04 # HTML 字符编码

说明

网道HTML 教程学习笔记

1、简介

浏览器必须知道文字的编码方法，才能把文字还原出来。

一般情况下，服务器向浏览器发送 HTML 网页文件时，会通过 HTTP 头信息，声明网页的编码方式。

Content-Type: text/html; charset=UTF-8

上面的 HTTP 头信息的 Content-Type 字段先声明，服务器发送的数据类型是 text/html（即 HTML 网页），然后声明网页的文字编码是 UTF-8。

网页内部也会在 meta 标签，再次声明网页的编码。

<meta charset="UTF-8">

2、字符的数字表示法

2.1、简介

Unicode 字符集设计目标是包含世界上的所有字符，目前已经收入了十多万个字符。最常用的编码是UTF-8 编码，就是 Unicode 字符集的一种表达方式。

2.2、码点

每个字符有一个 Unicode 号码，称为码点（code point）。

2.3、注意

不是每一个 Unicode 字符都能直接在 HTML 语言里面显示。

原因如下：

   1、不是每个 Unicode 字符都可以打印出来，有些没有可打印形式，比如换行符的码点是十进制的10（十六进制的A），就没有对应的字面形式。

   2、小于号（<）和大于号（>）用来定义 HTML 标签，其他需要用到这两个符号的场合，必须防止它们被解释成标签。

   3、由于 Unicode 字符太多，无法找到一种输入法，可以直接输入所有这些字符。换言之，没有一种键盘，有办法输入所有符号。

   4、网页不允许混合使用多种编码，如果使用 UTF-8 编码的同时，又想插入其他编码的字符，就会很困难。

2.4、码点转成对应的字符

HTML 为了解决上面这些问题，允许使用 Unicode 码点表示字符，浏览器会自动将码点转成对应的字符。

字符的码点表示法是：（浏览器会自动转换它们。）

   &#N;（十进制，N代表码点），比如 a 可以写成 &#97;，字符 中 可以写成 &#20013;;

   &#xN; （十六进制，N代表码点），比如 a 可以写成 &#x61;，字符 中 可以写成 &#x4e2d;;

例子：hello 的不同写法

这里需要注意一点：<p>标签不能写成 <&#112;>， 浏览器会把其当做文本内容。

<p>hello</p>
<!-- 等同于 -->
<p>&#104;&#101;&#108;&#108;&#111;</p>
<!-- 等同于 -->
<p>&#x68;&#x65;&#x6c;&#x6c;&#x6f;</p>

3、字符的实体表示法

3.1、简介

上面的数字表示法的不方便之处，在于必须知道每个字符的码点，不方便记忆。

HTML 为一些特殊字符，规定了容易记忆的名字，允许通过名字来表示它们，这称为实体表示法（entity）。

3.2、实体的写法

实体的写法是 &name;，其中的 name 是字符的名字。

其中一些特殊字符，及其对应的实体。

   <：&lt;

   >：&gt;

   "：&quot;

   '：&apos;

   &：&amp;

   ©：&copy;

   #：&num;

   §：&sect;

   ¥：&yen;

   $：&dollar;

   £：&pound;

   ¢：&cent;

   %：&percnt;

   *：$ast;

   @：&commat;

   ^：&Hat;

   ±：&plusmn;

   空格：&nbsp;

字符的数字表示法和实体表示法，都可以表示正常情况无法输入的字符，逃脱了浏览器的限制，所以英语里面称为escape，中文翻译为字符的转义。