Vida longa ao Unicode!

A luta pela padronização na Web comemora mais um grade fato: o Unicode (se você não reconhece esse termo, que tal UTF-8?) reina quando o assunto é o encoding utilizado pelas páginas (pelo menos as encontráveis pelo Google). Confira uma parte do post feito por Augusto Campos no blog BR-Linux.org:

E esta maioria está a poucos passos de galgar um degrau a mais: tornar-se superior à soma de todas as demais opções – ao menos no que diz respeito ao conjunto dos sites indexados pelo Google.

Consta que o Google vai promover uma festa quando a marca de 50% for ultrapassada. E como a tendência está bem clara no gráfico, não deve demorar. (via h-online.com)

Bom, se houver mesmo uma festa, eu gostaria de ir, mas… será que essa festa será uma festa normal?!?!?

De qualquer forma, é um acontecimento que devemos comemorar (profissionais da web), pois é um grande avanço rumo a um trabalho melhor, menos dependente de monopólios, mais colaborativa ainda! Como muitos leitores já sabem, quando se trabalha com dados oriundos da Web, já é uma briga conseguir extrair tudo num formato decente para seu banco de dados. Quando ainda temos que lidar com vários conjuntos de caracteres diferentes, quando é tão simples usar um único conjunto. Recomendo, caso você trabalhe com Python, a biblioteca BeautifulSoup, que fará a maior parte do esforço para você lidar com aquelas páginas que insistem em não usar o Unicode. Aliás, segue aqui um ótimo artigo para quem quer falar a mesma língua com a maioria do mundo: Tudo sobre Python e Unicode

Cheers!