UTF-8

от Уикипедия, свободната енциклопедия
Направо към: навигация, търсене

UTF-8 (на английски: 8-bit Unicode Transformation Format или 8-bit UCS Transformation Format[1]) е стандарт за символно кодиране. Чрез UTF-8 може да бъде кодиран всеки символ или кодова точка (code point) в Unicode символното множество. Той е създаден от Роб Пайк и Кен Томпсън.

Кодирането е с променлива ширина (variable-length) и използва 8-битови (8-bit) кодови единици. Проектирано е, за да се поддържа обратна съвместимост (backward compatibility) с ASCII код и за да се избегнат усложненията с ендиани (endianness) и маркери за последователността на байтовете (byte order marks) при алтернативните UTF-16 и UTF-32 кодирания. Наименованието произлиза от: Universal Coded Character Set + Transformation Format8-bit.[2]

UTF-8 е най-използваният стандарт за кодиране в световната мрежа (World Wide Web). Използван е при създаването на 85.1% от всички интернет страници към м. септември 2015 год.[3][4][5][6] The Internet Mail Consortium (IMC) препоръчва във всички програми поддържащи електронна поща (e-mail) да бъде заложена възможност за изобразяване и създаване на електронни съобщения, използващи UTF-8 кодиране.[7] W3C препоръчва UTF-8 да бъде използвано като стандартно кодиране при работа с XML и HTML.

Чрез UTF-8 се кодира всяка от 1 112 064 на брой валидни кодови точки в Unicode кодовото пространство (1 114 112 кодови точки общо минус 2 048 заместващи кодови точки), като се използват от един до четири 8-битови байта (група от 8 бита се нарича октет (octet) при Unicode стандарта). Кодови точки с по-малки числови стойности (т.е. по-рано създадени кодови позиции в Unicode символното множество, които се очаква да бъдат използвани по-често) се кодират с по-малко на брой байтове. Първите 128 символа от Unicode, които съответстват на ASCII кода, се кодират с един октет със същата бинарна стойност както при ASCII кодирането, като по този начин всеки валиден ASCII текст в същото време е и валиден UTF-8-кодиран Unicode текст. При UTF-8, байтовете с бинарни стойности, използвани за кодиране на ASCII символи не се използват при кодирането на не-ASCII кодови точки. Поради тази причина UTF-8 кодирането може безопасно да се използва при повечето програмни езици и документи, които интерпретират определени ASCII символи по специфичен начин, например като обозначение за край на символен низ.

Източници[редактиране | редактиране на кода]


  1. The Unicode Consortium. Chapter 2. General Structure. // The Unicode Standard. 6.0. Mountain View, California, USA, The Unicode Consortium. ISBN 978-1-936213-01-6.. RFC 3629 also refers to UTF-8 as "UCS transformation format". Also commonly known as "Unicode Transformation Format".
  2. "Chapter 2. General Structure". The Unicode Standard (6.0 ed.). Mountain View, California, USA: The Unicode Consortium. ISBN 978-1-936213-01-6.
  3. Davis, Mark (28 January 2010). "Unicode nearing 50% of the web"Official Google Blog. Google. Retrieved 5 December 2010.
  4. van der Poel, Erik (8 May 2008). "utf-8 Growth On The Web (response)"W3C Blog. W3C. Retrieved 6 August 2015.
  5. "Usage Statistics of Character Encodings for Websites, (updated daily)". W3Techs. Retrieved 18 September 2015.
  6. "UTF-8 Usage Statistics". BuiltWith. Retrieved 28 March 2011.
  7. "Using International Characters in Internet Mail". Internet Mail Consortium. 1 August 1998. Retrieved 8 November 2007.
Криейтив Комънс - Признание - Споделяне на споделеното Лиценз за свободна документация на ГНУ Тази страница частично или изцяло представлява превод на страницата „UTF-8“ в Уикипедия на английски. Оригиналният текст, както и този превод, са защитени от Лиценза „Криейтив Комънс - Признание - Споделяне на споделеното“, а за съдържание, създадено преди юни 2009 година — от Лиценза за свободна документация на ГНУ. Прегледайте историята на редакциите на оригиналната страница, както и на преводната страница. Вижте източниците на оригиналната статия, състоянието ѝ при превода, и списъка на съавторите.