Jeux de caractères et types d’encodage (UTF-8, etc…)

Définition d’un jeu de caractères

La notion de jeu de caractères (charset en anglais) est une notion primordiale pour tout développeur Web. Il s’agit d’un ensemble défini de caractères tel que l’ASCII (American Standard Code for Information Interchange – le format US) et le plus récent que nous utilisons de nos jours, l’Unicode.

Qu’appelle-t-on un encodage de caractères ?

L’encodage de jeu de caractère permet le stockage des données sous forme d’octets. En effet, cela facilite la compréhension par un ordinateur. Cependant, chaque jeu de caractères dispose de différentes possibilités. Chaque possibilité pouvant avoir certains avantages mais aussi certains inconvénients.

Si vous prenez par exemple l’Unicode, vous disposez des possibilités suivantes :

UTF-8 : Les caractères ASCII sont encodés sur un octet (8bits). De ce fait, ce jeu de caractère est très compact et lisible par tous les éditeurs de texte.
UTF-16 : Au contraire de l’UTF-8, ce jeu de caractères est beaucoup moins compact. Cependant un programme informatique pourra gérer ce type d’encodage plus rapidement dans la mesure où ce dernier est codé sur 2 octets. En effet, à partir de la place utilisée en mémoire, il est plus facile d’en calculer la longueur.

Quel est le meilleur choix pour mon site Web ?

Dans la mesure du possible il est préférable d’utiliser l’Unicode avec l’encodage UTF-8. En effet, ce dernier est compatible avec tous les navigateurs Web, de plus il vous permet de gérer toutes les langues, du français à l’anglais en passant par le japonais.

Dans la mesure où vous disposez d’un site statique codé uniquement en HTML, il est nécessaire de s’assurer que vous sauvegardez bien vos fichiers en UTF-8. En effet, certains Editeurs tel que Notepad dispose de plusieurs possibilités d’encodage lors de l’enregistrement d’un fichier.

Cependant si votre site utilise plusieurs technologies tels que des bases de données, du HTML, PHP, XML et d’autres types de langage, il est primordial de bien maîtriser l’ensemble des chaînes de conversions de caractères sur chacune des technologies utilisées. Dans le cas contraire, vous risqueriez de vous retrouver avec des caractères corrompus tel que les accents remplacés par des caractères spéciaux.

Application du charset à mon site Web

Vous avez créé un site Web dit statique (utilisant uniquement le codage HTML). Vous avez très certainement suivi les indications se trouvant dans le paragraphe précédent et sauvegardé votre fichier au format UTF-8, ce qui est une bonne chose. Désormais la question est de savoir comment le navigateur va interpréter votre fichier. Votre navigateur est-il en mesure de définir le type d’encodage utilisé ?

Voici un exemple de l’interprétation qu’en font la plupart des navigateurs :

Dans un premier temps, le navigateur va regarder si l’information peut être trouvée sur le serveur Web qui lui a fourni votre page. La plupart du temps, cette information se trouve dans le champ « Content-Type ».

Dans ce cas, l’information sera la suivante : text/html :UTF-8 (cela indiquera au navigateur que la page Web que vous visualisez est encodé en UTF-8

Dans le cas contraire, l’information sera la suivante : text/html (aucune information sur le type d’encodage n’est fournie).

Dans le cas où aucune information n’est fournie concernant le type d’encodage utilisé, le navigateur va regarder si l’information se trouve sur la page Web. En effet, le Webmaster ayant créé la page peut avoir fourni l’information grâce à une balise « meta » se trouvant en haut de page comme suit :

<meta http-equiv= « content-type » content= « text/html » ; charset= « utf-8 » />

Il se peut là encore qu’aucune information ne soit fournie par le Webmaster sur la page Web. Dans ce dernier cas, le navigateur partira du principe où l’encodage utilisé est iso-8859-1.

Diagnostique et résolution des problèmes de charset

Lors de la visualisation de votre page, il se peut que certains caractères tels que les accents soient corrompus. Si cela vous arrive, il sera nécessaire d’effectuer une analyse complète du problème afin de pouvoir le résoudre. L’analyse comprend les points suivants :