Disambiguazione – Se stai cercando informazioni sulla gestione dei caratteri Unicode in Wikipedia, vedi la relativa pagina di aiuto. Unicode Codifiche UTF-7 UTF-8 CESU-8 UTF-16/UCS-2 UTF-32/UCS-4 UTF-EBCDIC SCSU Punycode 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 utilizzati. Unicode è stato compilato e viene aggiornato e pubblicizzato dal Unicode Consortium[1], un consorzio internazionale di aziende interessate alla interoperabilità nel trattamento informatico dei testi in lingue diverse. Il codice assegnato al carattere[2] viene rappresentato con U+, seguito dalle quattro (o sei) cifre esadecimali del numero che lo individua. Unicode incorpora, nella primissima parte, la codifica ISO/IEC 8859-1[3], ma va molto oltre, codificando i caratteri usati in quasi tutte le lingue vive e in alcune lingue morte, nonché simboli matematici e chimici, cartografici, l'alfabeto Braille, ideogrammi etc. Attualmente lo standard Unicode non rappresenta ancora tutti i caratteri in uso nel mondo. Essendo ancora in evoluzione, si prefigge di coprire tutti i caratteri rappresentabili, garantendo la compatibilità e la non sovrapposizione con le codifiche dei caratteri già definiti, ma lasciando comunque dei ben precisi campi di codici "non usati", da riservare per la gestione autonoma all'interno di applicazioni particolari. L'Unicode viene supportato dai moderni standard della programmazione e del markup come XML, Java, JavaScript, LDAP, CORBA 3.0, e da vari sistemi operativi. Indice 1 Struttura del codice 1.1 Piano di base multilinguistico (BMP) 2 Sistemi di scrittura rappresentati 3 Versioni Unicode 4 Note 5 Voci correlate 6 Altri progetti 7 Collegamenti esterni modifica Struttura del codice Unicode era stato originariamente pensato come una codifica a 16 bit (quattro cifre esadecimali) che dava la possibilità di codificare 65.536 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 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. In realtà, solo una minima parte di questa disponibilità di codici è attualmente (al 2009) 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[4], 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[5]. 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 modifica Piano di base multilinguistico (BMP) Il primo piano (piano 0), il Piano di base multilinguistico (BMP - Basic Multilingual Plane), è quello in cui sono stati assegnati la maggior parte dei caratteri[6]. 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). Intervallo Descrizione 0000-007F C0 Controls and Basic Latin 0080-00FF C1 Controls and Latin-1 Supplement 0100-017F Latin Extended-A 0180-024F Latin Extended-B 0250-02AF IPA Extensions 02B0-02FF Spacing Modifier Letters 0300-036F Combining Diacritical Marks 0370-03FF Greek and Coptic 0400-04FF Cyrillic 0500-052F Cyrillic Supplement 0530-058F Armenian 0590-05FF Hebrew 0600-06FF Arabic 0700-074F Syriac 0750-077F Arabic Supplement 0780-07BF Thaana 07C0-07FF N'Ko 0900-097F Devanagari 0980-09FF Bengali 0A00-0A7F Gurmukhi 0A80-0AFF Gujarati 0B00-0B7F Oriya 0B80-0BFF Tamil 0C00-0C7F Telugu 0C80-0CFF Kannada 0D00-0D7F Malayalam 0D80-0DFF Sinhala 0E00-0E7F Thai 0E80-0EFF Lao 0F00-0FFF Tibetan 1000-109F Myanmar 10A0-10FF Georgian 1100-11FF Hangul Jamo 1200-137F Ethiopic 13A0-13FF Cherokee 1400-167F Unified Canadian Aboriginal Syllabics 1680-169F Ogham 16A0-16FF Runic 1700-171F Tagalog 1720-173F Hanunoo 1740-175F Buhid 1760-177F Tagbanwa 1780-17FF Khmer 1800-18AF Mongolian 1900-194F Limbu 1950-197F Tai Le 19E0-19FF Khmer Symbols 1D00-1D7F Phonetic Extensions 1E00-1EFF Latin Extended Additional 1F00-1FFF Greek Extended 2000-206F General Punctuation 2070-209F Superscripts and Subscripts 20A0-20CF Currency Symbols 20D0-20FF Combining Diacritical Marks for Symbols 2100-214F Letterlike Symbols 2150-218F Number