Kiedy należy używać encji HTML?

Od jakiegoś czasu mnie to wprawia w zakłopotanie. Wraz z pojawieniem się UTF-8 jako de facto standardu w tworzeniu stron internetowych nie jestem pewien, w jakich sytuacjach mam używać encji HTML, a do których powinienem używać po prostu znaku UTF-8. Na przykład,

• myślnik (-, &emdash;)
• ampersand (&, &)
• 3/4 frakcji (¾, ¾)

Prosimy o wyjaśnienie tej kwestii. To będzie docenione.

Zwykle nie musisz używać encji znakowych HTML, jeśli twój edytor obsługuje Unicode. Podmioty mogą być przydatne, gdy:

• Twoja klawiatura nie obsługuje znaku, który musisz wpisać. Na przykład wiele klawiatur nie ma kreski emulatora ani symbolu praw autorskich.
• Twój edytor nie obsługuje Unicode (bardzo powszechne kilka lat temu, ale prawdopodobnie nie dzisiaj).
• Chcesz, aby w źródle było jasne, co się dzieje. Na przykład  kod jest wyraźniejszy niż odpowiadający mu znak odstępu.
• Musisz uciec HTML znaków specjalnych, takich jak <, &lub ".

Na podstawie otrzymanych komentarzy przyjrzałem się temu nieco dokładniej. Wygląda na to, że obecnie najlepszą praktyką jest rezygnacja z używania encji HTML i użycie zamiast tego rzeczywistego znaku UTF-8 . Wymienione powody są następujące:

1. Kodowania UTF-8 są łatwiejsze do odczytania i edycji dla tych, którzy rozumieją znaczenie znaku i wiedzą, jak go wpisać.
2. Kodowania UTF-8 są tak samo niezrozumiałe jak kodowanie encji HTML dla tych, którzy ich nie rozumieją, ale mają tę zaletę, że renderują je jako znaki specjalne, a nie trudne do zrozumienia kodowania dziesiętne lub szesnastkowe.

Jeśli kodowanie Twojej strony jest poprawnie ustawione na UTF-8, powinieneś używać rzeczywistego znaku zamiast encji HTML. Przeczytałem kilka dokumentów na ten temat, ale najbardziej pomocne były:

• UTF-8: Sekret kodowania znaków
• Pomoc dotycząca znaków specjalnych Wikipedii

Z artykułu UTF-8: The Secret of Character Encoding :

Wikipedia to świetne studium przypadku dla aplikacji, która pierwotnie korzystała z ISO-8859-1, ale przeszła na UTF-8, kiedy stała się zbyt uciążliwa do obsługi języków obcych. Boty będą teraz faktycznie przeglądać artykuły i konwertować jednostki postaci na odpowiadające im rzeczywiste postacie ze względu na łatwość obsługi i możliwość wyszukiwania .

Ten artykuł zawiera również dobry przykład dotyczący kodowania w języku chińskim. Oto przykład skrócony ze względu na lenistwo:

UTF-8:

這兩個字是甚麼意思

Jednostki HTML :

這兩個字是甚麼意思

Kodowanie encji UTF-8 i HTML jest dla mnie bez znaczenia, ale przynajmniej kodowanie UTF-8 jest rozpoznawalne jako język obcy i będzie poprawnie renderowane w polu edycji. Artykuł mówi dalej o wersji zakodowanej w formacie HTML:

Niezwykle niewygodne dla tych z nas, którzy naprawdę wiedzą, czym są jednostki postaci, zupełnie niezrozumiałe dla biednych użytkowników, którzy tego nie robią! Nawet nieco bardziej przyjazne dla użytkownika, „zrozumiałe” jednostki znakowe, takie jak & theta; sprawi, że użytkownicy, którzy nie są zainteresowani nauką języka HTML, będą drapać się po głowach. Z drugiej strony, jeśli zobaczą θ w polu edycji, będą wiedzieć, że jest to znak specjalny i odpowiednio go potraktują, nawet jeśli sami nie wiedzą, jak napisać tę postać.

Jak zauważyli inni, nadal musisz używać encji HTML dla zarezerwowanych znaków XML (ampersand, mniej niż, większe niż).

