fbpx
Wikipedia

Unicode

Ottobre 28, 2021

Unicode
Codifiche
UCS
Mappatura
Testo bidirezionale
BOM
Unificazione Han
Unicode eHTML

Unicode è un sistema di codifica che assegna un numero univoco ad ogni carattere usato per la scrittura di testi, in maniera indipendente dalla lingua, dalla piattaforma informatica e dal programma utilizzato.

Logo dell'Unicode Consortium

È stato compilato e viene aggiornato e pubblicizzato dallo Unicode Consortium[1], un consorzio internazionale di aziende interessate alla interoperabilità nel trattamento informatico dei testi in lingue diverse.

Storia

Origine e sviluppo Unicode è stato creato per risolvere i limiti dei tradizionali schemi di codifica dei caratteri Ad esempio , sebbene i caratteri definiti nella ISO 8859-1 siano ampiamente utilizzati in paesi diversi, spesso si verifica incompatibilità tra paesi diversi. Molti metodi di codifica tradizionali hanno un problema comune, ovvero consentono ai computer di gestire un ambiente bilingue (di solito utilizzando lettere latine e le loro lingue native), ma non possono supportare un ambiente multilingue allo stesso tempo (riferendosi a una situazione in cui più lingue possono essere mescolate contemporaneamente).

La codifica Unicode contiene caratteri con stili di scrittura diversi, come " ɑ / a ", "强 / 强", "casa / famiglia / 戸". Tuttavia , c'è stata una controversia sull'identificazione del polimorfismo nei caratteri cinesi. Per i dettagli, vedere gli ideogrammi unificati di Cina, Giappone e Corea .

In termini di elaborazione testi, Unicode definisce un codice univoco (cioè un numero intero) per ogni carattere anziché un glifo. In altre parole, Unicode elabora i caratteri in modo astratto (cioè i numeri) e lascia il lavoro di deduzione visiva (come dimensione del carattere, forma dell'aspetto, forma del carattere, stile, ecc.) Ad altri software, come la navigazione web O elaboratore di testi.

Al momento, quasi tutti i sistemi informatici supportano l'alfabeto latino di base e ciascuno supporta diversi altri metodi di codifica. Per essere compatibili con loro, i primi 256 caratteri di Unicode sono riservati ai caratteri definiti da ISO 8859-1, in modo che la conversione delle lingue esistenti dell'Europa occidentale non richieda una considerazione speciale; e un gran numero degli stessi caratteri viene ripetuto in diversi Nel codice carattere, il vecchio complicato metodo di codifica può essere convertito direttamente tra la codifica Unicode senza perdere alcuna informazione. Ad esempio, la sezione del formato full-form contiene il formato full-form delle principali lettere latine.Nei glifi cinesi, giapponesi e coreani, questi caratteri sono presentati in full-form invece che nella comune forma half-form. , Che ha un effetto importante sul testo verticale e sul testo a spaziatura fissa.

Quando si rappresenta un carattere Unicode, di solito è rappresentato da "U +" seguito da un insieme di numeri esadecimali. Nel piano multilingue di base : ( piano multilingue di base in inglese tutti i caratteri. BMP abbreviato noto anche come "piano zero", piano 0) all'interno, utilizza quattro cifre (ovvero 2 byte, per un totale di 16 bit , Come U + 4AE0, che supporta un totale di oltre 60.000 caratteri); i caratteri al di fuori del piano zero devono utilizzare cinque o sei numeri. La vecchia versione dello standard Unicode utilizza metodi di marcatura simili, ma con alcune piccole differenze: in Unicode 3.0, "U-" viene utilizzato seguito da otto cifre e "U +" deve essere seguito da quattro cifre.

