16 agosto 2006


Unicode (UTF-8)

Uno de los graves problemas de la gran red es la internacionalización. Desde un principio, la internacionalización de contenidos siempre fueron definidos por unos pocos estándares, entre ellos los americanos como es el ASCII y algunos corporativos como es el de Microsoft Western Windows-1252. Esto por lo general hace que la mezcla de varios idiomas en un documento traiga bastantes dolores de cabeza.

A veces, cuando intentamos convertir documentos o mezclamos los encodings, las cosas terminan siendo como esta palabra Iñtërnâtiônà lizætiøn, ¿Símbolos raros eh?

La cuestión es, ¿cómo podemos ofrecer un encoding de archivo que soporte todos estos idiomas? Hay uno, se llama UTF-8, pertenece a Unicode. Hay varias formas de UTF, entre ellas la más popular la UTF-8, siguiéndoles UTF-12 y hasta un UTF-32.

Unicode se define con esta frase:

Unicode es un estándar industrial cuyo objetivo es proporcionar el medio por el que un texto en cualquier forma e idioma pueda ser codificado para el uso informático.

Resumiendo qué es Unicode y ventajas de usar UTF-8:

1. Soporte a todos los caracteres.
2. Compatibilidad entre páginas (véase compartir RSS, agregadotes)
3. Compatibilidad entre programas.
4. Menos configuraciones y cosas raras en el servidor.

Usar UTF-8 beneficiaría a todas aquellas páginas que de alguna forma u otra necesitan ofrecer un soporte de internacionalización a externos, en este caso las personas. Yendo más al grano, si usas en tu weblog UTF-8 por ejemplo, le ofreces a aquella gente que no habla tu idioma poder expresarse con el suyo, que puede ser japonés o ruso y utilizando su set de caracteres.

Το Unicode vπαρέχει έναν μοναδικό αριθμό για κάθε χαρακτήρα, η ο οποίος πλατφόρμα, το της οποίας πρόγραμμα, η του οποίου γλώσσα.

Si tu página no está codificada con UTF-8, probablemente cuando alguien escriba con un set de caracteres diferentes al que tu has seleccionado el texto se verá lleno de símbolos raros. Entonces, el problema surge a la vista. Para ello tenemos Unicode que nos brinda un soporte universal para que cada documento tenga la capacidad de mostrar diferentes sets de caracteres diferentes.

やれ打つな蝿が手をすり足をする

Oh, no la aplastes! / la mosca frota sus manos / frota sus pies

Kobayashi Issa 一茶 (1762-1826)

UTF-8 es que puede representar directamente todos los caracteres Unicode. Tener todo este soporte abre muchas puertas y da rienda suelta a la creatividad porque no.

¿Nunca han visto una que otra página web que se dedique a recopilar noticias de otro sitios usando RSS? ¿Comentarios mal codificados? Habrán notado que algunas de las noticias fueron directamente importadas de UTF-8 a una página y servidor que sólo acepta y sirve iso-8859-1. Esto se debe a que no han implementado UTF-8 todavía. Si lo hubieran implementado, probablemente no tendrían que hacer movidas raras de conversión antes de guardar un dato en la base de datos.

Otro punto a favor es la semántica del documento. Al estar escrito en UTF-8, no hace falta un navegador para interpretar el documento sino cualquier programa que utilice UTF-8 (la gran mayoría) para el set de caracteres. Esto también me beneficia para el que busca algo en Google por ejemplo, ya que Google no leerá mi documento lleno de códigos ISO sino palabras escritas en otro idioma, que es muy diferente.

Pasarse a UTF-8 no es tan fácil como copiar y pegar. Primero porque tenés que comprender qué cosas hay que configurar para que todo salga como una joya.

Extraido de Minid.net

Más información en UTF-8 en Wikipedia


Comentarios:
hola, sabes? un dia hice un blog y perdi los datos....hoy los encontré y lei un post tuyo.

gracias por la visita, e intentare retomar lo que un dia quise iniciar :)







saludos :D




pd: respecto a una de tus entradas anteriores.....la de las 20 respuestas de los programadores (...) podria agregar el rosario de chuchadas que le escucho a mi hermano :D
 
que quisiste desir con todo esto mauricio
 
mauricio puga guaaaaaa
 
wen blog kabro

te ganaste un link ;)
 
Publicar un comentario



<< Inicio