HTML - Zeichenkodierungen
Die Zeichenkodierung ist eine Methode zum Konvertieren von Bytes in Zeichen. Um ein HTML-Dokument ordnungsgemäß zu validieren oder anzuzeigen, muss ein Programm eine geeignete Zeichenkodierung auswählen.
Der auf Computern am häufigsten verwendete Zeichensatz oder die am häufigsten verwendete Zeichenkodierung ist ASCII - The American Standard Code for Information Interchange, und dies ist wahrscheinlich der am häufigsten verwendete Zeichensatz zum elektronischen Codieren von Text.
Die ASCII-Codierung unterstützt nur das lateinische Alphabet in Groß- und Kleinbuchstaben, die Zahlen 0-9 und einige zusätzliche Zeichen, die insgesamt 128 Zeichen ergeben. Sie können sich einen vollständigen Satz druckbarer ASCII-Zeichen ansehen
Viele Sprachen verwenden jedoch entweder lateinische Zeichen mit Akzent oder völlig andere Alphabete. ASCII adressiert diese Zeichen nicht. Daher müssen Sie sich mit Zeichenkodierungen vertraut machen, wenn Sie Nicht-ASCII-Zeichen verwenden möchten.
Die International Standards Organization hat eine Reihe von Zeichensätzen erstellt, um mit verschiedenen nationalen Zeichen umzugehen. Für die Dokumente in Englisch und den meisten anderen westeuropäischen Sprachen wird die weit verbreitete Codierung ISO-8859-1 verwendet.
Hier ist die Liste der weltweit verwendeten Zeichensätze zusammen mit ihrer Beschreibung.
| Sr.Nr. | Zeichensatz & Beschreibung |
|---|---|
| 1 | ISO-8859-1 Lateinisches Alphabet Teil 1 Abdeckung von Nordamerika, Westeuropa, Lateinamerika, der Karibik, Kanada, Afrika |
| 2 | ISO-8859-2 Lateinisches Alphabet Teil 2 Osteuropa abdecken |
| 3 | ISO-8859-3 Lateinisches Alphabet Teil 3 Deckt Südosteuropa, Esperanto und verschiedene andere ab |
| 4 | ISO-8859-4 Lateinisches Alphabet Teil 4 Abdeckung Skandinavien / Baltikum (und andere nicht in ISO-8859-1) |
| 5 | ISO-8859-5 Lateinisches / kyrillisches Alphabet Teil 5 |
| 6 | ISO-8859-6 Lateinisch / Arabisches Alphabet Teil 6 |
| 7 | ISO-8859-7 Lateinisch / Griechisches Alphabet Teil 7 |
| 8 | ISO-8859-8 Lateinisch / Hebräisches Alphabet Teil 8 |
| 9 | ISO-8859-9 Latein 5 Alphabet Teil 9 Wie ISO-8859-1, außer dass türkische Zeichen isländische ersetzen |
| 10 | ISO-8859-10 Latein 6 Latein 6 Lappisch, Nordisch und Eskimo |
| 11 | ISO-8859-15 Das gleiche wie ISO-8859-1, jedoch mit mehr hinzugefügten Zeichen |
| 12 | ISO-2022-JP Lateinisch / Japanisches Alphabet Teil 1 |
| 13 | ISO-2022-JP-2 Lateinisch / Japanisches Alphabet Teil 2 |
| 14 | ISO-2022-KR Lateinisch / Koreanisches Alphabet Teil 1 |
Das Unicode-Konsortium wurde dann eingerichtet, um eine Möglichkeit zu entwickeln, alle Zeichen verschiedener Sprachen anzuzeigen, anstatt diese unterschiedlichen inkompatiblen Zeichencodes für verschiedene Sprachen zu haben.
Wenn Sie also Dokumente erstellen möchten, die Zeichen aus mehreren Zeichensätzen verwenden, können Sie dies mit den einzelnen Unicode-Zeichenkodierungen tun.
Unicode gibt daher Codierungen an, die auf besondere Weise mit einer Zeichenfolge umgehen können, um genügend Platz für den darin enthaltenen riesigen Zeichensatz zu schaffen. Diese werden als UTF8, UTF-16 und UTF-32 bezeichnet.
| Sr.Nr. | Zeichensatz & Beschreibung |
|---|---|
| 1 | UTF-8 Ein Unicode-Übersetzungsformat, das in 8-Bit-Einheiten geliefert wird, dh in Bytes. Ein Zeichen in UTF8 kann 1 bis 4 Byte lang sein, wodurch UTF8 eine variable Breite aufweist. |
| 2 | UTF-16 Ein Unicode-Übersetzungsformat, das in 16-Bit-Einheiten geliefert wird, dh in kurzen Formaten. Es kann 1 oder 2 Shorts lang sein, wodurch UTF16 eine variable Breite hat. |
| 3 | UTF-32 Ein Unicode-Übersetzungsformat, das in 32-Bit-Einheiten geliefert wird, dh in Longs. Es ist ein Format mit fester Breite und immer 1 "lang" lang. |
Die ersten 256 Zeichen von Unicode-Zeichensätzen entsprechen den 256 Zeichen von ISO-8859-1.
Standardmäßig sollten HTML 4-Prozessoren UTF-8 unterstützen, und XML-Prozessoren sollen UTF-8 und UTF-16 unterstützen. Daher sollten alle XHTML-kompatiblen Prozessoren auch UTF-16 unterstützen.