HTML 字符集

HTML 字符集

如需正确地显示 HTML 页面,浏览器必须知道使用何种字符集。

万维网早期使用的字符集是 ASCII。ASCII 支持 0-9 的数字,大写和小写英文字母表,以及一些特殊字符。

完整的 ASCII 参考手册

由于很多国家使用的字符并不属于 ASCII,现代浏览器的默认字符集是 ISO-8859-1。

完整的 ISO-8859-1 参考手册

如果网页使用不同于 ISO-8859-1 的字符集,就应该在 <meta> 标签进行指定。

ISO 字符集

ISO 字符集是国际标准组织 (ISO) 针对不同的字母表/语言定义的标准字符集。

下面列出了世界各地使用的不同字符集:

字符集描述使用范围
ISO-8859-1Latin alphabet part 1北美、西欧、拉丁美洲、加勒比海、加拿大、非洲
ISO-8859-2Latin alphabet part 2东欧
ISO-8859-3Latin alphabet part 3SE Europe、世界语、其他杂项
ISO-8859-4Latin alphabet part 4斯堪的纳维亚/波罗的海(以及其他没有包括在 ISO-8859-1 中的部分)
ISO-8859-5Latin/Cyrillic part 5使用古代斯拉夫语字母表的语言,比如保加利亚语、白俄罗斯文、俄罗斯语、马其顿语
ISO-8859-6Latin/Arabic part 6使用阿拉伯字母的语言
ISO-8859-7Latin/Greek part 7现代希腊语,以及有希腊语衍生的数学符号
ISO-8859-8Latin/Hebrew part 8使用希伯来语的语言
ISO-8859-9Latin 5 part 9土耳其语
ISO-8859-10Latin 6拉普兰语、日耳曼语、爱斯基摩北欧语
ISO-8859-15Latin 9 (aka Latin 0)与 ISO 8859-1 类似,欧元符号和其他一些字符取代了一些较少使用的符号
ISO-2022-JPLatin/Japanese part 1日本语
ISO-2022-JP-2Latin/Japanese part 2日本语
ISO-2022-KRLatin/Korean part 1韩语

Unicode 标准

由于上面列出的字符集都有容量限制,而且不兼容多语言环境,Unicode 联盟开发了 Unicode 标准。

Unicode 标准涵盖了世界上的所有字符、标点和符号。

不论是何种平台、程序或语言,Unicode 都能够进行文本数据的处理、存储和交换。

Unicode 联盟

Unicode 联盟开发了 Unicode 标准。他们的目标是用标准的 Unicode 转换格式 (UTF) 来取代现有的字符集。

Unicode 标准已经获得了成功,在 XML、Java、ECMAScript (JavaScript)、LDAP、CORBA 3.0、WML 中,Unicode 已经得到了实现。在许多操作系统以及所有的现代浏览器中,Unicode 同样得到了支持。

Unicode 联盟与领导性的标准发展组织进行合作,比如 ISO、W3C 以及 ECMA。

Unicode 可以被不同的字符集兼容。最常用的编码方式是 UTF-8 和 UTF-16:

UTF-8
UTF8 中的字符可以是 1-4 个字节长。UTF-8 可以表示 Unicode 标准中的任意字符。UTF-8 向后兼容 ASCII。UTF-8 是网页和电子邮件的首选编码。
UTF-16
16 比特的 Unicode 转换格式是一种 Unicode 可变字符编码,能够对全部 Unicode 指令表进行编码。UTF-16 主要被用于操作系统和环境中,比如微软的 Windows 2000/XP/2003/Vista/CE 以及 Java 和 .NET 字节代码环境。

提示:最前面的 256 个 Unicode 字符集字符对应于 256 个 ISO-8859-1 字符。

提示:所有 HTML 4 处理器均已支持 UTF-8,而所有 XHTML 和 XML 处理器支持 UTF-8 和 UTF-16。