HTML中需要指定網(wǎng)頁所使用的編碼，一般指定的方式為：

<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">

而在新版本HTML5中，也可以使用更簡單的方式：

<meta charset="UTF-8">

因為世界上所用的語言文字很多，為了滿足跨語言、跨平臺進行文本轉(zhuǎn)換、處理的要求，國際組織研制了Unicode編碼，于1994年正式公布，并不斷升級，提供了1,114,112個碼點，定義了包括古文字符號在內(nèi)的人類所有可讀字符的字符集。但Unicode編碼為了表示那么多字符，通常使用32位（即4個字節(jié)）來表示一個字符，需要占用比較大的存儲空間，對常用的字符（如ASCII）也需要較長的編碼，內(nèi)存使用效率比較低。

為此，定義了一種使用8位編碼單元的變寬的編碼格式UTF-8。UTF-8編碼中，一些常用的字符可以使用較少的字節(jié)來表示，而較少使用的字符則使用較多的字節(jié)，提高了編碼占用空間的效率。如ASCII碼仍使用一個字節(jié)來表示，這是通過識別編碼中一些高位的來實現(xiàn)的，它搭建了ASCII編碼和Unicode的橋梁。具體編碼方式為：
·0000~007F：0xxxxxxx，存儲為一個字節(jié)，有7位可表示不同的字符，一般對應(yīng)ASCII字符
·0080~07FF：110xxxxx，10xxxxxx，存儲為兩個字節(jié)，有11位可表示不同的字符
·0800~FFFF：1110xxxx，10xxxxxx，10xxxxxx，存儲為3個字節(jié)，有16位用來表示不同的字符
·10000~1FFFFF：11110xxx，10xxxxxx，10xxxxxx，10xxxxxx，存儲為4個字節(jié)，有21位表示不同的字符
可以看到規(guī)律：如果最高位不是0，那么數(shù)字中在0前面的數(shù)字表示一個序列包括的碼元數(shù)。一個序列中，第一個碼元之后的所有碼元都有10前綴。Unicode編碼還有UTF-16、UTF-32等其他的編碼格式，但UTF-8更采用，同樣也可以表示所有的編碼集。

過去在計算機中表示漢字最常用的是GB2312編碼,1980年發(fā)布，全稱為《信息交換用漢字編碼字符集--基本集》，它使用兩個字節(jié)來表示一個漢字，共收入6763個漢字和682個非漢字圖形字符，兼容于ASCII字符集。但這種編碼中包含的漢字比較少，不能表示港臺使用的繁體字，一些非常用字及古書中的字也無法表示，實用中會感到很多不便。后來，在GB2312基礎(chǔ)上進行了擴展，也就是GBK編碼標準，可以表示繁體字及一些異體字，使用范圍得到擴展。

為了適合更廣范圍的應(yīng)用，又發(fā)布了GB18030編碼標準，GB18030-2000收錄了27533個漢字，GB18030-2005則收錄了70244個漢字，并包含了藏、蒙古、傣、彝、朝鮮、維吾爾文等多種少數(shù)民族文字。GB18030的總編碼空間超過150萬個碼位，編碼采用單字節(jié)、雙字節(jié)和四字節(jié)對字符編碼，單字節(jié)部分采用GB/T11383的編碼結(jié)構(gòu)與規(guī)則，使用0x00至0x7F碼位,對應(yīng)于ASCII碼的相應(yīng)碼位；雙字節(jié)部分，首字節(jié)碼位從0x81至0xFE，尾字節(jié)碼位分別是0x40至0x7E和0x80至0xFE；四字節(jié)部分采用GB/T11383未采用的0x30到0x39作為對雙字節(jié)編碼擴充的后綴，這樣擴充的四字節(jié)編碼，其范圍為0x81308130到0xFE39FE39。GB18030編碼還在不斷擴充中。

為了更多地表示漢字及一些特殊符號，也為了未來更好地兼容性，新制作的網(wǎng)頁最好使用GB18030標準，也就是使用下面兩種方式之一指定編碼：

<meta http-equiv="Content-Type" content="text/html;charset=gb18030">
<meta charset="gb18030">

當(dāng)然，為了顯示外國文字方便，也可以使用國際通用的UTF-8編碼。

最新評論