HTML karakterkódolás

A HTML (angolul: HyperText Markup Language=hiperszöveges jelölőnyelv) nyelvet már 1991 óta használják, de csak az 1997-ben megjelent HTML 4.0 óta lehetséges a nemzetközi karakterek teljeskörű használata. Amikor egy HTML dokumentum speciális karaktereket tartalmaz a 7 bites ASCII karakterein kívül, akkor két célt érdemes figyelembe venni: az információk integritását és az univerzális böngésző megjelenést.

A karakterkódolás az informatikában a betűk, a számok és egyéb karakterek megjelenítéséért felel. Minden egyes karakterhez egy egyedi számot rendelünk hozzá, például az ASCII karaktergyűjteményben az A betűhöz a 65-ös szám tartozik. Ez azért fontos, mert az informatikai eszközök (számítógépek, telefonok) az ember számára értelmezhető karaktereket elektronikus formában tudják csak megjeleníteni, azaz a minden karaktert számok formájában tárolnak. Ezeket a számokból álló rendszereket nevezik karakterkódolásnak.

Karakterkódolás kiválasztása

Ahhoz hogy eltudjuk dönteni, hogy milyen karakterkódolásra van szükségünk, először meg kell határoznunk, hogy milyen karaktereket szeretnénk megjeleníteni. Különös tekintettel azokra a karakterekre, amelyeket nem tartalmazza az angol ABC. Például a magyar nyelv esetében az ékezetes karakterekre.

Ha elkészítettünk egy listát, amelyen szerepelnek az általunk használni kívánt karakterek, akkor meg kell keresnünk azt a karakterkészletet, amely tartalmazza az összes számunkra szükséges karaktert.

Magyar nyelvterületen leggyakrabban az UTF-8 karakterkódolást szokták alkalmazni, mert ez tartalmazza az összes általunk használt karakter ékezetes változatát is.

Karakterkódolás megadása

Több módja is van annak, hogy a HTML nyelven belül megadjuk a karakterkódolást, a megadás módja a dokumentum típusától függ. A webszerver tartalmazhatja a karakterkódolást, a karakterkészlet a Hypertext Transfer Protocol (HTTP) Content-Type tartalomtípus fejlécében kerül meghatározásra az alábbi módon:

Content-Type: text/html; charset=ISO-8859-4

Ez a módszer kényelmes módot kínál a HTTP szervernek a dokumentum kódolásának a tartalmai egyeztetés szerint történő megváltoztatására.

Egy HTML dokumentum esetében a <head> részbe kell helyeznünk a karakterkódolást^[1] definiáló részt. Régebbi HTML verziók esetében még szükséges volt az alábbi megadási módot alkalmaznunk.

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

A HTML5 megjelenésével viszont már rendkívül megrövidült a karakterkódolásnak a megadása.

<meta charset="UTF-8">

AZ XHTML dokumentumok esetében van egy harmadik lehetőség is. Ilyenkor egy XML deklarációval állítjuk be a megfelelő karakterkódolást.

<?xml version="1.0" encoding="ISO-8859-1"?>

Megengedett karakterkódolások

A legújabb HTML szabványok a WHATWG kódolási szabványra hivatkoznak, amely meghatározza azoknak a karakterkódolásoknak a listáját, amelyeket a böngészőknek kötelezően támogatniuk kell. A HTML-szabványok tiltják más kódolások támogatását.^[2] A kódolási szabvány előírja, hogy új formátumok, új protokollok és az új dokumentumok szerzői kötelesek kizárólag UTF-8 karakterkódolást alkalmazni.^[3]

Az UTF-8 mellett a következő karakterkódolások engedélyezettek a HTML szabvány szerint:^[4]

ISO-8859-2
ISO-8859-7
ISO-8859-8
Windows-874
Windows-1250
Windows-1251
Windows-1252
Windows-1254
Windows-1255
Windows-1256
Windows-1257
Windows-1258
GB18030
Big5
Shift JIS
ISO-2022-JP
EUC-KR
UTF-16BE
UTF-16LE
x-user-defined

A következő karakterkódolások támogatása szükséges:^[3]

Code page 866
ISO-8859-3
ISO-8859-4
ISO-8859-5
ISO-8859-6
ISO-8859-8-I
ISO-8859-10
ISO-8859-13
ISO-8859-14
ISO-8859-15
ISO-8859-16
KOI8-R
KOI8-U / KOI8-RU
Mac OS Roman
Windows-1253
Mac OS Cyrillic
GBK

Az alábbi karakterkészletek használata kifejezetten tiltott:^[4]

CESU-8
UTF-7
BOCU-1
SCSU
EBCDIC
UTF-32

HTML karakterhivatkozások

A natív karakterkódolások mellett a karakterek is kódolhatók karakterhivatkozásokként. Ezek olyan speciális karakterek, amelyek alkalmasak arra, hogy a böngésző összekeverje őket egy HTML taggel. Például egy kisebb (<) jel esetében a böngésző vélheti úgy, hogy ez egy HTML tag, ebben az esetben a HTML kódot teljesen olvashatatlanná tenné. A karakterhivatkozásokkal különböző fenntartott HTML karaktereket tudunk a böngésző számára is könnyen értelmezhetővé és megjeleníthetővé tenni.

A karakterhivatkozásokat hívhatjuk entitásnak is.^[5]

Néhány karakterhivatkozás


Karakter	Megnevezés	Entitás név	Entitás szám
	nem törhető szóköz
<	kisebb, mint	<	<
>	nagyobb, mint	>	>
&	és	&	&
"	dupla idézőjel	"	"
'	aposztróf	'	'
¢	cent	&cent	¢
£	font	&pound	£
¥	jen	&yen	¥
€	euró	&euro	€
©	copyright	&copy	©
®	bejegyzett védjegy	&reg	®

Linkek a témában

Az alább található cikkek segítséget nyújthatnak a karakterkódolások gyakorlati használatában.

Hivatkozások

↑ HTML karakterkódolás, karakterkészlet megadása (HTML meta charset) - WEBiskola (magyar nyelven). webiskola.hu, 2020. szeptember 15. (Hozzáférés: 2021. június 1.)
↑ HTML 5.1 2nd Edition: 8. The HTML syntax. www.w3.org. (Hozzáférés: 2021. június 8.)
↑ ^a ^b Encoding Standard. encoding.spec.whatwg.org. (Hozzáférés: 2021. június 8.)
↑ ^a ^b HTML Standard. html.spec.whatwg.org. (Hozzáférés: 2021. június 8.)
↑ HTML Entities. www.w3schools.com. (Hozzáférés: 2021. június 8.)

[1] HTML karakterkódolás, karakterkészlet megadása (HTML meta charset) - WEBiskola (magyar nyelven). webiskola.hu, 2020. szeptember 15. (Hozzáférés: 2021. június 1.)

[2] HTML 5.1 2nd Edition: 8. The HTML syntax. www.w3.org. (Hozzáférés: 2021. június 8.)

[Encoding_Standard-3] Encoding Standard. encoding.spec.whatwg.org. (Hozzáférés: 2021. június 8.)

[HTML_Standard-4] HTML Standard. html.spec.whatwg.org. (Hozzáférés: 2021. június 8.)

[5] HTML Entities. www.w3schools.com. (Hozzáférés: 2021. június 8.)

[1]

[2]

[3]

[4]

[5]