HTML 字符集

什么是 HTML 字符集？

HTML 字符集（Character Encoding）决定网页如何把 二进制数据解释成文字。

例如：

• UTF-8
• ISO-8859-1
• GBK（老中文编码）
• Shift_JIS（旧日文编码）

现代网页 全部使用 UTF-8，因为它支持所有语言。

常见的字符集/编码

ASCII（美国信息交换标准代码）

• 范围： 仅包含 128 个字符（0-127）。
• 包含内容： 英文字母（大小写）、数字、标点符号以及一些控制字符（如换行、回车）。
• 局限性： 完全无法表示其他语言的文字，如中文、日文、法文等。

ISO-8859-1 (Latin-1)

• 范围： 扩展自 ASCII，包含 256 个字符（0-255）。
• 包含内容： 在 ASCII 的基础上，增加了西欧语言的字符，如带重音的字母（é, ñ, ü）等。
• 在 HTML 4.01 中，它是默认的字符集。
• 局限性： 仍然无法表示亚洲字符。

Unicode (万国码)

这是一个字符集，旨在包含世界上所有的字符系统。它为每个字符分配一个唯一的编号（码点），与平台、程序、语言无关。

• 例如：汉字“你”的 Unicode 码点是 U+4F60。

但是，Unicode 本身不规定如何存储。这时就需要具体的编码方案。

UTF-8 (Unicode Transformation Format - 8-bit)

这是 Unicode 的一种实现方式（编码方案），也是目前 Web 标准的绝对首选。

特点：

• 可变长度： 使用 1 到 4 个字节来表示一个字符。
• 兼容 ASCII： 所有 ASCII 字符（0-127）在 UTF-8 中保持原样，只用 1 个字节。这使得纯英文文档在 UTF-8 下非常高效。
• 涵盖所有字符： 可以表示 Unicode 标准中的任何字符，包括大量中文、日文、韩文字符以及各种表情符号（Emoji）。
• 高效且通用： 是解决字符集问题的最佳方案。

HTML 设置字符集的标准写法

HTML5：

<head>
    <!-- 如果不写，有些中文页面会出现 乱码。 -->
    <meta charset="UTF-8" />
</head>

HTML4：

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

charset 必须放在 <head> 最前面

浏览器是 自上而下解析的，如果 charset 写下面，浏览器在解析前半段时可能已经用错编码方式 → 出现乱码。

浏览器如何决定编码？

浏览器采用以下优先级（从高到低）：

1. HTTP Header

Content-Type: text/html; charset=UTF-8

2. HTML <meta charset>
3. 浏览器的默认编码设置
4. 浏览器猜测（可能出错）

常见编码对比

编码	语言	描述
UTF-8（推荐）	全语言	国际标准，网页默认编码
GB2312	简体中文	较老
GBK	简体中文	GB2312 扩展版