HTML Unicode (UTF-8) Verwysing
Die Unicode-konsortium
Die Unicode-konsortium ontwikkel die Unicode-standaard. Hulle doel is om die bestaande karakterstelle te vervang met sy standaard Unicode Transformation Format (UTF).
Die Unicode-standaard het 'n sukses geword en word geïmplementeer in HTML, XML, Java, JavaScript, E-pos, ASP, PHP, ens. Die Unicode-standaard word ook in baie bedryfstelsels en alle moderne blaaiers ondersteun.
Die Unicode-konsortium werk saam met die toonaangewende standaardontwikkelingsorganisasies, soos ISO, W3C en ECMA.
Die Unicode-karakterstelle
Unicode kan deur verskillende karakterstelle geïmplementeer word. Die mees algemeen gebruikte enkoderings is UTF-8 en UTF-16:
Character-set | Description |
---|---|
UTF-8 | A character in UTF8 can be from 1 to 4 bytes long. UTF-8 can represent any character in the Unicode standard. UTF-8 is backwards compatible with ASCII. UTF-8 is the preferred encoding for e-mail and web pages |
UTF-16 | 16-bit Unicode Transformation Format is a variable-length character encoding for Unicode, capable of encoding the entire Unicode repertoire. UTF-16 is used in major operating systems and environments, like Microsoft Windows, Java and .NET. |
Wenk: Die eerste 128 karakters van Unicode (wat een-tot-een met ASCII ooreenstem) word geënkodeer deur 'n enkele oktet met dieselfde binêre waarde as ASCII te gebruik, wat geldige ASCII-teks ook geldig maak met UTF-8-geënkodeerde Unicode.
HTML 4 ondersteun UTF-8. HTML 5 ondersteun beide UTF-8 en UTF-16!
Die HTML5-standaard: Unicode UTF-8
Omdat die karakterstelle in ISO-8859 beperk in grootte was, en nie versoenbaar was in veeltalige omgewings nie, het die Unicode-konsortium die Unicode-standaard ontwikkel.
Die Unicode-standaard dek (byna) al die karakters, leestekens en simbole in die wêreld.
Unicode maak die verwerking, berging en vervoer van teks moontlik, onafhanklik van platform en taal.
Die verstekkarakterkodering in HTML-5 is UTF-8.
As 'n HTML5-webblad 'n ander karakterstel as UTF-8 gebruik, moet dit in die <meta>-merker gespesifiseer word soos:
Voorbeeld
<meta charset="ISO-8859-1">
Die verskil tussen Unicode en UTF-8
Unicode is 'n karakterstel . UTF-8 is enkodering .
Unicode is 'n lys karakters met unieke desimale getalle (kodepunte). A = 65, B = 66, C = 67, ....
Hierdie lys desimale getalle verteenwoordig die string "hallo": 104 101 108 108 111
Enkodering is hoe hierdie getalle in binêre getalle vertaal word om in 'n rekenaar gestoor te word:
UTF-8-kodering sal "hallo" soos hierdie stoor (binêr): 01101000 01100101 01101100 01101100 01101111
Enkodering vertaal getalle in binêre. Karakterstelle vertaal karakters na syfers.
HTML5 UTF-8 karakterkodes
Hieronder is 'n lys van sommige van die UTF-8-karakterkodes wat deur HTML5 ondersteun word:
Character codes | Decimal | Hexadecimal |
---|---|---|
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 |