HTML-文字エンコード

文字エンコードは、バイトを文字に変換する方法です。HTMLドキュメントを適切に検証または表示するには、プログラムで適切な文字エンコードを選択する必要があります。

コンピュータで使用されている最も一般的な文字セットまたは文字エンコーディングはASCIIです。 The American Standard Code for Information Interchange、これはおそらく、テキストを電子的にエンコードするために最も広く使用されている文字セットです。

ASCIIエンコーディングは、大文字と小文字のラテンアルファベット、0〜9の数字、および合計128文字になるいくつかの追加文字のみをサポートします。印刷可能なASCII文字の完全なセットを見ることができます

ただし、多くの言語では、アクセント付きのラテン文字またはまったく異なるアルファベットが使用されています。ASCIIはこれらの文字を扱いません。したがって、ASCII以外の文字を使用する場合は、文字エンコードについて学習する必要があります。

国際標準化機構は、さまざまな国の文字を処理するためにさまざまな文字セットを作成しました。英語および他のほとんどの西ヨーロッパ言語のドキュメントには、広くサポートされているエンコーディングISO-8859-1が使用されます。

これは、世界中で使用されている文字セットのリストとその説明です。

シニア番号	文字セットと説明
1	ISO-8859-1 ラテンアルファベットパート1 北米、西ヨーロッパ、ラテンアメリカ、カリブ海、カナダ、アフリカをカバー
2	ISO-8859-2 ラテンアルファベットパート2 東ヨーロッパをカバー
3	ISO-8859-3 ラテンアルファベットパート3 SEヨーロッパ、エスペラント、その他をカバー
4	ISO-8859-4 ラテンアルファベットパート4 スカンジナビア/バルト諸国（およびISO-8859-1にないその他）をカバーする
5	ISO-8859-5 ラテン/キリル文字パート5
6	ISO-8859-6 ラテン/アラビア語アルファベットパート6
7	ISO-8859-7 ラテン語/ギリシャ語のアルファベットパート7
8	ISO-8859-8 ラテン語/ヘブライ語のアルファベットパート8
9	ISO-8859-9 ラテン語5アルファベットパート9 トルコ語の文字がアイスランド語の文字に置き換わる以外はISO-8859-1と同じ
10	ISO-8859-10 ラテン6ラテン6ラップ、北欧、エスキモー
11	ISO-8859-15 ISO-8859-1と同じですが、より多くの文字が追加されています
12	ISO-2022-JP ラテン語/日本語アルファベットパート1
13	ISO-2022-JP-2 ラテン語/日本語アルファベットパート2
14	ISO-2022-KR ラテン語/韓国語のアルファベットパート1

その後、ユニコードコンソーシアムは、異なる言語のこれらの異なる互換性のない文字コードを使用するのではなく、異なる言語のすべての文字を表示する方法を考案するために設立されました。

したがって、複数の文字セットの文字を使用するドキュメントを作成する場合は、単一のUnicode文字エンコードを使用して作成できます。

したがって、Unicodeは、文字列に含まれる巨大な文字セットに十分なスペースを確保するために、文字列を特別な方法で処理できるエンコーディングを指定します。これらは、UTF8、UTF-16、およびUTF-32として知られています。

シニア番号	文字セットと説明
1	UTF-8 8ビット単位で提供されるUnicode変換形式、つまりバイト単位で提供されます。UTF8の文字の長さは1〜4バイトで、UTF8の幅は可変になります。
2	UTF-16 16ビット単位で提供されるUnicode変換形式、つまりショートパンツで提供されます。1つまたは2つのショーツの長さにすることができ、UTF16の幅を可変にします。
3	UTF-32 32ビット単位で提供されるUnicode変換形式、つまり、longで提供されます。これは固定幅フォーマットであり、長さは常に1「長さ」です。

Unicode文字セットの最初の256文字は、ISO-8859-1の256文字に対応します。

デフォルトでは、HTML 4プロセッサはUTF-8をサポートする必要があり、XMLプロセッサはUTF-8とUTF-16をサポートすることになっています。したがって、すべてのXHTML準拠のプロセッサはUTF-16もサポートする必要があります。