Референсное руководство по HTML Unicode (UTF-8)

Unicode Consortium

The Unicode Consortium has developed the Unicode standard. Their goal is to replace existing character sets with the Unicode standard's Unicode Transformation Format (UTF).

The Unicode standard has been successful and has been implemented through HTML, XML, Java, JavaScript, email, ASP, PHP, and more. Unicode standards are supported in many operating systems and all modern browsers.

The Unicode Consortium collaborates with leading standard development organizations (such as ISO, W3C, and ECMA).

Unicode Character Set

Unicode can be implemented through different character sets. The most commonly used encodings are UTF-8 and UTF-16:

Черепа Description
UTF-8

The character length in UTF-8 can be from 1 to 4 bytes.

UTF-8 can represent any character in the Unicode standard.

UTF-8 Compatible with ASCII. UTF-8 is the preferred encoding for email and web pages.
UTF-16

Формат кодирования Unicode 16 бит - это переменной длины кодирование символов Unicode, которое может кодировать весь репертуар Unicode.

UTF-16 используется в основных операционных системах и средах, таких как Microsoft Windows, Java и .NET.

Комментарий:Первые 128 символов Unicode (один к одному соответствуют ASCII) кодируются одним восьмибитным байтом, у которого есть такие же двоичные значения, что делает эффективный ASCII текст также эффективным UTF-8 кодированием Unicode.

Совет:HTML 4 поддерживает UTF-8. HTML 5 поддерживает UTF-8 и UTF-16!

Стандарт HTML5: Unicode UTF-8

Из-за ограничения размера набора символов в ISO-8859 и его несовместимости с многоязыковой средой, Ассоциация Unicode разработала стандарт Unicode.

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

Unicode поддерживает обработку, хранение и передачу текста, независимые от платформы и языка.

Стандартный кодировщик символов в HTML5 - UTF-8.

Если字符ный набор веб-страницы HTML5 отличается от UTF-8, то этот набор следует указать в теге <meta>, например:

Пример

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

Разница между Unicode и UTF-8

Unicode - это черепа. UTF-8 - это кодирование.

Unicode - это список символов с уникальными десятичными числами (кодами точек). A = 65, B = 66, C = 67, ...

Этот список десятичных чисел представляет строку "hello": 104 101 108 108 111

Кодирование - это способ преобразования этих чисел в двоичные числа для хранения в компьютере:

UTF-8 кодирование будет хранить "hello" следующим образом (двоичный код): 01101000 01100101 01101100 01101100 01101111

КодированиеПреобразование числа в двоичное.ЧерепаПреобразование символа в число.

UTF-8 коды символов в HTML5

В таблице приведен список некоторых UTF-8 кодов символов, поддерживаемых HTML5:

Код символа Десятичное число Шестнадцатеричное число
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
Пробельные модификаторы 688-767 02B0-02FF
Дiacritical Marks 768-879 0300-036F
Греческие и коптские символы 880-1023 0370-03FF
Основные символы кириллицы 1024-1279 0400-04FF
Дополнительные символы к кириллице 1280-1327 0500-052F
Общий знакопись 8192-8303 2000-206F
Символы валют 8352-8399 20A0-20CF
Символы, похожие на буквы 8448-8527 2100-214F
Стрелки 8592-8703 2190-21FF
Математические операторы 8704-8959 2200-22FF
Рисунки рамок 9472-9599 2500-257F
Блочные элементы 9600-9631 2580-259F
Геометрические фигуры 9632-9727 25A0-25FF
Различные символы 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF