HTML 字符集

如需正確地顯示 HTML 頁面，瀏覽器必須知道使用何種字符集。瀏覽器使用您指定的字符集來解碼 HTML 文件，從而避免產(chǎn)生亂碼。

萬維網(wǎng)早期使用的字符集是 ASCII。ASCII 支持 0-9 的數(shù)字，大寫和小寫英文字母表，以及一些特殊字符。

完整的 ASCII 參考手冊(cè)。

由于很多國(guó)家使用的字符并不屬于 ASCII，現(xiàn)代瀏覽器的默認(rèn)字符集是 ISO-8859-1。

完整的 ISO-8859-1 參考手冊(cè)。

如果網(wǎng)頁使用不同于 ISO-8859-1 的字符集，就應(yīng)該在標(biāo)簽進(jìn)行指定。

---

ISO 字符集

ISO 字符集是國(guó)際標(biāo)準(zhǔn)組織 (ISO) 針對(duì)不同的字母表/語言定義的標(biāo)準(zhǔn)字符集。

ISO-8859-1 是大多數(shù)瀏覽器默認(rèn)的字符集。

下面列出了世界各地使用的不同字符集：

字符集	描述	使用范圍
ISO-8859-1	Latin alphabet part 1	北美、西歐、拉丁美洲、加勒比海、加拿大、非洲
ISO-8859-2	Latin alphabet part 2	東歐
ISO-8859-3	Latin alphabet part 3	SE Europe、世界語、其他雜項(xiàng)
ISO-8859-4	Latin alphabet part 4	斯堪的納維亞/波羅的海（以及其他沒有包括在 ISO-8859-1 中的部分）
ISO-8859-5	Latin/Cyrillic part 5	使用古代斯拉夫語字母表的語言，比如保加利亞語、白俄羅斯文、俄羅斯語、馬其頓語
ISO-8859-6	Latin/Arabic part 6	使用阿拉伯字母的語言
ISO-8859-7	Latin/Greek part 7	現(xiàn)代希臘語，以及由希臘語衍生的數(shù)學(xué)符號(hào)
ISO-8859-8	Latin/Hebrew part 8	使用希伯來語的語言
ISO-8859-9	Latin 5 part 9	土耳其語。除了土耳其字符取代了冰島文字，其它與 ISO-8859-1 相同。
ISO-8859-10	Latin 6	拉普蘭語、日耳曼語、愛斯基摩北歐語
ISO-8859-15	Latin 9 (aka Latin 0)	與 ISO 8859-1 類似，歐元符號(hào)和其他一些字符取代了一些較少使用的符號(hào)
ISO-2022-JP	Latin/Japanese part 1	日本語
ISO-2022-JP-2	Latin/Japanese part 2	日本語
ISO-2022-KR	Latin/Korean part 1	韓語

---

Unicode 標(biāo)準(zhǔn)

由于上面列出的字符集都有容量限制，而且不兼容多語言環(huán)境，Unicode 聯(lián)盟開發(fā)了 Unicode 標(biāo)準(zhǔn)。

Unicode 標(biāo)準(zhǔn)涵蓋了世界上的所有字符、標(biāo)點(diǎn)和符號(hào)。

不論是何種平臺(tái)、程序或語言，Unicode 都能夠進(jìn)行文本數(shù)據(jù)的處理、存儲(chǔ)和交換。

也就是說，Unicode 標(biāo)準(zhǔn)將所有的字符包含在一個(gè)集合里，計(jì)算機(jī)只要支持這一個(gè)字符集，就能顯示所有的字符，不會(huì)出現(xiàn)亂碼。

Unicode 標(biāo)準(zhǔn)從 0 開始，為每個(gè)符號(hào)指定一個(gè)編號(hào)，叫做"碼點(diǎn)"（code point）。

---

Unicode 聯(lián)盟

Unicode 聯(lián)盟開發(fā)了 Unicode 標(biāo)準(zhǔn)。他們的目標(biāo)是用標(biāo)準(zhǔn)的 Unicode 轉(zhuǎn)換格式 (UTF) 來取代現(xiàn)有的字符集。

Unicode 標(biāo)準(zhǔn)已經(jīng)獲得了成功，在 XML、Java、ECMAScript (JavaScript)、LDAP、CORBA 3.0、WML 中，Unicode 已經(jīng)得到了實(shí)現(xiàn)。在許多操作系統(tǒng)以及所有的現(xiàn)代瀏覽器中，Unicode 同樣得到了支持。

Unicode 聯(lián)盟與領(lǐng)導(dǎo)性的標(biāo)準(zhǔn)發(fā)展組織進(jìn)行合作，比如 ISO、W3C 以及 ECMA。

Unicode 可以被不同的字符集兼容。最常用的編碼方式是 UTF-8 和 UTF-16：

字符集	描述
UTF-8	UTF8 中的字符可以是 1-4 個(gè)字節(jié)長(zhǎng)。UTF-8 可以表示 Unicode 標(biāo)準(zhǔn)中的任意字符。UTF-8 向后兼容 ASCII。UTF-8 是網(wǎng)頁和電子郵件的首選編碼。
UTF-16	16 比特的 Unicode 轉(zhuǎn)換格式是一種 Unicode 可變字符編碼，能夠?qū)θ?Unicode 指令表進(jìn)行編碼。UTF-16 主要被用于操作系統(tǒng)和環(huán)境中，比如微軟的 Windows 2000/XP/2003/Vista/CE 以及 Java 和 .NET 字節(jié)代碼環(huán)境。

提示： 最前面的 256 個(gè) Unicode 字符集字符對(duì)應(yīng)于 256 個(gè) ISO-8859-1 字符。

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