Panduan Rujukan Unicode (UTF-8) HTML

Liga Unicode

Liga Unicode mengembangkan standar Unicode. Mereka bertujuan untuk menggantikan set aksara yang ada dengan format pengalihan Unicode standar (UTF) yang mereka jadikan.

Standar Unicode telah sukses dan dapat dicapai melalui HTML, XML, Java, JavaScript, e-mel, ASP, PHP dan lainnya. Di dalam banyak sistem operasi dan semua pelayar modern, standar Unicode juga disokong.

Liga Unicode bekerjasama dengan organisasi pengembangan standar terkemuka (seperti ISO, W3C dan ECMA).

Set aksara Unicode

Unicode boleh diwujudkan melalui berbagai-bagai set aksara. Kod pengkodean yang paling sering digunakan adalah UTF-8 dan UTF-16:

Koleksi aksara Pengarahan
UTF-8

Panjang aksara dalam UTF8 boleh jauh melepasi 1 hingga 4 bait.

UTF-8 dapat mengecek setiap aksara di dalam standar Unicode.

UTF-8 mempunyai keserasian ASCII. UTF-8 adalah kod pengkodean yang paling dipilih untuk e-mel dan laman web.
UTF-16

Format pengkodan Unicode 16-bit adalah pengkodan aksara panjang ukuran berubah untuk seluruh repertoire Unicode.

UTF-16 digunakan dalam sistem operasi dan lingkungan utama, seperti Microsoft Windows, Java dan .NET.

Komenari:128 aksara awal Unicode (sama seperti ASCII) menggunakan pengkodan satu byte yang mempunyai nilai binari yang sama seperti ASCII, jadi teks ASCII yang sah juga menjadi pengkodan UTF-8 Unicode yang sah.

Petikan:HTML 4 menyokong UTF-8. HTML 5 menyokong UTF-8 dan UTF-16!

Standard HTML5: Unicode UTF-8

Karena saiz kumpulan aksara ISO-8859 terhadap batas dan tak serasi dengan lingkungan berbilang bahasa, Perkumpulan Unicode telah mengembangkan standard Unicode.

Standard Unicode (hampir) mencakup semua aksara, tanda baca dan simbol di dunia.

Unicode mendukung penggunaan teks yang bebas platform dan bahasa untuk pengelolaan, simpanan dan penghantaran.

Kod pengkodan baku HTML5 adalah UTF-8.

Jika kumpulan aksara halaman web HTML5 digunakan adalah berbeza daripada UTF-8, kumpulan aksara itu seharusnya ditentukan di dalam penanda <meta>, contohnya:

Contoh

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

Perbezaan antara Unicode dan UTF-8

Unicode adalah koleksi aksara. UTF-8 adalah pengkodan.

Unicode adalah senarai aksara dengan nombor desimal (poin kod) unik. A = 65, B = 66, C = 67, ...

Senarai nombor desimal ini mewakili string "hello": 104 101 108 108 111

Pengkodan adalah cara untuk mengkonversi nombor ini kepada nombor binari untuk disimpan dalam komputer:

Pengkodan UTF-8 akan disimpan seperti ini (binari) untuk "hello": 01101000 01100101 01101100 01101100 01101111

PengkodanTukar nombor kepada binari.Koleksi aksaraTukar aksara kepada nombor.

Kod aksara UTF-8 HTML5

Bawah ini adalah senarai kod aksara UTF-8 yang disokong oleh HTML5:

Kod aksara Desimal Hexadesimal
Kawalan C0 dan Latin Dasar 0-127 0000-007F
Kawalan C1 dan Tambahan Latin-1 128-255 0080-00FF
Latin Diperpanjang-A 256-383 0100-017F
Latin Diperpanjang-B 384-591 0180-024F
Penambah Ruang 688-767 02B0-02FF
Tanda Diakritik 768-879 0300-036F
Greek dan Coptic 880-1023 0370-03FF
Cyrillic Dasar 1024-1279 0400-04FF
Penambahan Cyrillic 1280-1327 0500-052F
Punctuation Umum 8192-8303 2000-206F
Simbol Mata Uang 8352-8399 20A0-20CF
Simbol seperti Huruf 8448-8527 2100-214F
Tanduk 8592-8703 2190-21FF
Operator Matematik 8704-8959 2200-22FF
Gambaran Kotak 9472-9599 2500-257F
Elemen Block 9600-9631 2580-259F
Bentuk Geometri 9632-9727 25A0-25FF
Simbol Berbagai Macam 9728-9983 2600-26FF
Dingbats 9984-10175 2700-27BF