Nie użyłbym UTF-8 do znaków, które można łatwo pomylić wizualnie. Na przykład, trudno jest odróżnić emdash od minusa, a zwłaszcza nierozdzielającą spację od spacji. W przypadku tych postaci zdecydowanie używaj bytów.

W przypadku znaków, które są łatwo zrozumiałe wizualnie (takie jak powyższe chińskie przykłady), użyj UTF-8, jeśli chcesz.

Osobiście robię wszystko w utf-8 od dłuższego czasu, jednak na stronie html zawsze musisz konwertować znaki ampersand (&), większe niż (>) i mniejsze niż (<) na ich odpowiedniki, & amp ;, & gt; i & lt;

Ponadto, jeśli zamierzasz programować przy użyciu tekstu utf-8, jest kilka rzeczy, na które należy zwrócić uwagę.

• XML wymaga dodatkowych wierszy do sprawdzenia poprawności podczas używania jednostek.
• Niektóre biblioteki nie współpracują dobrze z utf-8. Na przykład PHP w niektórych dystrybucjach Linuksa porzuciło pełne wsparcie dla utf-8 w swoich bibliotekach wyrażeń regularnych.
• Trudniej jest ograniczyć liczbę znaków w tekście używającym encji html, ponieważ pojedyncza jednostka używa wielu znaków. Zawsze istnieje również ryzyko przecięcia istoty na pół.

Podmioty mogą kupić ci pewną zgodność z martwymi klientami, którzy nie rozumieją poprawnie kodowania. Nie sądzę, aby obejmowało to jakiekolwiek obecne przeglądarki, ale nigdy nie wiadomo, jakie inne rodzaje programów mogą Cię uderzać.

Bardziej przydatne jest jednak to, że encje HTML chronią cię przed własnymi błędami: jeśli źle skonfigurujesz coś na serwerze i skończysz na wyświetlaniu strony z nagłówkiem HTTP, który mówi, że to, ISO-8859-1i METAtagiem, który mówi, że to UTF-8, przynajmniej twoje & mdash; es zawsze będzie działać.

Encje HTML są przydatne, gdy chcesz generować treść, która ma być umieszczana (dynamicznie) na stronach z (kilkoma) różnymi kodowaniami. Na przykład mamy treść z białymi etykietami, która jest zawarta zarówno na stronach internetowych zakodowanych w ISO-8859-1, jak i UTF-8 ...

Jeśli konwersja zestawu znaków z / do UTF-8 nie była tak dużym, zawodnym bałaganem (zawsze natkniesz się na niektóre postacie i niektóre narzędzia, które nie konwertują poprawnie), standaryzacja na UTF-8 byłaby właściwą drogą.

Jeśli Twoje strony są poprawnie zakodowane w utf-8, nie powinieneś potrzebować jednostek html, po prostu użyj bezpośrednio żądanych znaków.

Wszystkie poprzednie odpowiedzi mają dla mnie sens.

Ponadto: Zależy to głównie od edytora, którego zamierzasz używać, i języka dokumentu. Minimalnym wymaganiem dla redaktora jest obsługa języka dokumentu. Oznacza to, że jeśli twój tekst jest w języku japońskim, uważaj na używanie edytora, który ich nie wyświetla (tj. Nie ma elementów w samym dokumencie). Jeśli jest to angielski, możesz nawet użyć starego edytora podobnego do vim i używać encji tylko dla względnych rzadko & copy; i przyjaciele. Oczywiście: & gt; dla> i innych specjalnych HTML nadal potrzebuje znaków specjalnych. Ale nawet w przypadku innych języków łacińskich-1 (niemiecki, francuski itp.) Pisanie jest uciążliwe, bo wiesz, gdzie ...

Ponadto osobiście piszę encje dla niewidzialnych postaci i takich, które wyglądają podobnie do standardowego ascii i dlatego łatwo je pomylić. Na przykład istnieje u1173 (wyglądający jak myślnik w niektórych zestawach znaków) lub u1175, który wygląda jak pionowy pasek. W każdym razie użyłbym bytów do tych.