Exibir código-fonte para Como Resolver Problemas de Acentuações em seu Site

[[categoria:gerencia_site]]
== O que fazer quando meu site exibe caracteres distorcidos ao invés de caracteres acentuados? ==

Um exemplo muito comum:


Ao invés de <font color="#2E8B57">'''Apresentação'''</font>, ele exibe <font color="#EE4000">Apresenta��o</font> ou <font color="#B22222">ApresentaÃ§Ã£o</font>.

No primeiro caso (<font color="#EE4000">Apresenta��o</font>), sua página em <font color="#B22222">ISO-8859-1</font> está obtendo a palavra Apresentação armazenada em <font color="#EE4000">UTF-8</font> da origem, seja ela do banco de dados ou de um XML, txt etc.

Já o segundo caso (<font color="#B22222">Apresenta§Ã£o</font>) é a sua página em <font color="#EE4000">UTF-8</font> exibindo a palavra Apresentação armazenada em <font color="#B22222">ISO-8859-1</font> da origem.

Para que ocorra a exibição correta, deve-se armazenar novamente os dados com a codificação correta (o que é muito trabalhoso dependendo da quantidade de dados) ou trocar a codificação de exibição de seu site.

Para trocar a exibição, o cabeçalho HTML deverá estar como:

Para <font color="#B22222">ISO-8859-1</font>: <br>
<source lang="php"> <br>
<html> <br>
<head> <br>
<title>Minha pagina</title> <br>
<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1"> <br>
</source> 

Para <font color="#EE4000">UTF-8</font>: <br>
<source lang="php"> <br>
<html> <br>
<head> <br>
<title>Minha pagina</title> <br>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8"> <br>
</source>

<font color="#0000CD">'''Observação sobre a forma de salvar o arquivo:''' Mesmo que você especifique um dos cabeçalhos acima ou com o charset que deseja, o arquivo deve ser salvo na codificação equivalente ao charset especificado. '''Por exemplo, se você utiliza <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1"> , o arquivo deve ser salvo na codificação "ISO-8859-1, ou Latin1, ou Europeu Ocidental ISO (ou mesmo ANSI caso você use o Bloco de Notas do Windows)", mas se o charset for UTF-8, a codificação deverá ser Unicode / UTF-8 também.''' Lembrando que essa opção está disponível no editor de texto utilizado para editar o arquivo (notepad, notepad ++, gedit, textmate, textpad, vi, vim e vários outros).</font>

<font color="#2E8B57">'''Observação sobre o banco de dados:''' Não é sempre os collations ou encoding das bases o culpado. No caso do MySQL e do PostgreSQL, não haverá nenhum problema de exibição do caractere, mas na hora da busca ele pode não saber o que é o caractere acentuado. O SQL Server já é mais passível de exibir erros conforme o collation especificado.</font>

<font color="#EE4000">'''Observação crítica:''' Mesmo que você especifique um dos cabeçalhos acima ou com o charset/encoding/collation que deseja, o usuário pode forçar um outro encoding clicando no menu '''Exibir > Codificação > (encoding que ele quiser)''' do navegador dele, neste caso, o navegador enviará os dados da forma como o usuário determinou. Uma das maneiras de se prevenir contra este tipo de ação é criar uma função que determine quais são os caracteres permitidos e substitua os demais por espaço, nulo, sublinhado, asterisco ou outro de sua preferência.

'''Sugestão de caracteres permitidos:'''<br>
<font face="Consola, Monaco, Monospace, Courier new" color="#B22222">
<b>Números...............:</b> 0123456789<br>
<b>Letras maiúsculas.....:</b> ABCDEFGHIJKLMNOPQRSTUVWXYZ<br>
<b>Letras minúsculas.....:</b> abcdefghijklmnopqrstuvwxyz<br>
<b>Caracteres especiais..:</b> "'!@#$%&*()_-+={[}]|\<,>.:;?/ <font color="#EE4000">(o espaço é um caractere também)</font>
</font>

'''E para ser usado com cautela:'''<br>
<font face="Consola, Monaco, Monospace, Courier new" color="#B22222">
<b>Caracteres acentuados.:</b> ÁÉÍÓÚ áéíóú ÂÊÔ âêô Àà Üü Çç Ññ ÃÕ ãõ
</font>

'''Nossa sugestão:''' Utilizar [[Códigos HTML para caracteres acentuados]] e [[Códigos HTML para caracteres especiais]].
''O PHP (linguagem de programação) possui uma função que faz essa conversão para você. Veja [http://www.php.net/manual/pt_BR/function.htmlentities.php| htmlentities()] no site oficial do [http://www.php.net/ PHP].''

