Quelle est la différence entre UTF-8 et ISO-8859-1 ?

Question

Quelle est la différence entre UTF-8 y ISO-8859-1 ?

Answer 1

UTF-8 est un encodage multi-octet qui peut représenter n'importe quel caractère Unicode. ISO 8859-1 est un codage sur un seul octet qui peut représenter les 256 premiers caractères Unicode. Les deux codent ASCII exactement de la même manière.

Answer 2

Wikipedia explique les deux assez bien : UTF-8 vs Latin-1 (ISO-8859-1). Le premier est un codage à longueur variable, le second un codage à longueur fixe sur un octet. Latin-1 ne code que les 256 premiers points de code du jeu de caractères Unicode, alors que UTF-8 peut être utilisé pour coder tous les points de code. Au niveau de l'encodage physique, seuls les points de code 0 à 127 sont encodés de manière identique ; les points de code 128 à 255 diffèrent en devenant une séquence de 2 octets avec l'UTF-8 alors qu'ils sont des octets simples avec le Latin-1.

Answer 3

UTF

UTF est une famille de schémas de codage multi-octets qui peuvent représenter Unicode points de code qui peuvent représenter jusqu'à 2^31 [environ 2 milliards] caractères. UTF-8 est un système de codage flexible qui utilise entre 1 et 4 octets pour représenter les 2^21 premiers points de code [environ 2 millions].

En bref, tout caractère dont le point de code/la représentation ordinale est inférieur à 127, c'est-à-dire l'ASCII à 7 bits, est représenté par la même séquence d'un octet que la plupart des autres codages à un octet. Tout caractère dont le point de code est supérieur à 127 est représenté par une séquence de deux octets ou plus, les particularités de l'encodage étant mieux expliquées. aquí .

ISO-8859

ISO-8859 est une famille de schémas de codage à un octet utilisés pour représenter les alphabets qui peuvent être représentés dans la plage de 127 à 255. Ces différents alphabets sont définis en tant que "parties" dans le format ISO-8859- n dont la plus connue est probablement ISO-8859-1 alias "Latin-1". Comme pour l'UTF-8, l'ASCII à 7 bits n'est pas affecté, quelle que soit la famille d'encodage utilisée.

L'inconvénient de ce schéma d'encodage est son incapacité à prendre en compte les langues composées de plus de 128 symboles, ou à afficher en toute sécurité plus d'une famille de symboles à la fois. De plus, les codages ISO-8859 sont tombés en désuétude avec l'essor de l'UTF. Le "groupe de travail" de l'ISO qui en était chargé s'est dissous en 2004, laissant la maintenance à son sous-comité parent.

Answer 4

• ASCII : 7 bits. 128 points de code.

• ISO-8859-1 : 8 bits. 256 points de code.

• UTF-8 : 8-32 bits (1-4 octets). 1 112 064 points de code.

Les normes ISO-8859-1 et UTF-8 sont toutes deux rétrocompatibles avec l'ASCII, mais UTF-8 n'est pas rétrocompatible avec ISO-8859-1 :

#!/usr/bin/env python3

c = chr(0xa9)
print(c)
print(c.encode('utf-8'))
print(c.encode('iso-8859-1'))

Output:

©
b'\xc2\xa9'
b'\xa9'

Answer 5

La norme ISO-8859-1 est une ancienne norme datant des années 1980. Elle ne peut représenter que 256 caractères et ne convient donc qu'à certaines langues du monde occidental. Même pour de nombreuses langues prises en charge, certains caractères sont manquants. Si vous créez un fichier texte dans cet encodage et que vous essayez de copier/coller des caractères chinois, vous verrez des résultats étranges. En d'autres termes, ne l'utilisez pas. Unicode s'est imposé dans le monde entier et UTF-8 est à peu près la norme aujourd'hui, à moins que vous n'ayez des raisons particulières (comme les en-têtes HTTP qui doivent être compatibles avec tout).