Struttura del codice

Unicode era stato originariamente pensato come una codifica a 16 bit (quattro cifre esadecimali) che dava la possibilità di codificare 65.535 (2^16 -1) caratteri. Tanto si riteneva essere sufficiente per rappresentare i caratteri impiegati in tutte le lingue scritte del mondo. Ora invece lo standard Unicode, che tendenzialmente è perfettamente allineato con la norma ISO/IEC 10646, prevede una codifica fino a 21 bit e supporta un repertorio di codici numerici che possono rappresentare circa un milione di caratteri. Ciò appare sufficiente a coprire anche i fabbisogni di codifica di scritti del patrimonio storico dell'umanità, nelle diverse lingue e negli svariati sistemi di segni utilizzati.

Al 2009, solo una piccolissima parte di questa disponibilità di codici è assegnata. Per lo sviluppo dei codici sono infatti previsti 17 "piani" ("planes", in inglese), da 00 a 10hex, ciascuno con 65.536 posizioni (quattro cifre esadecimali), ma solo i primi tre e gli ultimi tre piani sono ad oggi assegnati[2], e di questi il primo, detto anche BMP, è praticamente sufficiente a coprire tutte le lingue più usate.

Concretamente, questo repertorio di codici numerici è serializzato mediante diversi schemi di ricodifica, che consentono l'uso di codici più compatti per i caratteri usati più di frequente. È previsto l'uso di codifiche con unità da 8 bit (byte), 16 bit (word) e 32 bit (double word), descritte rispettivamente come UTF-8, UTF-16 e UTF-32.

Piano Intervallo Descrizione Abbreviazione
0 000000-00FFFF Basic Multilingual Plane BMP
1 010000-01FFFF Supplementary Multilingual Plane SMP
2 020000-02FFFF Supplementary Ideographic Plane SIP
3 030000-03FFFF Designato preliminarmente come Tertiary Ideographic Plane (TIP), ma nessun carattere gli è stato assegnato al momento[3]. TIP
4-13 040000-0DFFFF Attualmente non assegnati
14 0E0000-0EFFFF Supplementary Special-purpose Plane SSP
15 0F0000-0FFFFF Supplementary Private Use Area-A
16 100000-10FFFF Supplementary Private Use Area-B

Basic Multilingual Plane (BMP)

Il piano 0, il Basic Multilingual Plane (lett. "Piano multilinguistico di base") o BMP, è quello in cui sono stati assegnati la maggior parte dei caratteri. Il BMP contiene caratteri per quasi tutti i moderni linguaggi e un grande numero di caratteri speciali. La maggioranza dei codici assegnati ai caratteri nel BMP sono stati usati per codificare quelli cinesi, giapponesi e coreani (CJK).

Sistemi di scrittura rappresentati

Unicode comprende quasi tutti i sistemi di scrittura attualmente utilizzati, fra i quali:

In aggiunta a quelli citati, sono disponibili glifi appartenenti a molte lingue morte:

Infine, lo Unicode comprende anche molti simboli, come quelli matematici e musicali.

Cronologia delle versioni

Negli ultimi anni una nuova versione è stata pubblicata praticamente ogni anno a seguito di una media di oltre 1.000 richieste di cambiamenti all'anno.

  • DP 10646 1989 (Proposta di bozza della norma ISO 10646, indipendente dall'Unicode)
  • DIS-1 10646 1990 (Prima bozza della norma ISO 10646, indipendente dall'Unicode)
  • Unicode 1.0.0 ottobre 1991
  • Unicode 1.0.1º giugno 1992 (Modificato per un eventuale allineamento alla norma ISO 10646)
  • Unicode 1.1.0 giugno 1993 (Unicode e ISO unificate per la prima volta: i due codici sono identici allo standard ISO 10646-1: 1993)
  • Unicode 1.1.5 giugno 1995
  • Unicode 2.0.0 luglio 1996 (Allineata allo standard ISO 10646 estesa)
  • Unicode 2.1.2 maggio 1998 (Fra gli altri, introduzione del carattere euro: €)
  • Unicode 2.1.5 agosto 1998
  • Unicode 2.1.8 dicembre 1998
  • Unicode 2.1.9 aprile 1999
  • Unicode 3.0.0 settembre 1999 (Allineata allo standard ISO 10646-1: 2000)
  • Unicode 3.0.1 agosto 2000
  • Unicode 3.1.0 marzo 2001 (Allineata allo standard ISO 10646-2: 2001)
  • Unicode 3.1.1 agosto 2001
  • Unicode 3.2.0 marzo 2002
  • Unicode 4.0.0 aprile 2003 (Allineata allo standard ISO 10646: 2003)
  • Unicode 4.0.1 marzo 2004
  • Unicode 4.1.0 31 marzo 2005
  • Unicode 5.0.0 14 luglio 2006 oltre 99.000 glifi[4]
  • Unicode 5.1.0 4 aprile 2008
  • Unicode 5.2.0 1º ottobre 2009
  • Unicode 6.0.0 10 ottobre 2010
  • Unicode 6.1.0 26 gennaio 2012
  • Unicode 6.2.0 26 settembre 2012
  • Unicode 6.3.0 30 settembre 2013
  • Unicode 7.0.0 16 giugno 2014
  • Unicode 8.0.0 17 giugno 2015
  • Unicode 9.0.0 21 giugno 2016
  • Unicode 10.0.0 20 giugno 2017
  • Unicode 11.0.0 5 giugno 2018
  • Unicode 12.0.0 5 marzo 2019
  • Unicode 12.1.0 7 maggio 2019
  • Unicode 13.0.0 10 marzo 2020

Note

  1. ^ (EN) Pagina ufficiale di Unicode Consortium
  2. ^ Piani assegnati (2009):
    1 00-BMP Piano di base Multilinguistico
    2 01-SMP piano supplementare multilinguistico
    3 02-SIP piano supplementare ideografico
    15 0E-SSP piano supplementare per scopi speciali
    16 0F-PUA riservato ad aree di uso privato
    17 10-PUA riservato ad aree di uso privato
  3. ^ Roadmap to the TIP
  4. ^ Unicode Consortium: Unicode Character Database 5.0 Released il 5 agosto 2011 in Internet Archive., 18 luglio 2006

Voci correlate

Altri progetti

  •   Wikizionario contiene il lemma di dizionario «Unicode»
  •   Wikimedia Commons contiene immagini o altri file su Unicode

Collegamenti esterni

  • Cos'è Unicode? Dal sito di Unicode
  • (EN) The Unicode Consortium
  • (EN) Indice dei dati Unicode e dei dati Java, su fileformat.info. URL consultato il 20 Maggio 2018.
  • (DE, EN) 98.884 gifs
  • Semplice HowTo su Unicode e UTF-8, su linkas.it.
  • (EN) Joel on software: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets
  • Emoji e il loro Unicode
Controllo di autoritàLCCN (EN) sh98000843 · GND (DE) 4343497-6
  Portale Informatica: accedi alle voci di Wikipedia che trattano di informatica

Unicode
Ottobre 28, 2021
unicode, codifiche, cesu, ebcdic, scsu, punycodeucsmappaturatesto, bidirezionalebomunificazione, ehtml, sistema, codifica, assegna, numero, univoco, ogni, carattere, usato, scrittura, testi, maniera, indipendente, dalla, lingua, dalla, piattaforma, informatica. UnicodeCodifiche UTF 7 UTF 8 CESU 8 UTF 16 UCS 2 UTF 32 UCS 4 UTF EBCDIC SCSU PunycodeUCSMappaturaTesto bidirezionaleBOMUnificazione HanUnicode eHTMLUnicode e un sistema di codifica che assegna un numero univoco ad ogni carattere usato per la scrittura di testi in maniera indipendente dalla lingua dalla piattaforma informatica e dal programma utilizzato Logo dell Unicode Consortium E stato compilato e viene aggiornato e pubblicizzato dallo Unicode Consortium 1 un consorzio internazionale di aziende interessate alla interoperabilita nel trattamento informatico dei testi in lingue diverse Indice 1 Storia 2 Struttura del codice 2 1 Basic Multilingual Plane BMP 3 Sistemi di scrittura rappresentati 4 Cronologia delle versioni 5 Note 6 Voci correlate 7 Altri progetti 8 Collegamenti esterniStoria ModificaOrigine e sviluppo Unicode e stato creato per risolvere i limiti dei tradizionali schemi di codifica dei caratteri Ad esempio sebbene i caratteri definiti nella ISO 8859 1 siano ampiamente utilizzati in paesi diversi spesso si verifica incompatibilita tra paesi diversi Molti metodi di codifica tradizionali hanno un problema comune ovvero consentono ai computer di gestire un ambiente bilingue di solito utilizzando lettere latine e le loro lingue native ma non possono supportare un ambiente multilingue allo stesso tempo riferendosi a una situazione in cui piu lingue possono essere mescolate contemporaneamente La codifica Unicode contiene caratteri con stili di scrittura diversi come ɑ a 强 强 casa famiglia 戸 Tuttavia c e stata una controversia sull identificazione del polimorfismo nei caratteri cinesi Per i dettagli vedere gli ideogrammi unificati di Cina Giappone e Corea In termini di elaborazione testi Unicode definisce un codice univoco cioe un numero intero per ogni carattere anziche un glifo In altre parole Unicode elabora i caratteri in modo astratto cioe i numeri e lascia il lavoro di deduzione visiva come dimensione del carattere forma dell aspetto forma del carattere stile ecc Ad altri software come la navigazione web O elaboratore di testi Al momento quasi tutti i sistemi informatici supportano l alfabeto latino di base e ciascuno supporta diversi altri metodi di codifica Per essere compatibili con loro i primi 256 caratteri di Unicode sono riservati ai caratteri definiti da ISO 8859 1 in modo che la conversione delle lingue esistenti dell Europa occidentale non richieda una considerazione speciale e un gran numero degli stessi caratteri viene ripetuto in diversi Nel codice carattere il vecchio complicato metodo di codifica puo essere convertito direttamente tra la codifica Unicode senza perdere alcuna informazione Ad esempio la sezione del formato full form contiene il formato full form delle principali lettere latine Nei glifi cinesi giapponesi e coreani questi caratteri sono presentati in full form invece che nella comune forma half form Che ha un effetto importante sul testo verticale e sul testo a spaziatura fissa Quando si rappresenta un carattere Unicode di solito e rappresentato da U seguito da un insieme di numeri esadecimali Nel piano multilingue di base piano multilingue di base in inglese tutti i caratteri BMP abbreviato noto anche come piano zero piano 0 all interno utilizza quattro cifre ovvero 2 byte per un totale di 16 bit Come U 4AE0 che supporta un totale di oltre 60 000 caratteri i caratteri al di fuori del piano