UTF-8
![](http://upload.wikimedia.org/wikipedia/commons/thumb/9/97/Unicode_Web_growth.svg/350px-Unicode_Web_growth.svg.png)
Зверніть увагу, що в ASCII враховані вебсторінки з будь-яким оголошеним заголовком, за умови, що вони є ASCII-символами.
UTF-8 (від англ. Unicode Transformation Format — формат перетворення Юнікоду) — кодування, що реалізовує представлення Юнікоду, сумісне з 8-бітовим кодуванням тексту.
Текст, що складається тільки з символів, коди яких менші ніж 128, при записі в UTF-8 перетворюється на звичайний текст ASCII. І навпаки, в тексті UTF-8 будь-який байт із значенням менше, ніж 128 зображає символ ASCII з тим же кодом. Решта символів Юнікоду зображається послідовностями завдовжки від 2 до 6 байтів (реально тільки до 4 байтів, оскільки використання кодів більших, ніж 221 не планується), в яких перший байт завжди має вид 11xxxxxx, а решта — 10xxxxxx. Простіше кажучи, у форматі UTF-8 символи латинського алфавіту, розділові знаки і символи управління ASCII записуються кодами US-ASCII, а решта символів кодується за допомогою октетів із старшим бітом 1. В результаті, навіть якщо програма не розпізнає Юнікод, то англійська мова і розмітка все одно відображатимуться правильно.
Формат UTF-8 був винайдений 2 вересня 1992 року Кеном Томпсоном і Робом Пайком і реалізований в Plan 9[2]. Зараз стандарт UTF-8 офіційно закріплений в документах RFC 3629 і ISO/IEC 10646 Annex D.
Символи UTF-8 виходять з Unicode таким чином:
Unicode | UTF-8 |
0x00000000 — 0x0000007F | 0xxxxxxx |
0x00000080 — 0x000007FF | 110xxxxx 10xxxxxx |
0x00000800 — 0x0000FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
0x00010000 — 0x001FFFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
Також теоретично можливі, але не включені в стандарти:
Unicode | UTF-8 |
0x00200000 — 0x03FFFFFF | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
0x04000000 — 0x7FFFFFFF | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
Зауваження: Символи, закодовані в UTF-8, можуть бути завдовжки до шести байтів, проте стандарт Unicode не визначає символів вище 0x10ffff, тому символи Unicode можуть мати максимальний розмір в 4 байти в UTF-8.
Див. також
Примітки
- ↑ Davis, Mark (28 січня 2010). Unicode nearing 50% of the web. Official Google Blog. Google. Архів оригіналу за 16 червня 2016. Процитовано 5 грудня 2010.
- ↑ Архівована копія. Архів оригіналу за 29 жовтня 2006. Процитовано 5 жовтня 2007.
{{cite web}}
: Обслуговування CS1: Сторінки з текстом «archived copy» як значення параметру title (посилання)
Посилання
- RFC 2277(англ.) Настанови IETF щодо кодувань і мов
- Оригінальна специфікація UTF-8 [Архівовано 11 жовтня 2007 у Wayback Machine.](англ.)
- п
- о
- р
- абетка
- текст
- набір символів
- конверсія
кодування
8-бітове
подання
- 8-бітові код.стор.
- кирилиця
- КОІ-8
- Основне кодування
- MacCyrillic
- Windows
- 1250
- 1251 (кир.)
- 1252
- 1253
- 1254
- 1255
- 1256
- 1257
- 1258
- WGL4
- IBM & DOS
- 437
- 850
- 852
- 855
- 866 «альт.»
- МІК
- інтерфейс користувача
- розкладка клавіатури
- локаль
- новий рядок
- шрифт
- транслітерація
- нестандартні шрифти
- iconv
- recode