یوٹی ایف-8 سی 0 کنٹرولر اور بنیادی لاطینی حروف

ਯੂਨੀਕੋਡ ਐਸੋਸੀਏਸ਼ਨ

ਯੂਨੀਕੋਡ ਐਸੋਸੀਏਸ਼ਨ ਨੇ Unicode ਸਟੈਂਡਰਡ ਵਿਕਸਿਤ ਕੀਤੀ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਟੀਚਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਸਟੈਂਡਰਡ ਯੂਨੀਕੋਡ ਟਰਾਂਸਫਾਰਮਰ ਫਾਰਮੈਟ (UTF) ਨਾਲ ਮੌਜੂਦਾ ਅੱਖਰ ਸੈੱਟਾਂ ਨੂੰ ਬਦਲਣਾ ਹੈ。

ਯੂਨੀਕੋਡ ਸਟੈਂਡਰਡ ਸਫਲਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ ਅਤੇ HTML, XML, Java, JavaScript, ਈ-ਮੇਲ, ASP, PHP ਆਦਿ ਰਾਹੀਂ ਲਾਗੂ ਕੀਤੀ ਗਈ ਹੈ। ਕਈ ਆਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਅਤੇ ਸਾਰੇ ਆਧੁਨਿਕ ਬਰਾਉਜ਼ਰਾਂ ਵਿੱਚ Unicode ਸਟੈਂਡਰਡ ਦੀ ਸਮਰੱਥਾ ਹੈ。

ਯੂਨੀਕੋਡ ਐਸੋਸੀਏਸ਼ਨ ਪ੍ਰਮੁੱਖ ਸਟੈਂਡਰਡ ਵਿਕਾਸ ਸੰਗਠਨਾਂ (ਜਿਵੇਂ ਕਿ ISO, W3C ਅਤੇ ECMA) ਨਾਲ ਸਹਿਯੋਗ ਕਰਦੀ ਹੈ。

ਯੂਨੀਕੋਡ ਅੱਖਰ ਸੈੱਟ

ਯੂਨੀਕੋਡ ਵੱਖ-ਵੱਖ ਅੱਖਰ ਸੈੱਟਾਂ ਰਾਹੀਂ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਕੋਡਿੰਗ ਯੂਨੀਕੋਡ-8 ਅਤੇ UTF-16 ਹਨ:

ਅੱਖਰ ਸੈੱਟ ਵਿਸ਼ੇਸ਼ਤਾ
UTF-8

UTF8 ਵਿੱਚ ਅੱਖਰ ਦੀ ਲੰਬਾਈ 1 ਤੋਂ 4 ਬਾਈਟ ਤੱਕ ਹੋ ਸਕਦੀ ਹੈ。

UTF-8 ਯੂਨੀਕੋਡ ਸਟੈਂਡਰਡ ਵਿੱਚ ਕਿਸੇ ਵੀ ਅੱਖਰ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ。

UTF-8 ਪਿਛਲੇ ਆਸਕੀ ਨਾਲ ਪਾਰਸਪਰਿਕ ਹੈ। UTF-8 ਈ-ਮੇਲ ਅਤੇ ਵੈੱਬਸਾਈਟਾਂ ਦਾ ਪਸੰਦੀਦਾ ਕੋਡਿੰਗ ਹੈ
UTF-16

16 ਬਿਟ ਯੂਨੀਕੋਡ ਟਰਾਂਸਫਾਰਮਰ ਫਾਰਮੈਟ ਯੂਨੀਕੋਡ ਦੇ ਵੱਡੇ ਅੱਖਰ ਸੈੱਟ ਦਾ ਬਦਲਦੀ ਕੰਟਰੋਲ ਲੰਬਾਈ ਚਾਰਜ ਕੋਡਿੰਗ ਹੈ ਜੋ ਸਾਰੇ ਯੂਨੀਕੋਡ ਰਿਪੋਜ਼ੀਟੋਰੀ ਨੂੰ ਕੋਡ ਕਰ ਸਕਦਾ ਹੈ。

UTF-16 ਮੁੱਖ ਓਪੇਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਅਤੇ ਮਾਹੌਲਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਮਾਈਕਰੋਸਾਫਟ ਵਿੰਡੋਜ਼, ਜਾਵਾ ਅਤੇ .NET。

ਟਿੱਪਣੀ:ਯੂਨੀਕੋਡ ਦੇ ਪਹਿਲੇ 128 ਅੱਖਰ (ASCII ਨਾਲ ਇੱਕ-ਇੱਕ ਮੈਚ) ਇੱਕ ਸਿੱਧੇ ਆਟੋਬਾਇਨਰੀ ਬਾਈਟ ਕੋਡਿੰਗ ਵਿੱਚ ਹਨ، ਇਹ ਆਟੋਬਾਇਨਰੀ ਬਾਈਟਾਂ ਐੱਸਸੀਆਈ ਨਾਲ ਇੱਕ ਸਮਾਨ ਬਾਇਨਰੀ ਕੋਡ ਵਾਲੇ ਹਨ ਜਿਸ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਐੱਸਸੀਆਈ ਟੈਕਸਟ ਵੀ ਯੂਟੀਐੱਫ-8 ਕੋਡਿੰਗ ਵਾਲਾ ਯੂਨੀਕੋਡ ਹੁੰਦਾ ਹੈ。

ਸੁਝਾਅ:ਐੱਚਟੀਐੱਮਐੱਲ 4 UTF-8 ਸਮਰਥਿਤ ਕਰਦਾ ਸੀ। ਐੱਚਟੀਐੱਮਐੱਲ 5 UTF-8 ਅਤੇ UTF-16 ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ!

