用不完的好奇心

每天有上亿的人用数百种语言写着各种文档。为了真正实现万维网的目标，HTTP 要能够传输和处理用多种语言和字母表编写的国际性文档。 本章涵盖网站国际化方面的两个主要问题：字符集编码(character set encoding)和语言标记(language tag)。 HTTP 应用程序使用字符集编码请求和显示不同字母表中的文本，它们使用语言标记根据用户所理解的语言来说明并限制内容。 HTTP 报文中

本节是对字符系统及其标准的概览。如果读者对字符编码很熟悉，或者对这部分细节不感兴趣，可以直接跳过。 1. 字符集术语 字符：字符是指字母、数字、标点、表意文字(比如汉语)、符号，或其他文本形式的书写“原子”。由统一字符集(Universal Character Set，UCS, 它的非正式的名字是 Unicode3)首创，为多种语言中的很多字符开发了一系列标准化的文本名称，它们常用来便捷地命名字符，

语言标记是命名口语的标准化字符串短语。英语的标记是 en，德语的标记是 de，韩语的标记是 ko，等等。语言标记能够描述语 言的地区变种和方言，比如巴西葡萄牙语的标记是pt-BR、美式英语的标记是 en-US，汉语中的湖南话的标记是 zh-xiang。 1. Content-Language 首部 实体的 Content-Language 首部字段描述实体的目标受众语言。如果内容主要是给法语受众的，

直到今天，URI 还没有为国际化提供足够的支持。除了少数(定义得很糟的)例外，URI 如今还是由 US-ASCII 字符的一个子集组成的。人们正在努力使主机名和 URL 的路径中能包含更丰富的集合中的字符，但直到现在，这些标准还没有被广泛接受和部署。现在让我们来回顾一下当前的一些尝试。 1. 全球性的可转抄能力与有意义的字符的较量 URI 的设计者们希望世界上每个人都能通过电子邮件、电话、公告板，甚

1. 首部和不合规范的数据 HTTP 首部必须由 US-ASCII 字符集中的字符构成。不过，并不是所有的客户端和服务器都正确地实现了这一点，你可能会时不时收到一些代码值大于 127 的非法字符。 很多 HTTP 应用程序使用操作系统和库例程来处理字符(比如 Unix 中的字符分类库 ctype)，但不是所有这些库都支持 ASCII 范围(0 ~ 127)之外的字符代码。 在某些情况下(一般来说，是