HTML - Codages de caractères

Le codage de caractères est une méthode de conversion d'octets en caractères. Pour valider ou afficher correctement un document HTML, un programme doit choisir un encodage de caractères approprié.

Le jeu de caractères ou le codage de caractères le plus couramment utilisé sur les ordinateurs est ASCII - The American Standard Code for Information Interchange, et c'est probablement le jeu de caractères le plus utilisé pour encoder du texte électroniquement.

L'encodage ASCII ne prend en charge que l'alphabet latin majuscules et minuscules, les chiffres 0-9 et quelques caractères supplémentaires qui font un total de 128 caractères en tout. Vous pouvez jeter un œil à l'ensemble complet de caractères ASCII imprimables

Cependant, de nombreuses langues utilisent des caractères latins accentués ou des alphabets complètement différents. ASCII ne traite pas ces caractères; par conséquent, vous devez vous renseigner sur les encodages de caractères si vous souhaitez utiliser des caractères non ASCII.

L'Organisation internationale de normalisation a créé une gamme de jeux de caractères pour traiter différents caractères nationaux. Pour les documents en anglais et dans la plupart des autres langues d'Europe occidentale, le codage ISO-8859-1 largement pris en charge est utilisé.

Voici la liste des jeux de caractères utilisés dans le monde avec leur description.

Sr.Non Jeu de caractères et description
1

ISO-8859-1

Alphabet latin partie 1

Couvrant l'Amérique du Nord, l'Europe occidentale, l'Amérique latine, les Caraïbes, le Canada, l'Afrique

2

ISO-8859-2

Alphabet latin partie 2

Couvrir l'Europe de l'Est

3

ISO-8859-3

Alphabet latin partie 3

Couvrant l'Europe du Sud-Est, l'espéranto, divers autres

4

ISO-8859-4

Alphabet latin partie 4

Couvrant la Scandinavie / la Baltique (et d'autres non dans l'ISO-8859-1)

5

ISO-8859-5

Alphabet latin / cyrillique partie 5

6

ISO-8859-6

Alphabet latin / arabe partie 6

sept

ISO-8859-7

Alphabet latin / grec partie 7

8

ISO-8859-8

Alphabet latin / hébreu partie 8

9

ISO-8859-9

Alphabet latin 5 partie 9

Identique à ISO-8859-1 sauf que les caractères turcs remplacent les islandais

dix

ISO-8859-10

Latin 6 Latin 6 Lapon, nordique et esquimau

11

ISO-8859-15

Identique à ISO-8859-1 mais avec plus de caractères ajoutés

12

ISO-2022-JP

Alphabet latin / japonais partie 1

13

ISO-2022-JP-2

Alphabet latin / japonais partie 2

14

ISO-2022-KR

Alphabet latin / coréen partie 1

Le Consortium Unicode a ensuite été mis en place pour concevoir un moyen d'afficher tous les caractères de différentes langues, plutôt que d'avoir ces différents codes de caractères incompatibles pour différentes langues.

Par conséquent, si vous souhaitez créer des documents qui utilisent des caractères de plusieurs jeux de caractères, vous pourrez le faire en utilisant les encodages de caractères Unicode uniques.

Unicode spécifie donc des encodages qui peuvent traiter une chaîne de manière spéciale afin de laisser suffisamment d'espace pour l'énorme jeu de caractères qu'elle englobe. Ceux-ci sont appelés UTF8, UTF-16 et UTF-32.

Sr.Non Jeu de caractères et description
1

UTF-8

Un format de traduction Unicode disponible en unités 8 bits, c'est-à-dire en octets. Un caractère en UTF8 peut avoir une longueur de 1 à 4 octets, ce qui donne une largeur variable à UTF8.

2

UTF-16

Un format de traduction Unicode disponible en unités 16 bits, c'est-à-dire en short. Il peut être long de 1 ou 2 shorts, ce qui fait de l'UTF16 une largeur variable.

3

UTF-32

Un format de traduction Unicode qui est disponible en unités 32 bits, c'est-à-dire qu'il vient en longs. Il s'agit d'un format à largeur fixe et sa longueur est toujours de 1 "long".

Les 256 premiers caractères des jeux de caractères Unicode correspondent aux 256 caractères d'ISO-8859-1.

Par défaut, les processeurs HTML 4 doivent prendre en charge UTF-8, et les processeurs XML sont censés prendre en charge UTF-8 et UTF-16; par conséquent, tous les processeurs compatibles XHTML doivent également prendre en charge UTF-16.