bush hid the facts - amit a karakterkódolások tartogatnak ellened (lightning talk)

Bush hid the facts(amit a karakterkódolások tartogatnak ellened)

Rendszerek Bitek Darabok Jaj?

ASCII 7 bit 128 db egyértelmű

DOS 8 bit 256 dbmindenféle

kódlap

Windows 8-n bit 256-n dbmég több kódlap /o\

ANSI

Mit akarunk egy jó

• Egységes

• Minden benne legyen

• Tényleg minden!

• Ne foglaljon emiatt túl sok helyet azért

A Unicode-ot szeretjük

• 1,114,112 kódpont (0x0-0x10FFFF)

• Egy karakter fix helyen

• Van még hely, sok

• Folyamatosan fejlődik

• És hát ez sok helyet foglalna, de...

UTF-8

• Változó méretek

UTF-8

UTF-16

BOM• Megmondja nekünk

• UTF-16nál az endiannesst

• UTF-8nál azt, hogy ez UTF-8

Kódolás Hex ANSI

UTF-8 EF BB BF 

UTF-16LE FE FF þÿ

UTF-16BE FF FE ÿþ

Bush hid the facts

Mire figyeljünk?

• Szövegfájloknál UTF-8

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

• Ha programozunk, Unicode stringeket/függvényeket használunk

• Figyelünk a BOM-ra illetve annak

Dolgok amikről nem

• UTF-7

• UTF-32

• Punycode

• ...

☃ Kádár Tamáshttp://blog.ktamas.com/ktamas@ktamas.com

Az előadás nem jöhetett volna létre Pándi Veronika segítsége nélkül.