HTML - 字符编码

---

---

字符编码是一种将字节转换为字符的方法。若要正确验证或显示 HTML 文档，程序必须选择正确的字符编码。

HTML 字符集属性

meta 标签的 HTML 字符集属性用于提及网页的字符编码。

 <meta charset="UTF-8">

ASCII 字符集

计算机上最常用的字符集或字符编码是 ASCII（美国信息交换标准代码），这可能是用于以电子方式对文本进行编码的最广泛使用的字符集。ASCII 编码由 128 个字符 （0-127） 组成。

• 英文字母（A-Z 和 a-z）
• 数字（0-9）
• 特殊字符 （@、#、$、% 等）

您可以查看完整的可打印 ASCII 字符集

ANSI 字符集

ANSI 字符集通常用于 Windows 系统，也称为 windows-1252。这包括：

• 从 0 到 127，ANSI 遵循 ASCII 字符。
• 从 128 到 159，添加了一些额外的特殊字符。
• 从 160 到 255，它与 UTF-8 相同。

ISO-8859-1 字符集

ISO-8859-1 是 HTML 4 的默认字符集。此字符集支持 256 种不同的字符代码。

• 与前 128 个字符的 ASCII 相同
• 不使用 128 到 159 之间的字符
• 与 ANSI 和 UTF-8 相同，从 160 到 255

UTF-8 字符集

HTML5 规范建议开发人员在网页中使用 UTF-8 编码，因为 UTF-8 涵盖了世界上所有的字符和符号。UTF-8 的字符是。

• 与 ASCII 相同，用于 0 到 127 个字符
• 字符 128 到 159 为空
• 使用与 ANSI 和 8859-1 相同的字符，从 160 到 255
• 其他语言的字符使用 256 到 1000 指定

国际标准组织创建了一系列字符集来处理不同的国家字符。对于英语和大多数其他西欧语言的文档，使用广泛支持的编码 ISO-8859-1。

ISO 字符集

以下是世界各地使用的字符集列表及其描述：

字符集	描述
ISO-8859-1	拉丁字母第 1 部分 覆盖北美、西欧、拉丁美洲、加勒比海、加拿大、非洲
ISO-8859-2	拉丁字母第 2 部分 覆盖东欧
ISO-8859-3	拉丁字母第 3 部分 涵盖东南欧、世界语、其他
ISO-8859-4	拉丁字母第 4 部分 涵盖斯堪的纳维亚/波罗的海（以及 ISO-8859-1 中未列出的其他地区）
ISO-8859-5	拉丁文/西里尔字母表第 5 部分
ISO-8859-6	拉丁文/阿拉伯文字母第 6 部分
ISO-8859-7	拉丁文/希腊文字母表第 7 部分
ISO-8859-8	拉丁文/希伯来文字母表第 8 部分
ISO-8859-9	拉丁文 5 字母表第 9 部分 与 ISO-8859-1 相同，但土耳其语字符取代了冰岛语字符
ISO-8859-10	拉丁语 6 拉丁语 6 拉普兰语、北欧语和爱斯基摩语
ISO-8859-15	与 ISO-8859-1 相同，但添加了更多字符
ISO-2022-JP	拉丁文/日文字母表第 1 部分
ISO-2022-JP-2	拉丁文/日文字母表第 2 部分
ISO-2022-KR	L拉丁文/韩文字母表第 1 部分

然后成立了Unicode联盟，以设计一种方法来显示不同语言的所有字符，而不是为不同的语言提供这些不同的不兼容字符代码。

因此，如果要创建使用多个字符集中的字符的文档，则可以使用单个 Unicode 字符编码来实现。

因此，Unicode 指定了可以以特殊方式处理字符串的编码，以便为它所包含的巨大字符集腾出足够的空间。它们被称为 UTF8、UTF-16 和 UTF-32。

字符集	描述
UTF-8	一种以 8 位为单位的 Unicode 转换格式，即以字节为单位。UTF8 中的字符长度可以从 1 到 4 个字节，这使得 UTF8 的宽度可变。
UTF-16	一种以 16 位为单位的 Unicode 转换格式，即以短句形式出现。它可以是 1 或 2 个短路，使 UTF16 的宽度可变。
UTF-32	一种以 32 位为单位的 Unicode 转换格式，即以长为单位。它是一种固定宽度的格式，长度始终为 1 个“长”。

UTF 字符集Unicode 字符集的前 256 个字符对应于 ISO-8859-1 的 256 个字符。默认情况下，HTML 4 处理器应支持 UTF-8，XML 处理器应支持 UTF-8 和 UTF-16;因此，所有符合 XHTML 的处理器也应支持 UTF-16。