HTML Unicode (UTF-8) referenshandbok

Unicode-alliansen

Unicode-alliansen har utvecklat Unicode-standarden. Deras mål är att ersätta befintliga teckenuppsättningar med deras standardiserade Unicode-konverteringsformat (UTF).

Unicode-standarden har varit framgångsrik och har realiserats genom HTML, XML, Java, JavaScript, e-post, ASP, PHP och så vidare. Unicode-standarden stöds av många operativsystem och alla moderna webbläsare.

Unicode-alliansen samarbetar med ledande standardutvecklingsorganisationer (t.ex. ISO, W3C och ECMA).

Unicode-teckenuppsättning

Unicode kan implementeras genom olika teckenuppsättningar. De mest använda koder är UTF-8 och UTF-16:

字符集 Förklaring
UTF-8

Teckenens längd i UTF-8 kan vara mellan 1 och 4 byte.

UTF-8 kan representera alla tecken i Unicode-standarden.

UTF-8 är bakåtkompatibel med ASCII. UTF-8 är den föredragna koden för e-post och webbsidor.
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
Latin utökad-A 256-383 0100-017F
Latin utökad-B 384-591 0180-024F
Mellanslag modifierare 688-767 02B0-02FF
Diacritiska tecken 768-879 0300-036F
Grekiska och koptiska 880-1023 0370-03FF
Kyrilliska grund 1024-1279 0400-04FF
Kyrilliska tillägg 1280-1327 0500-052F
Allmänna tecken 8192-8303 2000-206F
Valutasymboler 8352-8399 20A0-20CF
Bokstavsliknande symboler 8448-8527 2100-214F
Pilar 8592-8703 2190-21FF
Matematiska operatorer 8704-8959 2200-22FF
Rutor ritas 9472-9599 2500-257F
Blockelement 9600-9631 2580-259F
Geometriska former 9632-9727 25A0-25FF
Diverse symboler 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF