Caractere românești și Unicode pentru to(n)ți

Întrucât multă lume se lovește de problema characterelor românești m-am gândit să clarific câteva lucruri atât pentru utilizatori cât și pentru programatori.Ce ar fi de reținut

• ASCII este metoda clasică de codare a caracterelor pe 7 biți și este limitată la maxim 128 caractere (2^7). De fapt de obicei caracterele sunt stocate pe un octet (opt biți) din care bitul nefolosit este lăsat pe 0.
• un byte (bait după unii) este tradus în românește ca un octet și este format din 8 biți (bits)
• Unicode nu este UTF-8. UTF-8 este o metodă de encodare Unicode, din întâmplare cea mai la îndemână și singura care este compatibilă cu ASCII.

Despre UTF-8

• UTF-8 este una din formele de codare a caracterelor Unicode.
• UTF-8 este standardul de codare Unicode pentru toate protocoalele folosite pe Internet
• UTF-8 este compatibil ASCII în sensul că un text ASCII este un text UTF-8 valid, dar nu și invers.
• UTF-8 permite folosirea corectă a caracterelor românești
• în UTF-8 lungimea în octeți a unui caracter este variabilă deci lungimea

Despre caracterele românești

• caracterele românești corecte sunt cele cu virgulă și nu cele sedilă
• Linux, OS X 10.4+ și Windows Vista nu au probleme cu caracterele românești
• Windows XP suportă în mare măsură caracterele românești doar dacă
  • instalați de la Microsoft pachetul European Union Expansion Font Update
  • instalați o tastatură românească corectă de la secarică.ro