Unicodes Character Encoding Scheme ist dafür ausgerichtet, daß einem Zeichen ein sogenannter Unicode scalar value aus dem Intervall von 0 bis $x10FFFF zugeordnet wird. Dies erlaubt im Prinzip die Definition von über einer Million Zeichen, wovon momentan allerdings erst ca. 50.000 im Bereich unterhalb von $xFFFF tatsächlich schon spezifiziert sind.

Literatur, Websites:

• The Unicode Standard - Version 4.0, ISBN 0321185781
• Czyborra, Roman: Unicode Transformation Formats: UTF-8 & Co., " http://czyborra.com/utf/".
• ISO (International Organization for Standardization) (Hrsg.): ISO/IEC 10646-1993 (E). Information technology ? Universal Multiple-Octet Coded Character Set (UCS) ? Part 1: Architecture and Basic Multilingual Plane, [Geneva]: International Organization for Standardization, 1993 (+ amendments AM 1?7).
• The Unicode Consortium (Hrsg.): The Unicode Standard Version 3.0, Reading (Mass.): Addison-Wesley, 2000. -- weitere Information unter: " http://unicode.org".
• "Unicode for Programmers", A short course, Jason Orendorff, http://www.jorendorff.com/articles/unicode/intro.html
• "Unicode Symbols" (im Gegensatz zu alphanumerischen Zeichen) http://www.unicode.org/versions/Unicode4.0.0/ch14.pdf
• "The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets" http://www.joelonsoftware.com/articles/Unicode.html
• UTF und BOM FAQ, http://www.unicode.org/unicode/faq/utf_bom.html
• WikiPedia:Unicode
• Unicode Font Guide

utf-8

Die gängigste Codierung für Unicode-Zeichen ist utf-8. Dabei bleiben 7-Bit-ASCII-Zeichen (und alle Steuerzeichen) unverändert durch 1 Byte codiert. Alle weiteren Unicode-Zeichen werden durch 2-4 Byte codiert. Das Startbyte liegt im Bereich 0xC0..0xFD und bestimmt u.a. die Länge des Codes, Folge-Bytes befinden sich im Bereich 0x80-0xBF.

Länge Startbyte Folgebytes Bits Codebereich 2 110xxxxx 10xxxxxx 11 bis 0x7ff 3 1110xxxx 10xxxxxx 10xxxxxx 16 bis 0xffff 4 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 21

History of UTF-8

Frage

Wie ist das eigentlich im Wiki? Ich gebe Texte ja über den Browser ein. Der erlaubt eine Umstellung der Codierung. Nicht alle Formular-Interfaces kommen jedoch mit einer Umstellung des Encodings klar. In den Google-Newsgroups tummeln sich neben Leuten, die Newsreader verwenden auch solche, die über einen Google-Account posten. Mache News sind ganz offensichtlich UTF-8 codiert, kommen aber in der Html-Darstellung in Latin-1, also zerstümmelt, daher. Ich selbst habe bereits Wiki-Seiten mit Anführungsstrichen unten kaputtgemacht, was ich natürlich zukünftig vermeiden möchte. -- SDö

Es sollte kein großes Problem sein, UseMod-basiertes Wiki im UTF-8 zu betreiben. Allerdings müssten die bestehenden Beiträge konvertiert werden. --GregorRayman

Die Konvertierung selbst ist sicher ein Routine-Job, Folgerisken für mich aber derzeit schlecht abschätzbar. Ich stelle sicher irgendwann um, wenn genug der folgenden Faktoren zusammentreffen: Benutzer melden ihr Interesse an, konkrete Vorteile in der Verwendung für das DseWiki, positive Umstellungserfahrungen bei anderen Wiki-Clones, ... es ist alles nur eine Frage des Timings, den bestmöglichen Zeitpunkt zu treffen. -- HelmutLeitner