Quelle est la différence entre encodage et charset ?

Question

Je ne comprends pas bien le codage et le jeu de caractères du texte. Pour de nombreuses raisons, je dois apprendre des choses non-Unicode, non-UTF8 dans mon travail à venir.

Je trouve le mot "charset" dans les en-têtes de courriel comme dans "ISO-2022-JP", mais il n'y a pas un tel encodage dans les éditeurs de texte. d'encodage dans les éditeurs de texte. (J'ai fait le tour des différents éditeurs de texte).

Quelle est la différence entre l'encodage de texte et le charset ? Je vous serais reconnaissant si vous pouviez me montrer des exemples de cas d'utilisation.

Answer 1

En gros :

1. charset est le jeu de caractères que vous pouvez utiliser
2. le codage est la manière dont ces caractères sont stockés en mémoire

Answer 2

Chaque encodage est associé à un jeu de caractères particulier, mais il peut y avoir plus d'un encodage pour un jeu de caractères donné. Un jeu de caractères est simplement ce à quoi il ressemble, un ensemble de caractères. Il existe un grand nombre de jeux de caractères, dont beaucoup sont destinés à des écritures ou des langues particulières.

Cependant, nous sommes bien avancés dans la transition vers Unicode, qui comprend un jeu de caractères capable de représenter presque toutes les écritures du monde. Cependant, il existe plusieurs encodages pour Unicode. Un encodage est une façon de faire correspondre une chaîne de caractères à une chaîne d'octets. Voici quelques exemples d'encodages Unicode UTF-8 , UTF-16 BE et UTF-16 LE . Chacune d'entre elles présente des avantages pour des applications ou des architectures de machines particulières.

Answer 3

En plus des autres réponses, je pense que cet article est une bonne lecture : Le minimum absolu que tout développeur de logiciels doit absolument, positivement connaître sur Unicode et les jeux de caractères (pas d'excuses !) par Joel Spolsky

L'essai date de 2003, mais (malheureusement) son contenu est toujours valable...

Answer 4

Un codage de caractères consiste en :

1. L'ensemble des caractères pris en charge
2. Une correspondance entre les caractères et les entiers ("points de code")
3. Comment les points de code sont codés sous la forme d'une série d'"unités de code" (par exemple, des unités de 16 bits pour UTF-16).
4. Comment les unités de code sont codées en octets (par exemple, big-endian ou little-endian).

L'étape n° 1 constitue en soi un "répertoire de caractères" ou un "jeu de caractères" abstrait, et l'étape n° 1 + n° 2 = un "jeu de caractères codés".

Mais avant que l'Unicode ne devienne populaire et que tout le monde (sauf les Asiatiques de l'Est) n'utilise un codage à un seul octet, les étapes 3 et 4 étaient triviales (point de code = unité de code = octet). Ainsi, les anciens protocoles ne faisaient pas clairement la distinction entre "codage de caractères" et "jeu de caractères codés". Les anciens protocoles utilisent charset alors qu'il s'agit en réalité d'encodage.

Answer 5

Un jeu de caractères, ou répertoire de caractères, est simplement un ensemble (une collection non ordonnée) de caractères. Un jeu de caractères codés attribue un nombre entier (un "point de code") à chaque caractère du répertoire. Un codage est un moyen de représenter sans ambiguïté les points de code sous la forme d'un flux d'octets.