คู่มืออ้างอิง HTML Unicode (UTF-8)

Unicode Consortium

Unicode Consortium ได้พัฒนามาตรฐาน Unicode มุ่งหมายที่จะแทนที่ชุดตัวอักษรที่มีอยู่แล้วด้วยรูปแบบการแปลง Unicode มาตรฐาน (UTF)

มาตรฐาน Unicode ได้ประสบความสำเร็จและสามารถนำไปปฏิบัติด้วย HTML, XML, Java, JavaScript, อีเมล, ASP, PHP และอื่น ๆ มาตรฐานนี้ได้ทันที มีการสนับสนุนมาตรฐาน Unicode ในหลายระบบปฏิบัติการและบราวเซอร์ทั้งหมดที่มีปัจจุบัน

Unicode Consortium ร่วมมือกับองค์กรพัฒนามาตรฐานที่นำหน้า (เช่น ISO, W3C และ ECMA)

ตัวอักษร Unicode

Unicode สามารถสร้างด้วยตัวอักษรชุดต่าง ๆ หลากหลาย ระบบรหัสการที่ใช้งานมากที่สุดคือ UTF-8 และ UTF-16:

ชุดอักษร การอธิบาย
UTF-8

ความยาวของตัวอักษรใน UTF-8 สามารถมีความยาวจาก 1 ถึง 4 ไบต์

UTF-8 สามารถแสดงแสดงแก้ไขตัวอักษรที่มีอยู่ในมาตรฐาน Unicode ได้ทั้งหมด

UTF-8 มีความสามารถยอมรับ ASCII ได้ และเป็นรหัสการเข้าข้อมูลที่นิยมใช้สำหรับอีเมลและเว็บไซต์
UTF-16

รูปแบบการเข้ารหัส Unicode 16 บิตเป็นรูปแบบการเข้ารหัสตัวอักษรยาวของ Unicode ที่สามารถเข้ารหัสครอบคลุมทั้งหมดของ Unicode repertoire

UTF-16 ใช้ในระบบปฏิบัติการและสภาพแวดล้อมหลัก เช่น Microsoft Windows, Java และ .NET

หมายเหตุ：ตัวอักษรแรก 128 ตัวของ Unicode (ตรงกันข้ามกับ ASCII) ใช้การเข้ารหัสแบบบิตที่หนึ่ง ซึ่งมีค่าเท่ากับค่าบิตของ ASCII ทำให้ข้อความ ASCII ที่มีประสิทธิภาพกลายเป็นการเข้ารหัส UTF-8 Unicode ที่มีประสิทธิภาพ

คำเตือน：HTML 4 สนับสนุน UTF-8 และ HTML 5 สนับสนุน UTF-8 และ UTF-16!

มาตรฐาน HTML5: Unicode UTF-8

เนื่องจากขนาดของชุดอักษรใน ISO-8859 มีจำกัด และไม่สามารถใช้งานได้ในสภาพแวดล้อมหลายภาษา สมาคม Unicode จึงพัฒนามาตรฐาน Unicode

มาตรฐาน Unicode (เกือบ) ครอบคลุมตัวอักษร สัญลักษณ์ และสัญลักษณ์ทั้งหมดของโลก

Unicode สนับสนุนการจัดการข้อความที่เป็นเอกสารที่ไม่ขึ้นกับแผงคอมพิวเตอร์และภาษา

รหัสอักษรปริมาณตัวเลขมาตรฐานของ HTML5 คือ UTF-8。

ถ้าชุดอักษรของเว็บไซต์ HTML5 ที่ใช้ต่างจาก UTF-8 ต้องระบุชุดอักษรนี้ในแท็ก <meta> อย่างต่อไปนี้：

ตัวอย่าง

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

ความแตกต่างระหว่าง Unicode และ UTF-8

Unicode คือชุดอักษร UTF-8 คือการเข้ารหัส

Unicode คือรายชื่อตัวอักษรที่มีตัวเลขเดียวกัน (จุดรหัส) และ A = 65, B = 66, C = 67, ...。

รายชื่อตัวเลขเดียวกันกับตัวอักษร "hello": 104 101 108 108 111

การเข้ารหัสคือวิธีที่แปลงเหล่าตัวเลขเป็นตัวเลขสองทศนิยมเพื่อเก็บไว้ในคอมพิวเตอร์:

การเข้ารหัส UTF-8 จะเก็บ "hello" อย่างนี้ (ระบบสองทศนิยม) 01101000 01100101 01101100 01101100 01101111

การเข้ารหัสแปลงตัวเลขเป็นระบบสองทศนิยม。ชุดอักษรแปลงอักษรเป็นตัวเลข。

รหัสอักษร UTF-8 HTML5

ตารางด้านล่างคือรายชื่อรหัสอักษร UTF-8 บางส่วนที่ HTML5 สนับสนุน：

รหัสอักษร สิบตัวเลข สิบหกตัวเลข
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