A HTML (angolul: HyperText Markup Language=hiperszöveges jelölőnyelv) nyelvet már 1991 óta használják, de csak az 1997-ben megjelent HTML 4.0 óta lehetséges a nemzetközi karakterek teljeskörű használata. Amikor egy HTML dokumentum speciális karaktereket tartalmaz a 7 bites ASCII karakterein kívül, akkor két célt érdemes figyelembe venni: az információk integritását és az univerzális böngésző megjelenést.
A karakterkódolás az informatikában a betűk, a számok és egyéb karakterek megjelenítéséért felel. Minden egyes karakterhez egy egyedi számot rendelünk hozzá, például az ASCII karaktergyűjteményben az A betűhöz a 65-ös szám tartozik. Ez azért fontos, mert az informatikai eszközök (számítógépek, telefonok) az ember számára értelmezhető karaktereket elektronikus formában tudják csak megjeleníteni, azaz a minden karaktert számok formájában tárolnak. Ezeket a számokból álló rendszereket nevezik karakterkódolásnak.
Karakterkódolás kiválasztása Ahhoz hogy eltudjuk dönteni, hogy milyen karakterkódolásra van szükségünk, először meg kell határoznunk, hogy milyen karaktereket szeretnénk megjeleníteni. Különös tekintettel azokra a karakterekre, amelyeket nem tartalmazza az angol ABC. Például a magyar nyelv esetében az ékezetes karakterekre.
Ha elkészítettünk egy listát, amelyen szerepelnek az általunk használni kívánt karakterek, akkor meg kell keresnünk azt a karakterkészletet, amely tartalmazza az összes számunkra szükséges karaktert.
Magyar nyelvterületen leggyakrabban az UTF-8 karakterkódolást szokták alkalmazni, mert ez tartalmazza az összes általunk használt karakter ékezetes változatát is.
Karakterkódolás megadása Több módja is van annak, hogy a HTML nyelven belül megadjuk a karakterkódolást, a megadás módja a dokumentum típusától függ. A webszerver tartalmazhatja a karakterkódolást, a karakterkészlet a Hypertext Transfer Protocol (HTTP) Content-Type tartalomtípus fejlécében kerül meghatározásra az alábbi módon: Content-Type: text/html; charset=ISO-8859-4 Ez a módszer kényelmes módot kínál a HTTP szervernek a dokumentum kódolásának a tartalmai egyeztetés szerint történő megváltoztatására.
Egy HTML dokumentum esetében a <head> részbe kell helyeznünk a karakterkódolást definiáló részt. Régebbi HTML verziók esetében még szükséges volt az alábbi megadási módot alkalmaznunk.<meta http-equiv="Content-Type" content="text/html; charset=utf-8">A HTML5 megjelenésével viszont már rendkívül megrövidült a karakterkódolásnak a megadása.<meta charset="UTF-8">AZ XHTML dokumentumok esetében van egy harmadik lehetőség is. Ilyenkor egy XML deklarációval állítjuk be a megfelelő karakterkódolást.<?xml version="1.0" encoding="ISO-8859-1"?>
Megengedett karakterkódolások A legújabb HTML szabványok a WHATWG kódolási szabványra hivatkoznak, amely meghatározza azoknak a karakterkódolásoknak a listáját, amelyeket a böngészőknek kötelezően támogatniuk kell. A HTML-szabványok tiltják más kódolások támogatását. A kódolási szabvány előírja, hogy új formátumok, új protokollok és az új dokumentumok szerzői kötelesek kizárólag UTF-8 karakterkódolást alkalmazni.
Az UTF-8 mellett a következő karakterkódolások engedélyezettek a HTML szabvány szerint:
ISO-8859-2 ISO-8859-7 ISO-8859-8 Windows-874 Windows-1250 Windows-1251 Windows-1252 Windows-1254 Windows-1255 Windows-1256 Windows-1257 Windows-1258 GB18030 Big5 Shift JIS ISO-2022-JP EUC-KR UTF-16BE UTF-16LE x-user-defined
A következő karakterkódolások támogatása szükséges:
Code page 866 ISO-8859-3 ISO-8859-4 ISO-8859-5 ISO-8859-6 ISO-8859-8-I ISO-8859-10 ISO-8859-13 ISO-8859-14 ISO-8859-15 ISO-8859-16 KOI8-R KOI8-U / KOI8-RU Mac OS Roman Windows-1253 Mac OS Cyrillic GBK
Az alábbi karakterkészletek használata kifejezetten tiltott:
CESU-8 UTF-7 BOCU-1 SCSU EBCDIC UTF-32
HTML karakterhivatkozások A natív karakterkódolások mellett a karakterek is kódolhatók karakterhivatkozásokként. Ezek olyan speciális karakterek, amelyek alkalmasak arra, hogy a böngésző összekeverje őket egy HTML taggel. Például egy kisebb (<) jel esetében a böngésző vélheti úgy, hogy ez egy HTML tag, ebben az esetben a HTML kódot teljesen olvashatatlanná tenné. A karakterhivatkozásokkal különböző fenntartott HTML karaktereket tudunk a böngésző számára is könnyen értelmezhetővé és megjeleníthetővé tenni.
A karakterhivatkozásokat hívhatjuk entitásnak is. Néhány karakterhivatkozás +KarakterMegnevezésEntitás névEntitás számnem törhető szóköz  <kisebb, mint<<>nagyobb, mint>>&és&&"dupla idézőjel""'aposztróf''¢cent¢¢£font££¥jen¥¥€euró&euro€©copyright©©®bejegyzett védjegy®®
Jegyzetek
További információk HTML karakterkódolás, karakterkészlet megadása (magyarul) HTML karakterkódolás (angolul)
Kategória:HTML Kategória:World Wide Web Consortium sztenderdek