HTML Unicode（UTF-8）Referenzhandbuch
Unicode-Konsortium
Das Unicode-Konsortium entwickelte den Unicode-Standard. Sein Ziel ist es, bestehende Zeichensätze durch das standardmäßige Unicode Transformation Format (UTF, kurz für Unicode Transformation Format) zu ersetzen.
Der Unicode-Standard ist eine erfolgreiche Initiative, die in HTML, XML, Java, JavaScript, E-Mail, ASP und PHP implementiert ist. Er wird außerdem von vielen Betriebssystemen und allen modernen Browsern unterstützt.
Das Unicode-Konsortium arbeitet mit führenden Standardentwicklungsorganisationen zusammen, darunter ISO, W3C und ECMA.
Unicode-Zeichensatz
Unicode kann durch verschiedene Zeichensätze implementiert werden. Die am häufigsten verwendeten Kodierungen sind UTF-8 und UTF-16:
| Zeichensatz | Beschreibung |
|---|---|
| UTF-8 | Zeichen in UTF-8 können 1 bis 4 Byte lang sein. UTF-8 kann jedes Zeichen im Unicode-Standard darstellen. UTF-8 ist abwärtskompatibel mit ASCII. UTF-8 ist die bevorzugte Kodierung für E-Mail und Webseiten. |
| UTF-16 | Das 16-Bit Unicode Transformation Format ist eine Unicode-Zeichenkodierung variabler Länge, die das gesamte Unicode-Repertoire kodieren kann. UTF-16 wird hauptsächlich in Betriebssystemen und Umgebungen wie Microsoft Windows, Java und .NET verwendet. |
Tipp:Die ersten 128 Zeichen von Unicode (die eins zu eins mit ASCII übereinstimmen) werden mit einem Oktett kodiert, das denselben Binärwert wie ASCII hat, wodurch gültiger ASCII-Text auch bei Kodierung als UTF-8 gültig ist.
Tipp:Alle HTML-4-Prozessoren unterstützen UTF-8, und alle HTML-5- und XML-Prozessoren unterstützen UTF-8 und UTF-16!
HTML5-Standard: Unicode UTF-8
Da die Zeichensatzgröße in ISO-8859 begrenzt und in mehrsprachigen Umgebungen inkompatibel ist, entwickelte das Unicode Consortium den Unicode-Standard.
Der Unicode-Standard deckt (fast) alle Zeichen, Satzzeichen und Symbole ab.
Unicode macht Textverarbeitung, Speicherung und Transport unabhängig von Plattform und Sprache.
Die Standardzeichenkodierung in HTML-5 ist UTF-8.
Im Folgenden werden einige von HTML5 unterstützte UTF-8-Zeichensätze aufgeführt:
| Zeichensatz | Decimal | Hexadezimal |
|---|---|---|
| C0-Steuerzeichen und Basic Latin | 0-127 | 0000-007F |
| C1-Steuerzeichen und Latin-1-Zusatz | 128-255 | 0080-00FF |
| Lateinisch, erweitert-A | 256-383 | 0100-017F |
| Lateinisch, erweitert-B | 384-591 | 0180-024F |
Wenn eine HTML5-Webseite einen anderen Zeichensatz als UTF-8 verwendet, muss dieser im <meta>-Tag angegeben werden, wie folgt:
Beispiele
Andere Erweiterungen