Inversion of codings of UTF-8 and ASCII characters

Quand une page est stockée dans le serveur en format Unicode UTF-8, mais affichée dans le navigateur par erreur en mode de caractère uni-octet, abusivement appelé ASCII, ie, en charset=windows-1252, ce caractère Unicode UTF-8 prend deux places.

Essayez le caractère é Unicode: il est doublé en é

Il était une fois dans l'Ouest de la Chine... il faisait froid en hiver.

Au contraire si votre page est stockée dans le serveur web en format ANSI/ASCII, mais affichée dans le navigateur du client par erreur en mode de caractère multi-octet UTF-8, appelé Unicode, en mode Unicode UTF-8, ie, en charset=UTF-8, ce caractère ASCII devient plus mince encore pour devenir un diamant point d'interrogation ou carrĂ© vide, comme s'il n'est pas assez costaud pour occuper même une seule place dans le monde Unicode qui est multi-octet.

En règle générale, quand votre fichier est en codage plus petit, plus maigre que le codage du navigateur à l'affichage, le diamant point d'interrogation ou carré vide � apparaît.

Essayez le caractère é ASCII: il est réduit en diamant point d'interrogation ou carrĂ© vide �.

Il �tait une fois dans l'Ouest de la Chine... il faisait froid en hiver.

Il est utile de préciser que tous les caractères ASCII du code 0 à 127 gardent toujours les mêmes codes sans changement quelque soit le codage des caractères, ASCII, GBK, Unicode...

Tous les caractères ASCII étendus du code 0 à 255 (2**8=256, uni-octet, mono-byte) peuvent être stockés soit dans un fichier ASCII, soit en format Unicode UTF-8. Le contraire n'est pas vrai, les caractères multi-octet (multi-byte) avec un code supérieur ou égal à 256, qui ne peuvent être conservés que dans un fichier Unicode comme UTF-8, ou bien dans un format spécifique (code page pays) tel le GBK pour les idéogrammes chinois.

Sur le web, un caractère Unicode peut en outre s'exprimer en code entitĂ© HTML, ainsi stockĂ© dans un fichier du codage ASCII. Par exemple, l'idĂ©ogramme 语 signifiant Langue, peut ĂŞtre stockĂ© en mode ASCII par la chaĂ®ne 语, composĂ©e uniquement des ampersand &, dièse #, suivi par des chiffres du numĂ©ro dĂ©cimal de ce caractère en Unicode, et terminĂ© par un point-virgule ;.

Citation de Mao pour tester:

Cette page est stockée dans le disque dur en format UTF-8 sans BOM. Mais je vous propose de l'afficher en différents codages. Elle peut devenir illisible si le codage diffère trop. Il faut revenir en UTF-8 si vous avez mal à la tête. Testez vous-même sur votre navigateur en cliquant sur les liens suivants:

[Auto Detection] (auto) | Arabic (ISO-8859-6) | Arabic (Windows-1256) | ASCII Western European (ISO-8859-1) | ASCII Western European (Windows-1252) | Baltic (ISO-8859-4) | Baltic (Windows-1257) | Central European (Windows-1250) | Chinese Simplified (GB18030) | Chinese Simplified (GB2312) | Chinese Simplified (GBK) | Chinese Simplified (HZ) | Chinese Traditional (Big5) | Cyrillic (ISO-8859-5) | Cyrillic (KOI8-R) | Cyrillic (KOI8-U) | Cyrillic (Windows-1251) | Greek (Windows-1253) | Hebrew (Windows-1255) | Hebrew (ISO-8859-8-l) | Celtic (ISO-8859-14) | Central European (ISO-8859-2) | Estonian (ISO-8859-13) | Greek (ISO-8859-7) | Hebrew (ISO-8859-8) | Japanese (EUC-JP) | Japanese (ISO-2022-JP) | Japanese (Shift_JIS) | Korean (EUC-KR) | Latin 9 (ISO-8859-15) | Nordic (ISO-8859-10) | Roumain (ISO-8859-16) | South European (ISO-8859-3) | Thai (TIS-620) | Turkish (ISO-8859-9) | Turkish (Windows-1254) | Unicode (UTF-16LE) | Unicode (UTF-8) | Vietnamese (Windows-1258).