zero devono utilizzare cinque o sei numeri La vecchia versione dello standard Unicode utilizza metodi di marcatura simili ma con alcune piccole differenze in Unicode 3 0 U viene utilizzato seguito da otto cifre e U deve essere seguito da quattro cifre Struttura del codice ModificaUnicode era stato originariamente pensato come una codifica a 16 bit quattro cifre esadecimali che dava la possibilita di codificare 65 535 2 16 1 caratteri Tanto si riteneva essere sufficiente per rappresentare i caratteri impiegati in tutte le lingue scritte del mondo Ora invece lo standard Unicode che tendenzialmente e perfettamente allineato con la norma ISO IEC 10646 prevede una codifica fino a 21 bit e supporta un repertorio di codici numerici che possono rappresentare circa un milione di caratteri Cio appare sufficiente a coprire anche i fabbisogni di codifica di scritti del patrimonio storico dell umanita nelle diverse lingue e negli svariati sistemi di segni utilizzati Al 2009 solo una piccolissima parte di questa disponibilita di codici e assegnata Per lo sviluppo dei codici sono infatti previsti 17 piani planes in inglese da 00 a 10hex ciascuno con 65 536 posizioni quattro cifre esadecimali ma solo i primi tre e gli ultimi tre piani sono ad oggi assegnati 2 e di questi il primo detto anche BMP e praticamente sufficiente a coprire tutte le lingue piu usate Concretamente questo repertorio di codici numerici e serializzato mediante diversi schemi di ricodifica che consentono l uso di codici piu compatti per i caratteri usati piu di frequente E previsto l uso di codifiche con unita da 8 bit byte 16 bit word e 32 bit double word descritte rispettivamente come UTF 8 UTF 16 e UTF 32 Piano Intervallo Descrizione Abbreviazione0 000000 00FFFF Basic Multilingual Plane BMP1 010000 01FFFF Supplementary Multilingual Plane SMP2 020000 02FFFF Supplementary Ideographic Plane SIP3 030000 03FFFF Designato preliminarmente come Tertiary Ideographic Plane TIP ma nessun carattere gli e stato assegnato al momento 3 TIP4 13 040000 0DFFFF Attualmente non assegnati14 0E0000 0EFFFF Supplementary Special purpose Plane SSP15 0F0000 0FFFFF Supplementary Private Use Area A16 100000 10FFFF Supplementary Private Use Area BBasic Multilingual Plane BMP Modifica Il piano 0 il Basic Multilingual Plane lett Piano multilinguistico di base o BMP e quello in cui sono stati assegnati la maggior parte dei caratteri Il BMP contiene caratteri per quasi tutti i moderni linguaggi e un grande numero di caratteri speciali La maggioranza dei codici assegnati ai caratteri nel BMP sono stati usati per codificare quelli cinesi giapponesi e coreani CJK Sistemi di scrittura rappresentati ModificaUnicode comprende quasi tutti i sistemi di scrittura attualmente utilizzati fra i quali Alfabeto arabo Alfabeto armeno Alfabeto bengali Alfabeto Braille Alfabeto sillabico Aborigeno Canadese Alfabeto sillabico Cherokee Alfabeto copto Alfabeto cirillico Alfabeto Devanagari Alfabeto ebraico Alfabeto esperanto Alfabeto etiopico Alfabeto georgiano Alfabeto greco Alfabeto gujarati Alfabeto gurmukhi Lingua punjabi Alfabeto cinese Han Ideogrammi Hanzi e Ideogrammi Hanja Alfabeto Hangul Lingua coreana Alfabeto Hiragana e Alfabeto Katakana Ideogrammi Kanji Lingua giapponese Alfabeto fonetico internazionale IPA Alfabeto khmer Cambogiano Alfabeto kannada Alfabeto lao Alfabeto latino base ed esteso Alfabeto limbu Alfabeto malayalam Alfabeto mongolo Alfabeto myanmar Burmese Alfabeto N Ko Alfabeto oriya Alfabeto osmanya Alfabeto sylheti nagari Alfabeto siriaco Alfabeto tamil Alfabeto telugu Alfabeto tailandese Alfabeto tibetano Alfabeto tifinagh Alfabeto yi Alfabeto zhuyin Bopomofo In aggiunta a quelli