Unicode – Wikipedia, wolna encyklopedia

Unicode (formalnie Unicode Standard^[1], pol. Unikod) – komputerowy standard kodowania zestawu znaków obejmującego litery większości używanych na świecie pism, a także symboli, emoji i kodów formatowania. Standard Unicode rozwijany jest przez konsorcjum Unicode, składające się z firm wytwarzających sprzęt komputerowy, producentów oprogramowania oraz instytutów naukowych, agencji międzynarodowych i grup użytkowników^[2]. Konsorcjum współpracuje z organizacją ISO.

W odróżnieniu od standardów takich jak ISO 10646, oprócz kodowania znaków publikacje konsorcjum Unicode dostarczają również wiele szczegółów o systemach pisma i sposobie ich wyświetlania: reguły normalizacji, dekompozycji, kolacjonowania, renderowania i dwukierunkowej kolejności wyświetlania dla tekstów wielojęzycznych. Zawierają również referencyjne pliki danych i wykresy wizualne, które pomagają deweloperom poprawnie zaimplementować standard Unicode^[3].

Standard Unicode definiuje przestrzeń kodową (ang. codespace), która jest zbiorem wartości numerycznych (ang. code points) od 0 do 10FFFF w systemie szesnastkowym^[4]. Wszystkie znaki Unicode zostają przypisane do jednej z wartości numerycznych przestrzeni kodowej i nazwane według wzoru U+0000, gdzie 0000 jest wartością numeryczną znaku^[5]. Zapis wartości w tym systemie musi zawierać co najmniej cztery cyfry – gdy wartość numeryczna znaku jest mniejsza, na jej początek zostają przypisane zera^[6]. Przykładowo, znak dzielenia posiada wartość numeryczną F7 i jest zapisywany jako U+00F7, natomiast znak jednego z egipskich hieroglifów o wartości numerycznej 13254 zostaje zapisany bez żadnych modyfikacji jako U+13254.

Istnieje kilka metod zapisywania wartości numerycznych znaków Unicode jako ich bajtowe odpowiedniki w systemach komputerowych. Rozróżnia się między systemami mapowania UCS (Universal Character Set) i UTF (Unicode Transformation Format), które dzielą się na podgrupy zależne od ilości bajtów potrzebnej do zapisania jednego znaku^[7].

Do najpowszechniejszych metod bajtowego kodowania znaków należą:

• UTF-32/UCS-4
• UTF-16
• UTF-8.

Mniej popularnymi kodowaniami Unicode są:

• UTF-7
• UCS-2.

Istnieją również inne kodowania, stanowiące margines lub pozostające na etapie propozycji, na przykład:

• UTF-9 i UTF-18
• UTF-EBCDIC
• UTF-6
• UTF-5.

Standard Unicode zsynchronizowany jest ze standardem ISO 10646, stosując te same wartości numeryczne dla poszczególnych znaków. Zapis binarny tekstu ASCII jest również kompatybilny z metodą zapisu znaków Unicode UTF-8^[8].

Według ogłoszonej w 2005 roku wypowiedzi Andrzeja Blikle, członka Rady Języka Polskiego na stanowisku przewodniczącego Zespołu Terminologii Informatycznej^[9], sugeruje się używanie nazwy Unikod nie tylko jako określenie stworzonego przez konsorcjum Unicode standardu, ale również wszystkich pozostałych systemów unifikacji liter^[10]. Stosując taką definicję, Unikodem byłby również między innymi standard ISO 10646. Proponowana terminologia nie upowszechniła się jednak w sposób prawidłowy i słowo Unikod najczęściej służy jako spolszczenie słowa Unicode, a nie odrębne pojęcie w dziedzinie informatyki^[11][12][13], prawdopodobnie przez podobieństwo obu nazw. Również sama strona internetowa konsorcjum Unicode używa Unikodu jako polskiego tłumaczenia Unicode^[12], co w 2017 roku spotkało się z krytyką Janusza S. Bienia^[14]. Słowo Unikod nie znajduje się w Encyklopedii PWN, w przeciwieństwie do słowa Unicode^[15]. Ponieważ pierwotna wypowiedź Andrzeja Blikle stanowiła zaledwie zalecenie^[10], dokładna definicja słowa Unikod pozostaje niejasna.

Standard Unicode jest dominującym systemem kodowania znaków, a UTF-8 jego najpowszechniejszą implementacją, używany wewnętrznie w systemach operacyjnych takich jak Unix, Windows czy macOS. W roku 2020 używało go około 98% stron internetowych^[16].

