Unicode
Unicode est un jeu de caractères standard qui énumère et définit les caractères des différentes langues du monde, systèmes d'écriture et symboles.
En attribuant un nombre à chaque caractère, les développeuses et développeurs peuvent encoder des caractères, pour permettre aux ordinateurs de stocker, traiter et transmettre toute combinaison de langues dans le même fichier ou programme.
Avant Unicode, il était difficile et sujet aux erreurs de mélanger les langues dans les mêmes données. Par exemple, un jeu de caractères stockait des caractères japonais et un autre l'alphabet arabe. S'il n'était pas clairement indiqué quelles parties des données appartenaient à quel jeu de caractères, d'autres programmes et ordinateurs affichaient incorrectement le texte ou l'endommageaient pendant le traitement. Si vous avez déjà vu du texte ou des caractères comme des citations entre guillemets anglais (“”) remplacés par du charabia comme £
, alors vous avez vu ce problème, connu sous le nom Mojibake.
L'encodage de caractères Unicode le plus courant sur le Web est UTF-8. D'autres encodages existent, comme UTF-16 ou l'obsolète UCS-2, mais UTF-8 est recommandé.
Voir aussi
- Unicode sur Wikipédia
- The Unicode Standard: A Technical Introduction (en anglais)