ਐੱਚਟੀਐੱਮਐੱਲ5 ਸਟੈਂਡਰਡ: Unicode UTF-8

ਇਸਲੋ-8859 ਵਿੱਚ ਅੱਖਰ ਸੈੱਟ ਦਾ ਆਕਾਰ ਸੀਮਤ ਹੈ ਅਤੇ ਬਹੁਭਾ਷ਾ ਵਾਲੇ ਮਾਹੌਲ ਨਾਲ ਸਮਝੌਤਾ ਨਹੀਂ ਹੈ ਇਸ ਲਈ ਯੂਨੀਕੋਡ ਐਸੋਸੀਏਸ਼ਨ ਨੇ ਯੂਨੀਕੋਡ ਸਟੈਂਡਰਡ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ。

ਯੂਨੀਕੋਡ ਸਟੈਂਡਰਡ (ਕਰੀਬ) ਦੁਨੀਆ ਦੇ ਸਾਰੇ ਅੱਖਰਾਂ، ਸੰਦੇਸ਼ ਅਤੇ ਚਿੰਨ੍ਹਾਂ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ。

ਯੂਨੀਕੋਡ ਪਲੇਟਫਾਰਮ ਅਤੇ ਭਾਸ਼ਾ ਨਾਲ ਅਲੱਗ ਤੋਂ ਟੈਕਸਟ ਦੇ ਪ੍ਰੋਸੈਸਿੰਗ, ਸਟੋਰ ਅਤੇ ਟ੍ਰਾਂਸਮਿਸ਼ਨ ਨੂੰ ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ。

ਐੱਚਟੀਐੱਲ5 ਵਿੱਚ ਮੂਲਤਬੀ ਅੱਖਰ ਕੋਡਿੰਗ UTF-8 ਹੈ。

ਜੇਕਰ ਐੱਚਟੀਐੱਮਐੱਲ5 ਵੈੱਬਸਾਈਟ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਅੱਖਰ ਸੈੱਟ UTF-8 ਨਹੀਂ ਹੈ ਤਾਂ <meta> ਟੈਗ ਵਿੱਚ ਉਸ ਅੱਖਰ ਸੈੱਟ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ，ਉਦਾਹਰਣ ਵਜੋਂ:

ਉਦਾਹਰਣ

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

ਯੂਨੀਕੋਡ ਅਤੇ UTF-8 ਦਰਮਿਆਨ ਫਰਕ

ਯੂਨੀਕੋਡ ਅੱਖਰ ਸੈੱਟ ਹੈ। UTF-8 ਕੋਡਿੰਗ ਹੈ।

ਯੂਨੀਕੋਡ ਯੂਨਿਕ ਦਸਮਾਂਗੀ ਨੰਬਰ (ਕੋਡ ਪੁਆਇੰਟ) ਵਾਲੇ ਅੱਖਰ ਦੀ ਸੂਚੀ ਹੈ। A = 65،B = 66،C = 67،...。

ਇਹ ਦਸਮਾਂਗੀ ਨੰਬਰ ਸ਼ਬਦ "hello" ਦਿਸਦੇ ਹਨ: 104 101 108 108 111

ਕੋਡਿੰਗ ਇਹ ਸੰਖਿਆਵਾਂ ਬਾਇਨਰੀ ਨੰਬਰਾਂ ਵਿੱਚ ਬਦਲ ਕੇ ਕੰਪਿਊਟਰ ਵਿੱਚ ਸਟੋਰ ਕਰਨ ਦਾ ਤਰੀਕਾ ਹੈ:

ਯੂਟੀਐੱਫ-8 ਕੋਡਿੰਗ ਇਸ ਤਰ੍ਹਾਂ (ਬਾਇਨਰੀ) "hello" ਨੂੰ ਸਟੋਰ ਕਰੇਗਾ: 01101000 01100101 01101100 01101100 01101111

ਕੋਡਿੰਗਸੰਖਿਆ ਨੂੰ ਬਾਇਨਰੀ ਵਿੱਚ ਬਦਲੋ。ਅੱਖਰ ਸੈੱਟਅੱਖਰ ਨੂੰ ਸੰਖਿਆ ਵਿੱਚ ਬਦਲੋ。

ਐੱਚਟੀਐੱਮਐੱਲ5 ਯੂਟੀਐੱਫ-8 ਅੱਖਰ ਕੋਡ

ਹੇਠ ਦੇ ਸ਼ੈਡੂਲ ਵਿੱਚ ਐੱਚਟੀਐੱਮਐੱਲ5 ਦੁਆਰਾ ਸਮਰਥਿਤ ਕੁਝ ਯੂਟੀਐੱਫ-8 ਅੱਖਰ ਕੋਡਾਂ ਦੀ ਸੂਚੀ ਹੈ:

ਅੱਖਰ ਕੋਡ ਦਸਮਾਂਗੀ ਦਸਹਰਾ
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