citati sono disponibili glifi appartenenti a molte lingue morte Alfabeto cuneiforme Alfabeto Deseret Alfabeto Lineare B Alfabeto Kharoshti Alfabeto ogamico Alfabeto antico italico Etrusco Osco e Umbro Alfabeto antico persiano Alfabeto fenicio Alfabeto gotico Alfabeto runico Alfabeto Shavian Alfabeto ugaritico Infine lo Unicode comprende anche molti simboli come quelli matematici e musicali Cronologia delle versioni ModificaNegli ultimi anni una nuova versione e stata pubblicata praticamente ogni anno a seguito di una media di oltre 1 000 richieste di cambiamenti all anno DP 10646 1989 Proposta di bozza della norma ISO 10646 indipendente dall Unicode DIS 1 10646 1990 Prima bozza della norma ISO 10646 indipendente dall Unicode Unicode 1 0 0 ottobre 1991 Unicode 1 0 1º giugno 1992 Modificato per un eventuale allineamento alla norma ISO 10646 Unicode 1 1 0 giugno 1993 Unicode e ISO unificate per la prima volta i due codici sono identici allo standard ISO 10646 1 1993 Unicode 1 1 5 giugno 1995 Unicode 2 0 0 luglio 1996 Allineata allo standard ISO 10646 estesa Unicode 2 1 2 maggio 1998 Fra gli altri introduzione del carattere euro Unicode 2 1 5 agosto 1998 Unicode 2 1 8 dicembre 1998 Unicode 2 1 9 aprile 1999 Unicode 3 0 0 settembre 1999 Allineata allo standard ISO 10646 1 2000 Unicode 3 0 1 agosto 2000 Unicode 3 1 0 marzo 2001 Allineata allo standard ISO 10646 2 2001 Unicode 3 1 1 agosto 2001 Unicode 3 2 0 marzo 2002 Unicode 4 0 0 aprile 2003 Allineata allo standard ISO 10646 2003 Unicode 4 0 1 marzo 2004 Unicode 4 1 0 31 marzo 2005 Unicode 5 0 0 14 luglio 2006 oltre 99 000 glifi 4 Unicode 5 1 0 4 aprile 2008 Unicode 5 2 0 1º ottobre 2009 Unicode 6 0 0 10 ottobre 2010 Unicode 6 1 0 26 gennaio 2012 Unicode 6 2 0 26 settembre 2012 Unicode 6 3 0 30 settembre 2013 Unicode 7 0 0 16 giugno 2014 Unicode 8 0 0 17 giugno 2015 Unicode 9 0 0 21 giugno 2016 Unicode 10 0 0 20 giugno 2017 Unicode 11 0 0 5 giugno 2018 Unicode 12 0 0 5 marzo 2019Unicode 12 1 0 7 maggio 2019Unicode 13 0 0 10 marzo 2020Note Modifica EN Pagina ufficiale di Unicode Consortium Piani assegnati 2009 1 00 BMP Piano di base Multilinguistico2 01 SMP piano supplementare multilinguistico3 02 SIP piano supplementare ideografico15 0E SSP piano supplementare per scopi speciali16 0F PUA riservato ad aree di uso privato17 10 PUA riservato ad aree di uso privato Roadmap to the TIP Unicode Consortium Unicode Character Database 5 0 Released Archiviato il 5 agosto 2011 in Internet Archive 18 luglio 2006Voci correlate ModificaASCII ASCII esteso Charset ConScript Unicode Registry Ordine dei byte inglese Endianness Operatori matematici UnicodeAltri progetti ModificaAltri progettiWikizionario Wikimedia Commons Wikizionario contiene il lemma di dizionario Unicode Wikimedia Commons contiene immagini o altri file su UnicodeCollegamenti esterni ModificaCos e Unicode Dal sito di Unicode EN The Unicode Consortium EN Indice dei dati Unicode e dei dati Java su fileformat info URL consultato il 20 Maggio 2018 DE EN DecodeUnicode Unicode WIKI 98 884 gifs Semplice HowTo su Unicode e UTF 8 su linkas it EN Joel on software The Absolute Minimum Every Software Developer Absolutely Positively Must Know About Unicode and Character Sets Emoji e il loro UnicodeControllo di autoritaLCCN EN sh98000843 GND DE 4343497 6 Portale Informatica accedi alle voci di Wikipedia che trattano di informatica Estratto da https it wikipedia org w index php title Unicode amp oldid 123198153, wikipedia, wiki, libro, libri, biblioteca,

articolo

, lettura, download, scarica, gratuito, download gratuito, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, immagine, musica, canzone, film, libro, gioco, giochi.