UTF

UTF-8
UTF-8 (8-bit Unicode Transformation Format) es un formato de codificación de caracteres Unicode e ISO 10646 utilizando símbolos de longitud variable. UTF-8 fue creado porRobert C. Pike yKenneth L. Thompson. Está definido como estándar por la RFC 3629 de la Internet Engineering Task Force (IETF).1 Actualmente es una de las tres posibilidades de codificación reconocidas por Unicode ylenguajes web, o cuatro en ISO 10646.
Sus características principales son:
• Es capaz de representar cualquier carácter Unicode.
• Usa símbolos de longitud variable (de 1 a 4 bytes por carácter Unicode).
•Incluye la especificación US-ASCII de 7 bits, por lo que cualquier mensaje ASCII se representa sin cambios.
• Incluye sincronía. Es posible determinar el inicio de cada símbolo sin reiniciar lalectura desde el principio de la comunicación.
• No superposición. Los conjuntos de valores que puede tomar cada byte de un carácter multibyte, son disjuntos, por lo que no es posible confundirlos entresí.
Estas características lo hacen atractivo en la codificación de correos electrónicos y páginas web.2 3 El IETF requiere que todos los protocolos de Internet indiquen qué codificación utilizan para lostextos y que UTF-8 sea una de las codificaciones contempladas.4 El Internet Mail Consortium (IMC) recomienda que todos los programas de correo electrónico sean capaces de crear y mostrar mensajescodificados utilizando UTF-8.5
Ventajas
UTF-8 permite codificar cualquier carácter Unicode.1
Es compatible con US-ASCII, la codificación del repertorio de 7 bits es directa.
Fácil identificación. Esposible identificar claramente una muestra de datos como UTF-8 mediante un sencillo algoritmo. La probabilidad de una identificación correcta aumenta con el tamaño de la muestra.1
UTF-8 ahorrará espacio dealmacenamiento para textos en caracteres latinos, donde los caracteres incluidos en US-ASCII son comunes, cuando se compara con otros formatos como UTF-16.8
Una secuencia de bytes para un carácter...