Importante: A criação da função é de responsabilidade do desenvolvedor e variará conforme a linguagem de programação utilizada no site.</font>

No [http://forum.locaweb.com.br/ Fórum da Locaweb] já existem desenvolvedores que estão compartilhando as suas soluções:<br>
[[http://forum.locaweb.com.br/showthread.php?t=2475 Linguagens open-source]][[http://forum.locaweb.com.br/showthread.php?t=2474 Linguagens Microsoft]]

== Por que são só os caracteres acentuados que estão sujeitos a terem problemas na exibição? <br>Não poderia estar acontecendo com os demais também? ==

Um caractere é armazenado, seja em arquivo ou em buffer, codificados.

Quando vemos um <b>'A' (maiúsculo)</b>, na verdade, estamos vendo o caractere de código <b>65 <i>(0x41)</i></b>.<br>
Um <b>'a' (minúsculo)</b> não é um 'A' (maiúsculo), o código deste caractere é <b>97 <i>(0x61)</i></b>.<br>

Cada caractere tem o seu código, e <b>todos os encodings por padrão são iguais até o caractere de número 127 <i>(0x7F)</i></b>, a partir do caractere 128 <i>(0x80)</i> cada um possui suas particularidades.

O código do caractere <b>'Á' (maiúsculo com acento agudo)</b> é diferente:<br>
É <b>193 <i>(0xC1)</i></b> no encoding <font color="#B22222">ISO-8859-1</font>.<br>
É <b>50049 <i>(0xC381)</i></b> no encoding <font color="#EE4000">UTF-8</font>.

Então é a partir daí que começam os erros de exibição de caracteres, veja:

O caractere <b>193 <i>(0xC1)</i></b> está armazenado no arquivo ou no banco de dados:<br>
Se a página for exibida em <font color="#B22222">ISO-8859-1</font>, veremos um <font color="#B22222">'Á'</font>, mas se for exibida em <font color="#EE4000">UTF-8</font>, veremos um <font color="#EE4000">'�'</font>.

O caractere <b>50049 <i>(0xC381)</i></b> está armazenado no arquivo ou no banco de dados:<br>
Se a página for exibida em <font color="#B22222">ISO-8859-1</font>, veremos <font color="#B22222">'Ã'</font>, mas se for exibida em <font color="#EE4000">UTF-8</font>, veremos um <font color="#EE4000">'Á'</font>.

== Afinal, qual a diferença entre os encodings? <br>Qual deles é o que eu devo utilizar? ==

A diferença do <font color="#B22222">ISO-8859-1</font> e do <font color="#EE4000">UTF-8</font> é que um suporta até 256 caracteres (0 a 255, ou 0x00 a 0xFF) e o outro suporta até 65.536 caracteres (0 a 65535, ou 0x0000 a 0xFFFF).

O que leva alguns desenvolvedores a utilizarem o ISO-8859-1 é a economia de espaço, tráfego de rede e velocidade na exibição no caso de grandes quantidades de dados, pois um caractere UTF-8 chega a ter o dobro do tamanho de um caractere ISO-8859-1, em compensação, o UTF-8 suporta a maioria das letras, números e outros caracteres dos diversos países do mundo (se não forem todos), o que acaba fazendo do UTF-8 um padrão internacional.

Entretando, é aconselhável ser utilizado o UTF-8 somente quando se prevê que seu sistema lidará com textos em idiomas distintos, como japonês, chinês, árabe, russo, grego e outros cujos caracteres não são de origem romana, do contrário, você pode usar o ISO-8859-1, pois ele suporta os idiomas de origem latina (português, espanhol, francês e italiano) e também inglês, alemão, dinamarquês e dos demais países da Europa Ocidental.

== Leitura recomendada ==

Existe um artigo bem completo escrito por Joel Spolsky que explica os conjuntos de caracteres e os problemas de acentuação que eles podem causar:
*[http://www.joelonsoftware.com/articles/Unicode.html The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)] (Versão original, em inglês)
*[http://local.joelonsoftware.com/wiki/O_M%C3%ADnimo_Absoluto_Que_Todo_Desenvolvedor_de_Software_Absolutamente%2C_Positivamente_Precisa_Saber_Sobre_Unicode_e_Conjuntos_de_Caracteres_(Sem_Desculpas!) O Mínimo Absoluto Que Todo Desenvolvedor de Software Absolutamente, Positivamente Precisa Saber Sobre Unicode e Conjuntos de Caracteres (Sem Desculpas!)] (Versão traduzida para o português)