UTF (Unicode Transformation Format)

UTF je rodina standardů pro kódování znaků, která umožňuje reprezentovat jakýkoliv znak z mezinárodní sady Unicode (včetně české diakritiky, azbuky, čínských znaků nebo emoji) v digitální podobě. Díky UTF můžeme v našich systémech bezpečně pracovat s textem v jakémkoliv jazyce bez rizika vzniku nečitelných znaků (tzv. „rozsypaný čaj“).

Nejpoužívanější formát v naší společnosti a na celém internetu.

• Variabilní délka: Jeden znak může zabírat 1 až 4 bajty.
• Zpětná kompatibilita: Znaky základní anglické abecedy (ASCII) zabírají pouze 1 bajt, což šetří místo.
• Využití: Standard pro naše WWW servery, konfigurační soubory na VPS a zdrojové kódy v rámci VCS.

Znaky jsou kódovány primárně pomocí 2 nebo 4 bajtů.

• Využití: Interní reprezentace textu v operačních systémech Windows a v programovacích jazycích jako Java nebo JavaScript, které používá náš Vývojový tým.

Správné nastavení UTF kódování zajišťuje:

• Integritu dat: Zabraňuje poškození jmen zákazníků s diakritikou v našich databázích.
• Konzistenci v Jira: Umožňuje kolegům z mezinárodních poboček sdílet informace bez ohledu na jejich lokální klávesnici.
• Lokalizaci: Naše Marketingové oddělení může připravovat materiály pro globální trhy pomocí jednotného standardu.

Aby naše IT Podpora předešla problémům s kódováním, dodržujeme tato pravidla:

1. **"UTF-8 Everywhere":** Všechny nové databáze a textové soubory musí být standardně ukládány v kódování **UTF-8 bez BOM**.
2. **HTTP hlavičky:** Naše webové servery musí vždy odesílat hlavičku `Content-Type: text/html; charset=utf-8`.
3. **API komunikace:** Veškerá výměna dat mezi mikroslužbami v našem **[[VPC]]** probíhá výhradně v UTF-8.

Pokud narazíte na špatné zobrazení znaků (např. „“ nebo „á“):

• Kontrola editoru: Ověřte, zda váš textový editor (např. VS Code nebo Notepad++) neotevřel soubor v kódování Windows-1250 (CP-1250).
• Konverze: Použijte nástroje jako `iconv` na našich Linuxových serverech pro hromadný převod souborů do UTF-8.
• BOM (Byte Order Mark): Vyhýbejte se používání BOM na začátku souborů, protože může způsobovat chyby v automatizovaných skriptech našeho vývojového týmu.

Poznámka pro vývojáře: Při práci s databázemi vždy nastavte `character_set_server` na `utf8mb4`, což je vylepšená verze UTF-8 podporující i nejnovější sady emoji a historických symbolů.

— Související stránky: ZIF, WWW, VPS, VPC, VCS, Vývojový tým, IT Podpora, Marketingové oddělení