Foro | Los últimos tutoriales de desarrollo web
 

HTML Unicode (UTF-8) Referencia


El Consorcio Unicode

El Consorcio Unicode desarrolla el estándar Unicode.Their goal is to replace the existing character sets with its standard Unicode Transformation Format (UTF). Su objetivo es reemplazar los conjuntos de caracteres existentes con su formato de transformación Unicode estándar (UTF).

El estándar Unicode se ha convertido en un éxito y está implementado en HTML, XML, Java, JavaScript, E-mail, ASP, PHP, etc. El estándar Unicode se apoya también en muchos sistemas operativos y todos los navegadores modernos.

El Consorcio Unicode coopera con las organizaciones de desarrollo de estándares principales, como la ISO, el W3C y ECMA.


Los juegos de caracteres de Unicode

Unicode puede ser implementado por diferentes conjuntos de caracteres.The most commonly used encodings are UTF-8 and UTF-16: Las codificaciones más utilizadas son UTF-8 y 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.

Consejo:Los primeros 128 caracteres de Unicode (que corresponden uno a uno con ASCII) se codifica mediante un solo octeto con el mismo valor binario como ASCII, haciendo de texto ASCII válidos válida UTF-8-codificado Unicode también.

NotaHTML 4 es compatible con UTF-8.HTML 5 supports both UTF-8 and UTF-16! HTML 5 es compatible con UTF-8 y UTF-16!


El HTML5 estándar: Unicode UTF-8

Debido a que los juegos de caracteres de la norma ISO-8859 fue limitado en tamaño, y no es compatible en entornos multilingües, el Consorcio Unicode desarrolló el estándar Unicode.

Las cubiertas estándar Unicode (casi) todos los caracteres, signos de puntuación y símbolos que existen.

Unicode permite el procesamiento, almacenamiento y transporte de texto independiente de la plataforma y lenguaje.

La codificación de caracteres por defecto en HTML-5 es UTF-8.

Si una página web HTML 5 utiliza un conjunto de caracteres diferente de UTF-8, se debe especificar en la etiqueta <meta> como:

Ejemplo

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

La diferencia entre Unicode y UTF-8

Unicode es un conjunto de caracteres.UTF-8 is encoding . UTF-8 es la codificación.

Unicode es una lista de caracteres con números decimales (puntos únicos de códigos).A = 41, B = 42, C = 43, .... A = 41, B = 42, C = 43, ....

Esta lista de números decimales representan la cadena "Hola": 104 101 108 108 111

La codificación es cómo estos números se traducen en números binarios para ser almacenados en un ordenador:

Codificación UTF-8 almacenará "hola" como esto (binario): 01101000 01100101 01101100 01101100 01101111

NotaCodificación se traduce en un número binario. Los conjuntos de caracteres se traduce caracteres en números.


UTF-8 Códigos de caracteres HTML5

A continuación se muestra una lista de algunos de los caracteres UTF-8 códigos de caracteres soportados por HTML 5:

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