为什么在HTML5文档中指定字符编码是必要的，即使HTML5的默认字符编码是UTF-8？

Question

为什么在HTML5文档中指定字符编码是必要的，即使HTML5的默认字符编码是UTF-8？

htmlunicodeencodingutf-8character-encoding

5

I've following HTML5 document :

<!DOCTYPE html>
<html>
    <head> </head>
    <body>
        <p>Beträge: 20€</p>
    </body>
</html>

以上代码的输出如下：

BetrÃ¤ge: 20â‚¬

我尝试了以下的 HTML5 代码:

<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
    </head>
    <body>
        <p>Beträge: 20€</p>
    </body>
</html>

以上代码给了我以下输出，正如我所期望的:

Beträge: 20€

据我所知，HTML5 的默认字符编码是 UTF-8。这意味着在标签内不需要显式指定字符编码。

因此，在我的第一个代码片段中，我跳过了代码。但我得到了一些奇怪的意外结果。

然后，我尝试在标签对之间添加代码，它完美地工作了，我得到了预期的结果。

那么，我的问题是，既然 HTML5 的默认字符编码已经设置为 UTF-8，为什么如果没有显式指定就不能正常工作？

为什么需要在 HTML5 文档中明确指定字符编码 "UTF-8"？

- user10318083

1

可能是Does HTML5 specify a default character encoding for HTML documents if no character encoding is supplied?的重复问题。 - ricky3350

@ricky3350：链接的问题没有令我满意地回答我的问题。根据您提供的链接中的答案，它说字符编码必须以某种方式在HTML5网页中指定。那么，为什么他们说UTF-8是HTML5的默认字符编码呢？据我理解，默认的东西不需要明确说明，而是被认为是随时可用的。那么为什么在HTML5文档中字符编码不是这种情况呢？所以，请取消对我的问题的重复标记。谢谢。 - user10318083

2个回答

5

因为“HTML5的默认字符编码是UTF-8”这个说法是错误的。这个说法被像这样的网站传播。但正如Marcel Dopita在不要被w3schools愚弄，UTF-8不是默认的HTML5字符集中所写，它是错误的，事实上W3C建议对于英语环境下的默认编码是Windows-1252。

有时会说“HTTP/1.1默认使用ISO-8859-1编码”。这在1999年的标准（RFC 2616）中是正确的，但在2014年版本（RFCs 7230-7329）中，默认字符集已被删除，因此现在的默认行为仅由HTML5建议指定。此外，即使传输层确实指定了“iso-8859-1”，它也不是HTML5中支持的编码，编码规范表明它应该被视为Windows-1252的标签。

- jon1000

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Andrey Tyukin · Accepted Answer

这个答案依赖于一些现在已过时的文档，请参考jon1000的回答进行更新。(感谢@blazee在评论中指出)我将保留此答案，因为关于字符串"Beträge：20€"在各种编码中如何变异的部分仍然准确。

HTTP1.1规定浏览器应将所有文本视为ISO-8859-1，除非另有说明（此处引用了RFC-2616，但后来被取代，请参见@jon1000的回答）：

当发送方未提供显式字符集参数时，“text”类型的媒体子类型被定义为具有默认字符集值“ISO-8859-1”

同时，HTML5规定：

如果传输层指定一种编码方式并且该编码方式得到支持，则使用该编码方式并中止这些步骤。

因此，HTTP1.1默认为ISO-8859-1，并覆盖其他所有内容。

如果您对文本进行编码，

Beträge: 20€

使用UTF-8编码，然后将其解码为ISO-8859-1，就会得到确切的乱码输出。

BetrÃ¤ge: 20â¬

作为下面的代码片段所示（Java，实际上并不重要）：

new String("Beträge: 20€".getBytes("utf-8"), "iso-8859-1")
// result: BetrÃ¤ge: 20â¬

浏览器实际上会对此进行警告。例如，Firefox 在控制台中显示以下警告：

“HTML 文档的字符编码未声明。如果文档包含来自 US-ASCII 范围之外的字符，则在某些浏览器配置中，文档将呈现为乱码。页面的字符编码必须在文档或传输协议中声明。”

要获得正确的输出，您必须手动覆盖 ISO-8859-1 通过 UTF-8（在 Firefox 的情况下，它位于“查看”->“文本编码”->“Unicode”（而不是“西方”））。

因此，总的来说：我看不出它甚至表明“HTML5的默认字符编码是UTF-8”。它似乎只是说：

作者被鼓励使用UTF-8。符合性检查器可能会建议作者不要使用传统编码。