UTF-8: diferenças entre revisões

Conteúdo apagado Conteúdo adicionado
m +correções semiautomáticas (v0.57/3.1.56/0.1)
Ou é caractere (pt-br) ou é caráter (pt-pt)
Linha 1:
{{Sem fontes|data=janeiro de 2011| angola=| arte=| Brasil=| ciência=| geografia=| música=| Portugal=| sociedade=|1=|2=|3=|4=|5=|6=}}
{{Tabela Unicode}}
'''UTF-8''' (8-[[bit]] [[Unicode|Unicode Transformation Format]]) é um tipo de codificação binária (Unicode) de comprimento variável criado por [[Ken Thompson]] e [[Rob Pike]]. Pode representar qualquer caractercaractere universal padrão do Unicode, sendo também compatível com o [[ASCII]]. Por esta razão, está lentamente a ser adaptado como tipo de codificação padrão para emaile-mail, páginas web, e outros locais onde os caracteres são armazenados.
 
UTF-8 usa de um a quatro [[byte]]s (estritamente, octetos) por caráctercaractere, dependendo do símbolo Unicode que representa. É necessário apenas um byte para codificar os 128 caracteres ASCII (Unicode U+0000 a U+007F). São necessários dois bytes para caracteres Latinos com [[diacrítico]]s. São também usados dois bytes para representar caracteres dos alfabetos [[Alfabeto grego|Grego]], [[Alfabeto cirílico|Cirílico]], Armênio, [[Alfabeto hebraico|Hebraico]], Sírio e Thaana (Unicode U+0080 a U+07FF). São necessários três bytes para o resto do [[Plano Multilingual Básico]] (que contém praticamente todos os caracteres comuns utilizados). Existem ainda outros caracteres que necessitam de quatro bytes.
 
Quatro bytes pode parecer muito para um caráctercaractere ("code point"), mas muito raramente são utilizados. Além disso, [[UTF-16]] (a principal alternativa ao UTF-8) necessita também de quatro bytes para estes "code points". A definição de qual dos dois é mais eficiente (UTF-8 ou UTF-16) depende da variedade de "code points" usados. Contudo, as diferenças entre os vários tipos de codificação tornam-se irrelevantes com o uso de sistemas de compressão como o [[DEFLATE]]. Para textos curtos nos quais os tradicionais algoritmos não funcionam bem e se faz necessário ter o tamanho em consideração, é geralmente usado o Esquema Padrão de Compressão para Unicode ([[Standard Compression Scheme for Unicode]]).
 
O "[[IETF|Internet Engineering Task Force]]" (IETF) requer que todos os protocolos utilizados na Internet suportem, pelo menos, o UTF-8. O "Internet Mail Consortium" (IMC) [https://web.archive.org/web/20071026103104/http://www.imc.org/mail-i18n.html] recomenda que todos os clientes de emaile-mail consigam ler e criar mails usando o UTF-8.
 
== História ==
Linha 32:
* ''The Unicode Standard (Padrão Unicode), Anexo #27: Unicode 3.1'' (2001)
 
Todos são idênticos no seu funcionamento, diferindo apenas na escala de "code points" usados, e na manipulação segura de ''input'' inválido. Os bits de um caráctercaractere Unicode são divididos em vários grupos, que são depois divididos entre as posições mais baixas dentro dos bytes do UTF-8.
 
Um caráctercaractere com um "code point" abaixo de U+0080 é codificado com apenas um byte que contém o seu "code point": estes correspondem exactamente aos 128 caracteres do ASCII de 7-bit. Noutros casos, são necessários até quatro bytes. O mais alto destes é 1, para evitar confusão com os caracteres do ASCII de 7-bit, e assim manter seguro o processamento das strings padrão orientadas a bytes.
 
{{Ken Thompson navbox}}