Charset

Propósito

Establece la correspondencia entre caracteres y números para que las computadoras puedan almacenar, transmitir y mostrar texto.

Mecanismo

El conjunto de caracteres define la correspondencia entre caracteres y puntos de código (p. ej., U+4E2D es el punto de código de un ideograma Han común); la forma de codificación define cómo los puntos de código se convierten en bytes (p. ej., UTF-8 usa 3 bytes). El parámetro charset de Content-Type HTTP declara la forma de codificación.

Casos de uso

• Declaración de codificación de caracteres en páginas web
• Configuración de charset en columnas de bases de datos
• Detección y conversión de codificación de archivos
• Codificación de campos de texto en protocolos

Ejemplos

• entrada

  Content-Type: text/html; charset=utf-8

  Output

  The browser decodes the page as UTF-8

  Declaring the encoding form

Errores comunes

Confusing a character set (e.g., Unicode) with an encoding form (e.g., UTF-8)

Keep them distinct: the character set defines code points, the encoding form defines bytes