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 on Oct 21, 2011

Accessibility

Tags

Upload Details

Usage Rights

1 Embed 3

Statistics

Schei. encoding — Presentation Transcript