HTML Unicode (UTF-8) Referansı
Unicode Konsorsiyumu
Unicode Konsorsiyumu, Unicode Standardını geliştirir. Amaçları, mevcut karakter kümelerini standart Unicode Dönüşüm Formatı (UTF) ile değiştirmektir.
Unicode Standardı başarılı olmuştur ve HTML, XML, Java, JavaScript, E-posta, ASP, PHP, vb.'de uygulanmaktadır. Unicode standardı ayrıca birçok işletim sisteminde ve tüm modern tarayıcılarda desteklenmektedir.
Unicode Konsorsiyumu, ISO, W3C ve ECMA gibi önde gelen standart geliştirme kuruluşlarıyla işbirliği yapmaktadır.
Unicode Karakter Kümeleri
Unicode, farklı karakter kümeleri tarafından uygulanabilir. En sık kullanılan kodlamalar UTF-8 ve UTF-16'dır:
| 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. |
İpucu: Unicode'un ilk 128 karakteri (ASCII ile bire bir karşılık gelir), ASCII ile aynı ikili değere sahip tek bir sekizli kullanılarak kodlanır, bu da geçerli ASCII metnini UTF-8 kodlu Unicode'u da geçerli kılar.
HTML 4, UTF-8'i destekler. HTML 5, hem UTF-8'i hem de UTF-16'yı destekler!
HTML5 Standardı: Unicode UTF-8
ISO-8859'daki karakter kümelerinin boyutu sınırlı olduğundan ve çok dilli ortamlarda uyumlu olmadığından, Unicode Konsorsiyumu, Unicode Standardını geliştirdi.
Unicode Standardı (neredeyse) dünyadaki tüm karakterleri, noktalama işaretlerini ve sembolleri kapsar.
Unicode, platform ve dilden bağımsız olarak metnin işlenmesini, depolanmasını ve taşınmasını sağlar.
HTML-5'te varsayılan karakter kodlaması UTF-8'dir.
Bir HTML5 web sayfası UTF-8'den farklı bir karakter seti kullanıyorsa, <meta> etiketinde şu şekilde belirtilmelidir:
Örnek
<meta charset="ISO-8859-1">
Unicode ve UTF-8 Arasındaki Fark
Unicode bir karakter kümesidir . UTF-8 kodlama yapıyor .
Unicode, benzersiz ondalık sayılara (kod noktaları) sahip bir karakter listesidir. A = 65, B = 66, C = 67, ....
Bu ondalık sayılar listesi "merhaba" dizesini temsil eder: 104 101 108 108 111
Kodlama, bu sayıların bir bilgisayarda saklanmak üzere ikili sayılara nasıl çevrildiğidir:
UTF-8 kodlaması "merhaba"yı şu şekilde saklayacaktır (ikili): 01101000 01100101 01101100 01101100 01101111
Kodlama , sayıları ikiliye çevirir. Karakter kümeleri , karakterleri sayılara çevirir.
HTML5 UTF-8 Karakter Kodları
Aşağıda, HTML5 tarafından desteklenen bazı UTF-8 karakter kodlarının bir listesi bulunmaktadır:
| 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 |