Estándar de codificación de html

ESTÁNDAR DE CODIFICACIÓN DE HTML
Unicode
Es el estándar de codificación de caracteres diseñado para facilitar la transmisión y visualización de textos de múltiples lenguajes, ideogramas, dialectos y lenguas muertas.
Los puntos de código de Unicode se identifican por un número entero. Según su arquitectura, un ordenador utilizará unidades de 8, 16 o 32 bits para representar dichos enteros. Lasformas de codificación de Unicode reglamentan la forma en que los puntos de código se transformaran en unidades tratables por el computador.
Unicode incluye sistemas de escritura modernos como: Árabe, Braille, Copto, Cirílico, Griego, Han (Kanji, Hanja y Hanzi), Japonés (Kanji, Hiragana y Katakana), Hebreo y Latino. Escrituras históricas menos utilizadas, incluso aquellas extinguidas comoCuneiforme, Griego antiguo, Lineal B micénico, Fenicio y Rúnico.
Entre los caracteres no que no forman parte de alfabetos se encuentran símbolos musicales y matemáticos, fichas de juegos como Mahjong, Domino, Flechas, Iconos, etc.
Además Unicode dispone de versiones predefinidas de la mayoría de combinaciones de letras y símbolos diacríticos en uso en la actualidad y define mecanismos de combinación decaracteres.
Unicode define tres formas de codificación bajo el nombre UTF o Formato de Transformación Unicode (Unicode TransformationFormat):
- UTF-8: codificación orientada a byte con símbolos de longitud variable
UTF-16: codificación de 16 bits de longitud variable optimizada para la representación del plano básico multilingüe (BMP)
UTF-32: codificación de 32 bits de longitud fija, y la mássencilla de las tres
UTF-8
Formato de codificación de caracteres Unicode utilizando símbolos de longitud variable. UTF-8 divide los caracteres Unicode en varios grupos, en función del número de bytes necesarios para codificarlos. El número de bytes depende exclusivamente del código de carácter asignado por Unicode y del número de bytes necesario para representarlo.
UTF-16
Código de caracteresque proporciona una forma de representar caracteres unicode e ISO/IEC 10646 como una serie de palabras de 16 bits y 24 bits susceptibles de ser almacenados o transmitidos a través de redes de datos.
La codificación de los mapas de cada carácter a una secuencia de palabras de 16 bits. Los Caracteres son conocidos como puntos de código y las palabras de 16 bits que se conoce como código deunidades. Para los caracteres en el Plano Multilingüe Básico (BMP), la codificación resultante es una sola palabra de 16 bits. Para los caracteres en los otros planos, la codificación se traducirá en un par de palabras de 16 bits, así como un sustituto llamado par. Todos los posibles puntos de código a partir de U+0000 a través de U+10FFFF, a excepción de la sustitución, los puntos de códigoU+D800–U+DFFF (que no son caracteres), se asigna únicamente en UTF-16, independientemente del punto de código del carácter actual o futura cesión o el uso.
UTF-32
Protocolo de codificación de caracteres Unicode que utiliza exactamente 32 bits para cada punto de código Unicode. Todos los demás formatos de transformación de Unicode usan codificaciones de longitud variable.
Dado que UTF-32 usa 4 bytes para cadacarácter de espacio es bastante ineficiente. En concreto, lo caracteres BMP no son tan raras en la mayoría de los textos, que pueden muy bien ser considerado como inexistente conversaciones para determinar el tamaño, haciendo UTF-32 entre dos y cuatro veces el tamaño de otras codificaciones.
BOM
Marca de orden de bytes o (BOM, por el inglés Byte Order Mark) es el carácter Unicode U+FEFF encodepoint (espacio no-separable de anchura-cero, en inglés zero-width no-break space), cuando este carácter se emplea para marcar el endianness (la orientación de escritura del flujo de bytes) de una cadena de caracteres UCS/Unicode con código en UTF-16 o UTF-32 y/o como marca para indicar que el texto está codificado en UTF-8, UTF-16 o UTF-32.
Procedimiento de Codificación
Para que las páginas...