicode.

UTF-8 mempunyai keserasian ASCII. UTF-8 adalah pengkodan yang paling dipilih untuk e-mel dan halaman web.
UTF-16

Format pengkodan panjang Unicode 16 adalah pengkodean aksara panjang yang dapat mengkod sepenuhnya repertoire Unicode.

UTF-16 digunakan dalam sistem operasi utama dan lingkungan, seperti Microsoft Windows, Java dan .NET.

Komenari:Aksara awal 128 Unicode (yang sepadan dengan ASCII) menggunakan pengkodean satu bit bayt, yang mempunyai nilai binari yang sama seperti ASCII, sehingga teks ASCII yang sah juga menjadi pengkodean UTF-8 Unicode yang sah.

Pembesarhatan:HTML 4 menyokong UTF-8. HTML 5 menyokong UTF-8 dan UTF-16!

Standard HTML5: Unicode UTF-8

Sebab saiz set aksara dalam ISO-8859 terhadap batas dan tak kompatibel dengan lingkungan multibahasa, Perkongsian Unicode telah merancang Standard Unicode.

Standard Unicode (hampir) mencakup semua aksara, tanda baca dan simbol di dunia.

Unicode menyokong penggunaan teks yang bebas platform dan bahasa untuk pengeluaran, pemindahan dan pengedaran.

Kod pengkodean lalai HTML5 adalah UTF-8.

Jika charset yang digunakan dalam halaman web HTML5 berbeza daripada UTF-8, ia seharusnya dispecifikasikan di markah <meta>, contohnya:

Contoh

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

Perbezaan antara Unicode dan UTF-8

Unicode adalah sistem aksara. UTF-8 adalah pengkodean.

Unicode adalah senarai aksara dengan nombor dekad unik (poin kod). A = 65, B = 66, C = 67, ...

Daftar nombor dekad ini mewakili string "hello": 104 101 108 108 111

Pengkodean adalah cara untuk mengubah nombor ini kepada nombor binari untuk disimpan dalam komputer:

Pengkodean UTF-8 akan disimpan seperti ini (binari) untuk "hello": 01101000 01100101 01101100 01101100 01101111

PengkodeanTukar nombor kepada binari.Sistem AksaraTukar aksara kepada nombor.

Kod Aksara UTF-8 HTML5

Bawah ini adalah senarai kod aksara UTF-8 yang disokong oleh HTML5:

Kod Aksara Dekad Seksadecimal
Kawalan C0 dan Latin Dasar 0-127 0000-007F
Kawalan C1 dan Sampingan Latin-1 128-255 0080-00FF
Latin Diperpanjang-A 256-383 0100-017F
Latin Diperpanjang-B 384-591 0180-024F
Penyesuaiantara Spasi 688-767 02B0-02FF
Tanda Diakritik 768-879 0300-036F
Greek dan Coptic 880-1023 0370-03FF
Cyrillic Dasar 1024-1279 0400-04FF
Penambahan Cyrillic 1280-1327 0500-052F
Puncak Umum 8192-8303 2000-206F
Simbol Mata Uang 8352-8399 20A0-20CF
Simbol Menyerupai Huruf 8448-8527 2100-214F
Tanduk 8592-8703 2190-21FF
Operator Matematika 8704-8959 2200-22FF
Gambar Tangan 9472-9599 2500-257F
Elemen Blok 9600-9631 2580-259F
Bentuk Geometri 9632-9727 25A0-25FF
Simbol Berbagai Macam 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF