Schei. encoding

Schei� encodingCodierungen und Ã¤hnliches

Schei� encoding Codierungen und Ã¤hnlichesAndreas Heigl@heiglandreas

HistorischesAnfängeASCIIISOUnicode

AnfängeLochkartenKein Bedarf für „Schrift“

ASCIIAmerican Standard Code for InformationInterchange1963 entstanden7-Bit Zeichensatz (128 Zeichen)

ASCII 0 1 2 3 4 5 6 7 8 9 A B C D E F01234 A B C D E F G H I J K L M N O5 P Q R S T U VWX Y Z67

ASCII 0 1 2 3 4 5 6 7 8 9 A B C D E F01234 A B C D E F G H I J K L M N O5 P Q R S T U V W X Y Z6 a b c d e f g h i j k l m n o7 p q r s t u v w x y z

ASCII 0 1 2 3 4 5 6 7 8 9 A B C D E F0123 0 1 2 3 4 5 6 7 8 94 A B C D E F G H I J K L M N O5 P Q R S T U V W X Y Z6 a b c d e f g h i j k l m n o7 p q r s t u v w x y z

ASCII 0 1 2 3 4 5 6 7 8 9 A B C D E F012 ! ” # $ % & ’ ( ) * + , - . /3 0 1 2 3 4 5 6 7 8 9 : ; < = > ?4 A B C D E F G H I J K L M N O5 P Q R S T U V W X Y Z [ ] ^ _6 ` a b c d e f g h i j k l m n o7 p q r s t u v w x y z { | } ~ .

ASCII 0 1 2 3 4 5 6 7 8 9 A B C D E F012 ! ” # $ % & ’ ( ) * + , - . /3 0 1 2 3 4 5 6 7 8 9 : ; < = > ?4 @ A B C D E F G H I J K L M N O5 P Q R S T U V W X Y Z [ ] ^ _6 ` a b c d e f g h i j k l m n o7 p q r s t u v w x y z { | } ~ .

ISOInternational Standardisation OrganisationASCII-Kompatibel8-Bit Zeichensatz (256 Zeichen)

-1 Latin-1, Westeuropa -9 Latin-5, Türkisch-2 Latin-2, Mitteleuropa -10 Latin-6, Nordisch-3 Latin-3, Südeuropa -11 Thai-4 Latin-4, Nordeuropa -12 - nicht existent-5 Kyrillisch -13 Latin-7, Baltisch-6 Arabisch -14 Latin-8, Keltisch-7 Griechisch -15 Latin-9, Westeuropäisch-8 Hebräisch -16 Latin-10, Südosteuropäisch

ISO-8859-1 Latin-1, Westeuropa -9 Latin-5, Türkisch-2 Latin-2, Mitteleuropa -10 Latin-6, Nordisch-3 Latin-3, Südeuropa -11 Thai-4 Latin-4, Nordeuropa -12 - nicht existent-5 Kyrillisch -13 Latin-7, Baltisch-6 Arabisch -14 Latin-8, Keltisch-7 Griechisch -15 Latin-9, Westeuropäisch-8 Hebräisch -16 Latin-10, Südosteuropäisch

ASCII 0 1 2 3 4 5 6 7 8 9 A B C D E F012 ! ” # $ % & ’ ( ) * + , - . /3 0 1 2 3 4 5 6 7 8 9 : ; < = > ?4 @ A B C D E F G H I J K L M N O5 P Q R S T U V W X Y Z [ ] ^ _6 ` a b c d e f g h i j k l m n o7 p q r s t u v w x y z { | } ~ .

ISO-8859-1 0 1 2 3 4 5 6 7 8 9 A B C D E F89A nbsp ¡ ¢ £ ¤ ¥ ¦ § ¨ © ª « ¬ shy ® ¯B ° ± ² ³ ´ µ ¶ · ¸ ¹ º » ¼ ½ ¾ ¿C À Á Â Ã Ä Å Æ Ç È É Ê Ë Ì Í Î ÏD Ð Ñ Ò Ó Ô Õ Ö × Ø Ù Ú Û Ü Ý Þ ßE à á â ã ä å æ ç è é ê ë ì í î ïF ð ñ ò ó ô õ ö ÷ ø ù ú û ü ý þ ÿ

Andere CodierungenMacRomanWindowsLatin...

