Unicode является стандартом для компьютерного представления простого текста. Это охватывает Универсальный набор символов, предназначенный для однозначного представления всех символов, используемых в человеческих системах письменности на любом языке, Форматы преобразования Unicode (UTFs), определяя стандартизированные форматы для того, чтобы сохранить и передать текст Unicode и стандарты для обработки и управления текстом.
Unicode является стандартом для компьютерного представления простого текста. Это охватывает:
- Универсальный набор символов (UCS), предназначенный для однозначного представления всех символов, используемых в человеческих системах письменности на любом языке,
- Форматы преобразования Unicode (UTFs), определяя стандартизированные форматы для того, чтобы сохранить и передать текст Unicode, и
- стандарты для обработки и управления текстом Unicode.
Последняя версия 6.0, опубликована в 2011.
Универсальный набор символов
Unicode присваивает каждому символу целочисленную кодовую точку (от 0 кому: 0x10FFFF) в UCS для действия как уникальная ссылка. Например:
- U+0041 A
- U+0042 B
- U+0043 C
- ...
- U+039B Λ
- U+039C Μ
Форматы преобразования Unicode
UTFs описывают, как закодировать кодовые точки представлениями байта. Наиболее распространенные формы являются UTF-8 (который кодирует кодовые точки последовательностью один, два, три или четыре байта) и UTF-16 (который кодирует кодовые точки двумя или четырьмя байтами).
Code Point UTF-8 UTF-16 (big-endian) U+0041 41 00 41 U+0042 42 00 42 U+0043 43 00 43 ... U+039B CE 9B 03 9B U+039C CE 9C 03 9C Спецификация
Консорциум Unicode также определяет стандарты для алгоритмов сортировки и сопоставления, управляет для капитализации, символьной нормализации и других чувствительных к локали символьных операций.