HTML Conjunto de caracteres
Para mostrar correctamente una página HTML, el navegador debe saber qué conjunto de caracteres (codificación de caracteres) debe utilizar.
Conjunto de caracteres HTML
En HTML, ¿cuál es la codificación de caracteres correcta?
La codificación de caracteres predeterminada en HTML5 es UTF-8.
No siempre fue así. La codificación de caracteres de los primeros días de la web era ASCII.
Más tarde, desde HTML 2.0 hasta HTML 4.01, ISO-8859-1 fue reconocido como el estándar.
Con la llegada de XML y HTML5, UTF-8 finalmente llegó, resolviendo una gran cantidad de problemas de codificación de caracteres.
A continuación se presenta un breve resumen de los estándares de codificación de caracteres.
Al principio: ASCII
La información de la computadora (números, texto, imágenes) se almacena electrónicamente en binario de 1 y 0 (01000101).
Para estandarizar el almacenamiento de caracteres alfanuméricos, se creó ASCII (American Standard Code for Information Interchange). Define un número binario único de 7 bits para cada carácter almacenado, soportando los dígitos 0-9, las letras del alfabeto inglés en mayúsculas y minúsculas (a-z, A-Z) y algunos caracteres especiales como ! $ + - ( ) @ < >.
Debido a que ASCII utiliza un byte (7 bits para el carácter y 1 bit para el control de paridad de transmisión), solo puede representar 128 caracteres diferentes. De estos caracteres, 32 están reservados para otros fines de control.
La mayor desventaja de ASCII es que excluye las letras que no son del inglés.
ASCII todavía se usa ampliamente hoy en día, especialmente en sistemas de mainframes.
Para obtener más información sobre ASCII, consultaReferencia completa de ASCII。
En Windows: ANSI
ANSI (también conocido como Windows-1252) fue el conjunto de caracteres predeterminado en Windows 95 y versiones anteriores de Windows.
ANSI es una extensión de ASCII que incorporó caracteres internacionales. Utiliza un byte completo (8 bits) para representar 256 caracteres diferentes.
Desde que ANSI se convirtió en el conjunto de caracteres predeterminado en Windows, todos los navegadores admiten ANSI.
Para obtener más información sobre ANSI, consultaReferencia completa de ANSI。
En HTML 4: ISO-8859-1
Debido a que la mayoría de los países usan caracteres distintos de ASCII, en el estándar HTML 2.0 la codificación de caracteres predeterminada se cambió a ISO-8859-1.
ISO-8859-1 es una extensión de ASCII que incorporó caracteres internacionales. Al igual que ANSI, utiliza un byte completo (8 bits) para representar 256 caracteres diferentes.
 |
Cuando el navegador detecta ISO-8859-1 en una página web, normalmente se asume ANSI, porque ANSI es prácticamente equivalente a ISO-8859-1, excepto que ANSI tiene 32 caracteres adicionales. |
|---|
Si una página web HTML 4 utiliza un conjunto de caracteres distinto de ISO-8859-1, debe especificarse en la etiqueta <meta>, como se muestra a continuación:
Ejemplo
|
El conjunto de caracteres predeterminado en HTML5 es UTF-8. |
|---|
Para obtener más información sobre ISO-8859-1, consultaReferencia completa de ISO-8859-1。
En HTML5: Unicode (UTF-8)
Dado que los conjuntos de caracteres enumerados anteriormente son limitados e incompatibles en entornos multilingües, el Consorcio Unicode (Unicode Consortium) desarrolló el Estándar Unicode (Unicode Standard).
El estándar Unicode cubre (casi) todos los caracteres, signos de puntuación y símbolos.
Unicode permite que el procesamiento, almacenamiento y transporte de texto sea independiente de la plataforma y el idioma.
La codificación de caracteres predeterminada en HTML5 es UTF-8.
Para obtener más información sobre Unicode (UTF-8), consultaReferencia completa de Unicode。
Otras extensiones