About Encoding
Format de Codage des caractères
|
Table
|
Bits
|
Octets
|
Nbs car
|
Pays
|
|
Ascii
|
7
|
0.8
|
128
|
US
|
|
Ansi
|
8
|
1
|
256
|
Europe
|
|
Guobiao
|
16
|
2
|
65536
|
Chine
|
|
Unicode
|
16
|
2
|
65536
|
Monde
|
|
UTF-8
|
8-24
|
1-3
|
65536
|
Adaptateur
|
Ascii = Sous-partie de Ansi (0XXX XXXX)
Ansi = Sous-partie de Unicode (0000 0000 XXXX XXXX)
UTF-8 permet de coder sur un nombre variable d'octets, donc permet aux USA de continuer à s'exprimer en Ascii (7 bits + 1 flag) et aux autres de pouvoir s'exprimer quand même, dans un Pseudo-Unicode (2/3 octets).
Conversion UTF-8 -> Ascii
0XXX XXXX où XXX XXXX est le caractère Ascii (0 à 128)
Conversion UTF-8 -> Unicode
110X XXXX 10XX XXXX où X XXXX XX XXXX est le caractère Unicode (0 à 2048)
111? XXXX 10XX XXXX 10XX XXXX où XXXX XX XXXX XX XXXX est le caractère Unicode (0 à 65536)
|
Lettre
|
Ascii
|
Ansi
|
Unicode
|
UTF-8
|
UTF-8 vu
sous Unicode
|
|
A
|
65
41h
100 0001
|
65
41h
0100 0001
|
65
0041h
0000 0000 0100 0001
|
65
41h
0100 0001
|
A
|
|
é
|
|
233
E9h
1110 1001
|
233
00E9h
0000 0000 1110 1001
|
195 169
C3A9h
1100 0011 1010 1001
|
é
|
|
œ
|
|
|
339
0153h
0000 0001 0101 0011
|
197 147
C593h
1100 0101 1001 0011
|
Å“
|
ī
pinyin
|
|
|
299
012Bh
0000 0001 0010 1011
|
196 171
C4ABh
1100 0100 1010 1011
|
Ä«
|
|
Lettre
|
GB2312 (GuoBiao)
|
Unicode
|
UTF-8
|
UTF-8 vu
sous Unicode
|
一
yī chinois
(un)
|
210 187
D2BBh
1101 0010 1011 1011
|
19968
4E00h
0100 1110 0000 0000
|
228 184 128
E4B880h
1110 0100 1011 1000 1000 0000
|
一
|
我
wŏ chinois
(je)
|
206 210
CED2h
1100 1110 1101 0010
|
25105
6211h
0110 0010 0001 0001
|
230 136 145
E68891h
1110 0110 1000 1000 1001 0001
|
我
|
Utilisation de l'Unicode en HTML :
&#nnnn; où nnnn est la valeur hexadécimale de l'Unicode du caractère. Ainsi, on choisit un mode de codage quelconque (charset=iso-8859-1 pour le français, charset=gb2312 pour le chinois, etc ...) puis on code en Unicode les caractères qui n'appartiennent pas au charset défini. On peut aussi utiliser les caractères spéciaux html. Simple !
Attention: La police doit être "Verdana" dans certains cas (français, pinyin, chinois) et "Lucida Console" (Ascii/DOS). Sinon, on risque de se retrouver avec des carrés. Ce point reste à éclaircir. N'hésitez pas à m'envoyer des infos.
Quant aux emails, leur entête contient toujours le type d'encodage utilisé (UTF-8, Unicode, etc). Il suffit donc de jeter un coup d'oeil à l'entête, d'aller dans votre navigateur ou éditeur préféré, et de sélectionner une visualisation sous cet encodage ! Parfois l'encodage du message est textualisé par le logiciel ou le site de messagerie. Les codes ne sont plus interprétés par le navigateur mais affichés tels quels. Illisible. Une méthode consiste à copier le texte codé et à le coller dans un document HTML vierge afin qu'il puisse être relu et décodé par le navigateur.
Code ISO Unicode nnnn : &#nnnn;
Code WML x : &x;
|