Forms 2190-21FF Arrows 2200-22FF Mathematical Operators 2300-23FF Miscellaneous Technical 2400-243F Control Pictures 2440-245F Optical Character Recognition 2460-24FF Enclosed Alphanumerics 2500-257F Box Drawing 2580-259F Block Elements 25A0-25FF Geometric Shapes 2600-26FF Miscellaneous Symbols 2700-27BF Dingbats 27C0-27EF Miscellaneous Mathematical Symbols-A 27F0-27FF Supplemental Arrows-A 2800-28FF Braille Patterns 2900-297F Supplemental Arrows-B 2980-29FF Miscellaneous Mathematical Symbols-B 2A00-2AFF Supplemental Mathematical Operators 2B00-2BFF Miscellaneous Symbols and Arrows 2E80-2EFF CJK Radicals Supplement 2F00-2FDF Kangxi Radicals 2FF0-2FFF Ideographic Description Characters 3000-303F CJK Symbols and Punctuation 3040-309F Hiragana 30A0-30FF Katakana 3100-312F Bopomofo 3130-318F Hangul Compatibility Jamo 3190-319F Kanbun 31A0-31BF Bopomofo Extended 31F0-31FF Katakana Phonetic Extensions 3200-32FF Enclosed CJK Letters and Months 3300-33FF CJK Compatibility 3400-4DBF CJK Unified Ideographs Extension A 4DC0-4DFF Yijing Hexagram Symbols 4E00-9FFF CJK Unified Ideographs A000-A48F Yi Syllables A490-A4CF Yi Radicals AC00-D7AF Hangul Syllables D800-DB7F High Surrogates DB80-DBFF High Private Use Surrogates DC00-DFFF Low Surrogates E000-F8FF Private Use Area F900-FAFF CJK Compatibility Ideographs FB00-FB4F Alphabetic Presentation Forms FB50-FDFF Arabic Presentation Forms-A FE00-FE0F Variation Selectors FE20-FE2F Combining Half Marks FE30-FE4F CJK Compatibility Forms FE50-FE6F Small Form Variants FE70-FEFF Arabic Presentation Forms-B FF00-FFEF Halfwidth and Fullwidth Forms FFF0-FFFF Specials modifica Sistemi di scrittura rappresentati Unicode 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. modifica Versioni Unicode Negli ultimi anni una nuova versione è stata rilasciata praticamente ad ogni inizio 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 1.0.1 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 alla norma ISO 10646-1: 1993) Unicode 1.1.5 giugno 1995 Unicode 2.0.0 luglio 1996 (Allineata alla norma 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 alla norma ISO 10646-1: 2000) Unicode 3.0.1 agosto 2000 Unicode 3.1.0 marzo 2001 (Allineata alla norma ISO 10646-2: 2001) Unicode 3.1.1 agosto 2001 Unicode 3.2.0 marzo 2002 Unicode 4.0.0 aprile 2003 (Allineata alla norma ISO 10646: 2003) Unicode 4.0.1 marzo 2004 Unicode 4.1.0 marzo 2005 Unicode 5.0.0 luglio 2006 oltre 99.000 glifi[7] Unicode 5.1.0 aprile 2008 Unicode 5.2.0 ottobre 2009 Unicode 6.0.0 10 ottobre 2010 Unicode 6.0.1 27 gennaio 2011 modifica Note ^ (EN) Pagina ufficiale di Unicode Consortium: http://www.unicode.org/consortium/consort.html ^ "Code point", in inglese. ^ Detta anche ISO Latin-1 e nota col nomignolo ASCII esteso, che indica però anche molte altre codifiche a 8 bit (basate sul vecchio standard ASCII a 7 bit), che consentiva la rappresentazione di 256 caratteri ed era sufficiente per gli alfabeti dell'Europa Occidentale e del Nord America. ^ 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 ^ Roadmap to the TIP ^ Una mappa delle assegnazioni si può trovare su en.wiki ^ Unicode Consortium: Unicode Character Database 5.0 Released, 18 luglio 2006 modifica Voci correlate Charset Ordine dei byte (inglese Endianness) ConScript Unicode Registry Aiuto:Unicode Operatori matematici Unicode modifica Altri progetti Commons Wikimedia Commons contiene file multimediali su Unicode modifica Collegamenti esterni Cos'è Unicode? Dal sito di Unicode (DE, EN) DecodeUnicode - Unicode WIKI 98.884 gifs Semplice HowTo su Unicode e UTF-8 (EN) http://www.unicode.org/ (EN) http://www.joelonsoftware.com/articles/Unicode.html Joel on software: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets Portale Informatica: accedi alle voci di Wikipedia che trattano di informatica