Kanske har du redan märkt att när man skapar html-dokument som innehåller tecken såsom å, ä, ö kan det hända att de ersätts med en uppsjö a mystiska tecken. Lösningen på detta är character sets.
För att göra en lång historia kort så var det alltså så att man i datorernas tidiga dagar representerade tecken som ASCII-koder. T.ex. så representerades A genom 65 och a genom 97.
ASCII-tabellen använde sig av 7 bitar, vilket resulterade i 128 olika tecken (eftersom 2^7=128), varvid vissa var "unprintable" kontroll-tecken. Som du säkert kan tänka dig upptäckte man snabbt att detta var fullt otillräckligt för att lagra all världens olika tecken. Vi har ju förstås inte bara åäö att arbeta med, utan även kinesiska, grekiska, arabiska o.s.v.
There is no such thing as plain text
Ovan citat understryker faktumet att datorer egentligen är väldigt korkade och bara gör det vi säger åt dem. Utan att berätta för en dokumentläsare på vilket sätt vi sparat ett visst tecken så har den ingen chans att veta vad det är för tecken, hur det ska visas, eller ens vart tecknet slutar.
In kommer utf-8 och räddar dagen! Detta är kort sagt är ett sätt att representera Unicode-tecken. Och kort sagt möjliggör användning av världens alla tecken. Och som kort sagt blivit den vanligaste teckenkodningen för webbsidor.
Ett dokuments teckenkodning sätter vi genom att skapa en <meta>-tag med attributet charset satt till valfritt charset (såsom just utf-8). Eftersom detta tillhör meta-information om dokumentet skall vi placera taggen under <head>. Vidare bör vi även specificera vårt charset så tidigt som möjligt i <head> eftersom webbläsaren behöver veta vilken teckenkodning vi använt för att ordentligt kunna läsa det dokument den redan läser.
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>The utf-8, I speak!</title>
</head>
</html>Det här kapitlet är en del av en den interaktiva och pragmatiska höghastighetsguiden till webbutveckling — HTMLHunden. Använd knapparna nedan för att läsa vidare eller navigera till innehållsförteckningen.