Internazionalizzazione dei siti e codifica UTF-8

Recentemente mi sono occupato della localizzazione di un sito in cinese e russo e ho potuto notare come, paradossalmente, ci sia ancora molta ignoranza riguardo al modo di codificare le proprie pagine. Generalmente si ritiene che aggiungere un tag meta possa servire allo scopo. Questo è vero solo in parte. Infatti i tag meta, così come la regola @charset dei CSS, istruiscono un browser solo su come dovrebbe interpretare un set di caratteri, ma non convertono il set nella codifica specificata.

Il browser che incontra la parola 您好 (hello, in cinese semplificato), confronta quanto specificato nel meta tag con il contenuto effettivo del documento. Se il documento è stato effettivamente codificato in UTF-8, il browser visualizza correttamente la sequenza di caratteri. Viceversa, se il documento è stato codificato (ossia salvato) in una codifica non compatibile con il set di caratteri (per esempio ISO-8859-1 o US-ASCII), il browser cercherà  come meglio può di visualizzare il set di caratteri, ma non aspettatevi miracoli.

Quindi bisogna sia salvare i documenti in UTF-8 che specificare un tag meta con la codifica UTF-8. Un altro aspetto da tenere presente sono i font usati. Se usate dei web font, assicuratevi sempre quale sia effettivamente il range di caratteri da loro coperto. Font comuni come Arial, Courier ecc. coprono anche alfabeti non occidentali. Per i web font, dovete sempre essere sicuri che coprano anche sistemi alfabetici non occidentali, come arabo, ebraico, cinese, giapponese, russo e via dicendo.

Se notate i famigerati quadratini vuoti sulle vostre pagine, allora è sicuramente un problema di codifica dei caratteri. Attualmente i browser supportano bene gli alfabeti non-occidentali. Gli unici problemi potrebbero sorgere con simboli non alfabetici. In questo caso, consultate la risorsa di Alan Wood all'indirizzo http://www.alanwood.net/unicode/.