Komputery nie zapisują liter wklepywanych z klawiatury wprost, stosują do tego nieco bardziej wyrafinowanego sposobu liczbowego. Każdej literze (znakowi) jest przypisana jakaś cyfra i w zależności od typu kodowania może ona przyjmowac różne wartości, zawarte w różnym typie oraz zakresie. Brzmi poważnie;) Czytaj dalej!

Pierwsze kodowania zawierały znaki wyłącznie z alfabetu angielskiego oraz kilkudziesięciu znaków specjalnych typu ‘/?><’, najbardziej rozpowszechniony standard to ASCII (American Standard Code for Information Interchange – Amerykański Standardowy Kod dla Wymiany Informacji). Ponieważ w tym pierwotnym kodowaniu nie były uwzględnione znaki diakrytyczne dla innych języków świata, powstały strony kodowe, które pozwalały na zapisanie w języku komputerów wszystkich ogonków, umlautów, etc — ISO 8859. I tutaj zamieszanie, gdyż jak wiele jest odmian alfabetycznych przypisanych językom tak wiele powstało stron kodowych, dla polskich znaków było ich conajmniej kilka. Najpopularniejsze i obecnie uznane jako standard jest iso-8859-2 oraz standard “windowsowy” win-1250. Z mnogości odmian językowych wynika niemałe zamieszanie, które ma rozwiązać najnowszy standard kodowania znaków UTF. Powstał on z myślą zawarcia wszelkich regionalizmów, i tak z technicznego punktu widzenia, ponieważ unikod jest 4 bitowym kodowaniem (stosuje do zapisu liter 4 bity znaków cyfrowych) zawiera on w sobie pierwotny standard ASCII (w pierwszym bajcie można zapisać wszystkie znaki ASCII -co daje im pełną zgodność). Pozostała nadmiarowość pozwala na zawarcie diakrytyzmów. Jest tu pewnien kompromis w stosowaniu UTF’u, gdyż ze wspomnianej nadmiarowości powstaje problem ekonomii zapisu znaków – jednak są równiez zalety, które moim zdaniem w pełni rekompensują tą niedogodność.

Dla zapisu polskich znaków, możemy stosować poniżej wymienione kodowania:

• win-1250 — mocno niezalecane, rozumiane i stosowane przez niektóre windowsy

• iso-8859-2 — jest przyjętym standardem dla kodowania polskich ogonków, jednak przez jego niszowość nie pozwala na swobodne stosowanie w obrębie wielojęzycznego internetu

• utf-8 — zalecany dla stron wielojęzycznych, potrafi poprawnie obsłużyć polskie znaki, jest elastyczny oraz ściśle zalecany przez agencje ustalające standardy.

Który typ kodowania znaków jest najlepszy?

Dla tworzenia polskich stron internetowych zalecanym kodowaniem jest utf-8 (utf-8 to trochę bardziej oszczędna wersja unikodu, jego nadmiarowość w przypadku zapisu polskiej treści wynosi ok. 5%). Drugą poprawna stroną kodową jest iso-8859-2. Został on uznany przez ustawę Polskiej Normy, jako standard zapisu polskich znaków w internecie. Natomiast, wspomniany wcześniej win-1250 nie jest w pełni zgodny ze światowym standardem ASCII i przez to nie jest porpawnie rozumiany przez część aplikacji, szczególnie odradzam jego stosowanie.

Na bazie powyższych rozważań zwycięzcą ogłaszam uniwersalny UTF-8. Jest niewątpliwie przyszłością wielojęzycznego internetu, daje nam wiele możliwości stosowania różnych jezyków na stronach oraz, wyklucza ryzyko niezgodności z przeglądarkami internetowymi za kilka lat

Praktyczne uwagi do wybranego charset.

Od strony praktycznej, sprawa kodowania przedstawia się następująco: najpierw musimy zapisać znaki w określonym kodowaniu, czyli albo używamy edytora, który ma opcję zmiany użytego kodowania, albo mamy świadomość, że windowsowy notatnik pisze w win-1250 ;S

Następnie w odpowiednim tagu meta musimy zawrzeć deklarację użytego kodowania, tak aby przeglądarki internetowe interpretujące nasz (x)html wiedziały jak go rozkodować, może to wyglądać tak:

<meta http-equiv=”Content-Type” content=”text/html; charset=ISO-8859-2*”>.

Jeśli stosujemy xhtml, który jest strikte XML’em musimy również do naszego dokumentu dołączyć deklaracje w jego “dialekcie”, co wygląda następująco:

<?xml version=”1.0″ encoding=”iso-8859-2*”?>,

umieszczamy go na samym początku dokumentu. Niestety w przypadku stron wysyłanych jako text/html deklaracja xml znajdująca się przed doctype rodzi pewne problemy w rozumieniu stron przez przeglądarke IE w wersji 6.x . Ale to już problem do dyskusji na osobny wpis.

Zakończenie.

Boje z kodowaniem nie dotyczą wyłącznie dokumentów hipertekstowych, również inne dokumenty, dane w zbiorach bazodanowych opierają się na zapisie kodowym. Stąd świadomość omawianych zagadnień jest niezbędna aby opóźnić objawy starzenia i utrzymać zdrowie psychiczne w dobrej kondycji ;p Szczególnie jeśli interesuje Cię profesjonalne tworzenie stron internetowych.

~Michał Kowalski 2008

(*)Zakładam, że stosujemy kodowanie iso-8859-2, jednak przypominam, że lepiej jest stosować UTF-8.