Unicode1991 (1988) entstandenMultibyte Zeichensatz (z.Zt. 1.114.112Zeichen)ASCII/ISO-8859-1 KompatibelUnterschiedliche Codierungen (UTF-8,UTF-16, UTF-32, EBCDIC, .... )

UnicodeU+0000 - U+10FFFFU+0000 - U+007F -> ASCIIU+0080 - U+00FF -> ISO-8859-1Verschiedene Codierungen möglich

UTF-32jedes Zeichen 4 Byte langEinfachSpeicherintensiv

UTF-16jedes Zeichen 2 Byte langEinfachCodiert nur die meistgenutzten Zeichen ausUnicodeNur Zeichen von U+0000 bis U+FFFF möglich.Big- oder LittleEndian?MacOS-X, Windows, Java, .Net

UTF-8jedes Zeichen zwischen 1 und 4 Byte langStreamsicher, da Start- und Folgezeichenunterschieden werdenAlle Unicode-Zeichen codierbar und noch viel mehr(bis zu 2^42 - 4.398.046.511.104)Platzsparend, da oft nur 1 Byte gespeichertwerden muss (Lateinische Schriften)Linux, IETF

UTF-8Startbyte 0xxxxxxx oder 11xxxxxxFolgebyte 10xxxxxx0xxxxxxx für 1-Byte-Zeichen1xxxxxxx für Mehr-Byte-Zeichen.Die Anzahl der 1 zeigt die Anzahl derGesamt-Byte an

UTF-800-7F ein Byte langes Zeichen (ASCII)80-BF 2., 3. oder 4. Byte einer mehrbyte-SequenzC2-DF Start einer 2 Byte langen SequenzE0-EF Start einer 3 Byte langen SequenzF0-F4 Start einer 4 Byte langen Sequenz

UTF-8 UTF-8 Binär Unicode Fehler U+0079y 0x79 01111001 01111001 0xC3 0xA4 11000011 U+00E4ä Ã¤ 10100100 11100100

Codierung und PHPPHP ist NICHT Unicode-sicherWarum ist das ein Problem?

Warum ist das ein Problem?Kein Problem wenn NUR EINE ISO-8859-Variantezum Einsatz kommt.Internationale SeitenMehrsprachige Texte (da langt schon eingriechisches Wort ...)Mehrbyte-Zeichen und strlen?Darstellung von einzelnen Zeichen eines MehrByte-Zeichens (z.B. Ã¤ statt ä)

Codierung und PHPmb_internal_encoding(UTF-8); mb_http_input (UTF-8); mb_http_output (UTF-8);Content-type: text/html; charset=utf-8<meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> und <form accept-charset = "utf-8">CREATE DATABASE ... DEFAULT CHARACTER SET utf8 COLLATE utf8 ... ENGINE ...CHARSET=utf8 COLLATE=utf8_unicode_ciSET NAMES utf8 COLLATE utf8_unicode_cidefault_charset = UTF-8mb_string Funktionenmb-Reguläre Ausdrückeu-Modiﬁkator für preg-RegEx

mb_string MultiByte-Funktionen Ersetzen „normale“ String-Funktionen Ermöglichen den Umgang mit UTF-8Überladen von Standard-Funktionen für Mail (1),String (2) und RegEx-Funktionen (4) mittlesmbstring.overload = n

iconv Konvertierung aus beliebigem Zeichensatz nach z.B. UTF-8<?php$sourceEnc = mb_detect_encoding($string);$targetEnc = ‘UTF8//TRANSLIT/ /IGNORE‘;echo iconv($sourceEnc,$targetEnc,$string);

MySQLServer [mysqld] default-collation=utf8_binClient character-set-server=utf8 collation-server=utf8_binVerbindung default-character-set=utf8Datenbank [client]Tabelle default-character-set=utf8

Client MySQL(UTF-8) Ü C3 9C Verbindung (ISO-8859-1) Ãœ C3 9C Server (UTF-8) Ãœ C3 83 C2 9C

Resourcenhttp://php.net/manual/de/mbstring.overload.phphttp://www.ibm.com/developerworks/library/os-php-unicode/index.htmlhttp://unicode.orgGoogle, Bing, Yahoo, .....

Fragen?

Schei. encoding

by heiglandreas

Accessibility

Upload Details

Usage Rights

1 Embed 3

Statistics

Schei. encoding Presentation Transcript

Schei. encoding

by heiglandreas

Accessibility

Upload Details

Usage Rights

1 Embed 3

Statistics

Schei. encoding Presentation Transcript

Let LinkedIn power your SlideShare experience

Let LinkedIn power your SlideShare experience

Customize SlideShare content based on your interests

Keep up to date when your LinkedIn contacts post on SlideShare