Pengodean karakter – Unicode, ASCII, dan UTF-8

Yang ditunjukkan

Komputer menyimpan teks sebagai angka. Unicode memberi setiap karakter sebuah titik kode, ditulis U+ diikuti digit heksadesimal, sedangkan ASCII hanya mencakup 128 karakter dengan 7 bit. UTF-8 menyimpan setiap titik kode dalam 1 sampai 4 byte: byte pertama diawali 0, 110, 1110, atau 11110 untuk menandai panjangnya, dan setiap byte berikutnya diawali 10. Karena itu teks ASCII tidak berubah dalam UTF-8, tetapi huruf beraksen, simbol, dan emoji butuh lebih banyak byte daripada karakter. Membaca byte UTF-8 dengan pengodean satu byte menghasilkan teks kacau yang disebut mojibake.

Cara menggunakan

Pilih Contoh atau ketik di kotak Teks, lalu ketuk kartu sebuah karakter untuk melihat bitnya dibagi ke dalam byte; bandingkan jumlah karakter dan byte. Di Dekode byte, tekan Ambil dari teks atau ketik byte heksadesimal, lalu tekan Tambah byte rusak. Di Mojibake, ganti antara Windows-1252 dan Latin-1.

Parameter yang dapat diubah

• Ruang kerja Kodekan teks menjadi byte, Dekode byte menjadi teks, Teks kacau (mojibake)
• Teks contoh Karakter 1, 2, 3, 4 byte, Hanya ASCII, Huruf Latin beraksen, Simbol dan mata uang, Emoji, Beberapa sistem tulisan
• Tampilkan byte dalam biner
• Pengodean salah yang dipakai membaca Windows-1252, Latin-1 (ISO-8859-1)

Pertanyaan untuk dijelajahi

1. Mengapa é butuh 2 byte dalam UTF-8, sedangkan e hanya 1 byte?
2. Berapa byte UTF-8 yang dipakai sebaris berisi lima emoji?
3. Mengapa kata café kadang tampil sebagai café di halaman web?