مرجع HTML Unicode (UTF-8)
كونسورتيوم يونيكود
يقوم اتحاد Unicode بتطوير معيار Unicode. هدفهم هو استبدال مجموعات الأحرف الحالية بتنسيق تحويل Unicode القياسي (UTF).
أصبح معيار Unicode ناجحًا ويتم تنفيذه في HTML و XML و Java و JavaScript والبريد الإلكتروني و ASP و PHP وما إلى ذلك. كما يتم دعم معيار Unicode في العديد من أنظمة التشغيل وجميع المتصفحات الحديثة.
تتعاون Unicode Consortium مع منظمات تطوير المعايير الرائدة ، مثل ISO و W3C و ECMA.
مجموعات أحرف Unicode
يمكن تنفيذ Unicode بواسطة مجموعات أحرف مختلفة. الترميزات الأكثر استخدامًا هي UTF-8 و 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. |
تلميح: يتم ترميز أول 128 حرفًا من Unicode (والتي تتوافق مع واحد إلى واحد مع ASCII) باستخدام ثماني بتات واحدة بنفس القيمة الثنائية مثل ASCII ، مما يجعل نص ASCII صالحًا صالحًا لترميز UTF-8.
يدعم HTML 4 UTF-8. يدعم HTML 5 كلاً من UTF-8 و UTF-16!
معيار HTML5: Unicode UTF-8
نظرًا لأن مجموعات الأحرف في ISO-8859 كانت محدودة الحجم وغير متوافقة في البيئات متعددة اللغات ، فقد طور اتحاد Unicode Consortium معيار Unicode.
تغطي مواصفة يونيكود (تقريبًا) جميع الأحرف وعلامات الترقيم والرموز في العالم.
يتيح Unicode معالجة النصوص وتخزينها ونقلها بشكل مستقل عن النظام الأساسي واللغة.
ترميز الأحرف الافتراضي في HTML-5 هو UTF-8.
إذا كانت صفحة ويب HTML5 تستخدم مجموعة أحرف مختلفة عن UTF-8 ، فيجب تحديدها في علامة <meta> مثل:
مثال
<meta charset="ISO-8859-1">
الفرق بين Unicode و UTF-8
Unicode هو مجموعة أحرف . UTF-8 هو الترميز .
Unicode هي قائمة بالأحرف ذات الأرقام العشرية الفريدة (نقاط الرمز). أ = 65 ، ب = 66 ، ج = 67 ، ....
تمثل قائمة الأرقام العشرية السلسلة النصية "hello": 104101108108111
الترميز هو كيفية ترجمة هذه الأرقام إلى أرقام ثنائية ليتم تخزينها في الكمبيوتر:
سيخزن ترميز UTF-8 "hello" مثل هذا (ثنائي): 01101000 01100101 01101100 01101100 01101111
الترميز يترجم الأرقام إلى ثنائي. مجموعات الأحرف تترجم الأحرف إلى أرقام.
رموز أحرف HTML5 UTF-8
فيما يلي قائمة ببعض رموز أحرف UTF-8 التي يدعمها HTML5:
| 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 |