Référence HTML Unicode (UTF-8)
Le consortium Unicode
Le consortium Unicode développe la norme Unicode. Leur objectif est de remplacer les jeux de caractères existants par son format de transformation Unicode standard (UTF).
Le standard Unicode est devenu un succès et est implémenté en HTML, XML, Java, JavaScript, E-mail, ASP, PHP, etc. Le standard Unicode est également supporté par de nombreux systèmes d'exploitation et tous les navigateurs modernes.
Le consortium Unicode coopère avec les principales organisations de développement de normes, telles que l'ISO, le W3C et l'ECMA.
Les jeux de caractères Unicode
Unicode peut être implémenté par différents jeux de caractères. Les encodages les plus couramment utilisés sont UTF-8 et 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. |
Conseil : Les 128 premiers caractères d'Unicode (qui correspondent un à un avec l'ASCII) sont codés à l'aide d'un seul octet avec la même valeur binaire que l'ASCII, ce qui rend également le texte ASCII valide en Unicode encodé en UTF-8.
HTML 4 prend en charge UTF-8. HTML 5 prend en charge UTF-8 et UTF-16 !
La norme HTML5 : Unicode UTF-8
Étant donné que les jeux de caractères dans ISO-8859 étaient de taille limitée et non compatibles dans les environnements multilingues, le consortium Unicode a développé la norme Unicode.
La norme Unicode couvre (presque) tous les caractères, ponctuations et symboles du monde.
Unicode permet le traitement, le stockage et le transport de texte indépendamment de la plate-forme et de la langue.
L'encodage de caractères par défaut dans HTML-5 est UTF-8.
Si une page Web HTML5 utilise un jeu de caractères différent de UTF-8, il doit être spécifié dans la balise <meta> comme :
Exemple
<meta charset="ISO-8859-1">
La différence entre Unicode et UTF-8
Unicode est un jeu de caractères . UTF-8 encode .
Unicode est une liste de caractères avec des nombres décimaux uniques (points de code). A = 65, B = 66, C = 67, ....
Cette liste de nombres décimaux représente la chaîne "hello": 104 101 108 108 111
L'encodage est la manière dont ces nombres sont traduits en nombres binaires pour être stockés dans un ordinateur :
L'encodage UTF-8 stockera "hello" comme ceci (binaire): 01101000 01100101 01101100 01101100 01101111
L'encodage traduit les nombres en binaire. Les jeux de caractères traduisent les caractères en nombres.
Codes de caractères HTML5 UTF-8
Vous trouverez ci-dessous une liste de certains des codes de caractères UTF-8 pris en charge par 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 |