مجموعه کارکتر ها در HTML

انکودینگ (مجموعه کاراکترها) در HTML

برای نمایش صحیح یک صفحه HTML، مرورگر وب باید بداند که از کدام مجموعه کاراکتر (character set) استفاده کند.

خصوصیت charset در HTML

مجموعه کاراکتر در تگ <meta> مشخص می‌شود:

مثال:

<meta charset="UTF-8">

مشخصات HTML5 توسعه‌دهندگان وب را تشویق می‌کند که از مجموعه کاراکتر UTF-8 استفاده کنند.

UTF-8 تقریباً تمام کاراکترها و نمادهای موجود در جهان را پوشش می‌دهد!

مجموعه کاراکتر ASCII

ASCII اولین استاندارد انکودینگ کاراکتر برای وب بود. این استاندارد ۱۲۸ کاراکتر مختلف را که می‌شد در اینترنت استفاده کرد، تعریف می‌کرد:

• حروف انگلیسی (A-Z)

• اعداد (0-9)

• کاراکترهای خاص مانند ! $ + - ( ) @ < >

مجموعه کاراکتر ANSI

ANSI (Windows-1252) مجموعه کاراکتر اصلی ویندوز بود:

• برای ۱۲۷ کاراکتر اول، با ASCII یکسان است.

• دارای کاراکترهای خاص از ۱۲۸ تا ۱۵۹ است.

• از ۱۶۰ تا ۲۵۵، با UTF-8 یکسان است.

<meta charset="Windows-1252">

مجموعه کاراکتر ISO-8859-1

ISO-8859-1 مجموعه کاراکتر پیش‌فرض برای HTML 4 بود. این مجموعه کاراکتر از ۲۵۶ کد کاراکتر مختلف پشتیبانی می‌کرد. HTML 4 از UTF-8 نیز پشتیبانی می‌کرد.

• برای ۱۲۷ کاراکتر اول، با ASCII یکسان است.

• از کاراکترهای ۱۲۸ تا ۱۵۹ استفاده نمی‌کند.

• از ۱۶۰ تا ۲۵۵، با ANSI و UTF-8 یکسان است.

مثال در HTML 4:

<meta http-equiv="Content-Type" content="text/html;charset=ISO-8859-1">

مثال در HTML 5:

<meta charset="ISO-8859-1">

مجموعه کاراکتر UTF-8

• برای مقادیر ۰ تا ۱۲۷، با ASCII یکسان است.

• از کاراکترهای ۱۲۸ تا ۱۵۹ استفاده نمی‌کند.

• از ۱۶۰ تا ۲۵۵، با ANSI و 8859-1 یکسان است.

• از مقدار ۲۵۶ تا بیش از ۱۰۰۰۰ کاراکتر ادامه دارد.

<meta charset="UTF-8">

تفاوت‌های بین مجموعه‌های کاراکتر

جدول زیر تفاوت‌های بین مجموعه‌های کاراکتری که در بالا توضیح داده شد را نمایش می‌دهد: