HTML Unicode (UTF-8) 参考手册

Unicode 联盟

Unicode 联盟开发了 Unicode 标准。他们的目标是用标准的 Unicode 转换格式（UTF）替换现有的字符集。

Unicode 标准已经成功实现，并且以 HTML、XML、Java、JavaScript、电子邮件、ASP、PHP 等实现。在许多操作系统和所有现代浏览器中也支持 Unicode 标准。

Unicode 联盟与领先的标准开发组织（如 ISO、W3C 和 ECMA）开展了合作。

Unicode 可以通过不同的字符集来实现。最常用的编码是 UTF-8 和 UTF-16：

字符集	描述
UTF-8	UTF8 中的字符长度可以是 1 到 4 个字节。 UTF-8 可以代表 Unicode 标准中的任何字符。 UTF-8 向后兼容ASCII。 UTF-8 是电子邮件和网页的首选编码。
UTF-16	16 位 Unicode 转换格式是 Unicode 的可变长度字符编码，能够编码整个 Unicode 编码。 UTF-16 用于主要的操作系统和环境，如 Microsoft Windows、Java 和 .NET。

提示：Unicode 的前 128 个字符（与 ASCII 一一对应）使用与 ASCII 相同的二进制值的单个八位字节进行编码，使得有效的 ASCII 文本使用有效的 UTF-8 编码 Unicode。

HTML 4 支持 UTF-8。 HTML 5 同时支持 UTF-8 和 UTF-16！

由于 ISO-8859 中的字符集大小有限，在多语言环境中不兼容，因此 Unicode 联盟制定了 Unicode 标准。

Unicode 标准涵盖了（几乎）世界上所有的字符、标点和符号。

Unicode 支持独立于平台和语言的文本处理、存储和传输。

HTML-5 中的默认字符编码是 UTF-8。

如果 HTML5 网页使用与 UTF-8 不同的字符集，则应在 <meta> 标记中指定它，如下所示：

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

Unicode 是一个字符集。 UTF-8 属于编码。

Unicode 是具有唯一十进制数字（代码点）的字符列表。 A = 65，B = 66，C = 67，....

这个十进制数字表示字符串“hello”：104 101 108 108 111

编码指的是如何将这些数字转换成存储在计算机中的二进制数字：

UTF-8 编码将像这样存储“hello”（二进制）：01101000 01100101 01101100 01101100 01101111

编码将数字转换为二进制。字符集将字符转换为数字。

以下是 HTML5 支持的一些 UTF-8 字符代码列表：