• 1991 Unicode 1.0.0 (październik^[17])
• 1993 Unicode 1.1.0 (czerwiec^[17])
• 1996 Unicode 2.0.0 (lipiec^[17])
• 1998 Unicode 2.1.2 (maj^[17])
• 1998 Unicode 2.1.5 (sierpień^[17])
• 1998 Unicode 2.1.8 (grudzień^[17])
• 1999 Unicode 2.1.9 (kwiecień^[17])
• 1999 Unicode 3.0.0 (wrzesień^[17])
• 2000 Unicode 3.0.1 (sierpień^[17])
• 2001 Unicode 3.1.0 (23 marca)
• 2001 Unicode 3.1.1 (sierpień^[17])
• 2002 Unicode 3.2.0 (25 marca)
• 2003 Unicode 4.0.0 (17 kwietnia)
• 2004 Unicode 4.0.1 (marzec^[17])
• 2005 Unicode 4.1.0 (31 marca^[17])
• 2006 Unicode 5.0.0 (4 lipca^[17]) (ogłoszenie prasowe: 18 lipca)
• 2008 Unicode 5.1.0 (15 marca) (ogłoszenie prasowe: 4 kwietnia^[18])
• 2009 Unicode 5.2.0 (1 października^[17])
• 2010 Unicode 6.0.0 (11 października^[17]), m. in. start standaryzacji emoji
• 2012 Unicode 6.1.0 (31 stycznia^[17])
• 2012 Unicode 6.2.0 (26 września^[17])
• 2013 Unicode 6.3.0 (30 września^[17])
• 2014 Unicode 7.0 (16 czerwca)
• 2015 Unicode 8.0 (17 czerwca)
• 2016 Unicode 9.0 (czerwiec)
• 2017 Unicode 10.0 (czerwiec)
• 2018 Unicode 11.0 (czerwiec)
• 2019 Unicode 12.0 (5 marca)
• 2019 Unicode 12.1 (7 maja^[17][19])
• 2020 Unicode 13.0 (10 marca^[17][20])
• 2021 Unicode 14.0 (wrzesień)^[21]

• Unicode 1.1 ISO/IEC ≈ 10646-1:1993
• Unicode 3.0 ISO/IEC ≈ 10646-1:2000
• Unicode 3.2 ISO/IEC ≈ 10646-2:2001
• Unicode 4.0 ISO/IEC ≈ 10646:2003
• Unicode 5.0 ISO/IEC ≈ 10646:2003/Amd.2:2006
• Unicode 5.1 ISO/IEC ≈ 10646:2003/Amd.4:2008
• Unicode 5.2 ISO/IEC ≈ 10646:2003/Amd.6:2009
• Unicode 6.0 ISO/IEC ≈ 10646:2010
• Unicode 6.1 ISO/IEC ≈ 10646:2012

Klawiatura komputerowa udostępnia tylko znaki ze strony kodowej właściwej dla ustawionego języka klawiatury. W przypadku polskiej klawiatury będzie to strona kodowa CP852 i Windows-1250 (kodowanie polskich znaków). Wszystkie znaki z tych stron można wprowadzić za pomocą alt-kodów. Do wprowadzania znaków niedostępnych przez alt-kody można użyć jednej z poniższych metod:

• W systemie Windows NT, Mac OS X (od wersji 10.2) oraz w licznych dystrybucjach Linuksa (ze środowiskiem graficznym) dostępna jest tablica znaków, w której można wyszukać potrzebny znak, skopiować go do schowka, a następnie wkleić w program. W systemach Windows 95, 98 i ME tablica znaków nie daje dostępu do wszystkich znaków Unicode.
• Znając numer pozycji znaku (czy to dziesiętny, czy to szesnastkowy), można wprowadzić ten znak na kilka sposobów (nie wszystkie programy obsługują wszystkie opisane tu sposoby):
  • Trzymając naciśnięty (lewy) Alt i wpisując z klawiatury numerycznej numer dziesiętny tego znaku, po czym zwolnić klawisz Alt^[22].
  • Wpisać numer szesnastkowy tego znaku, a następnie wcisnąć kombinację (lewy) Alt+X^[22]. Przed numerem szesnastkowym nie może być cyfra ani litera z zakresu a–f (gdyż zostaną uznane jako część kodu, ewentualnie należy poprzedzić kod np. spacją lub uzupełnić kod wiodącymi zerami, tak by liczył dokładnie sześć pozycji).
  • Trzymając naciśnięty (lewy) Alt, nacisnąć klawisz plus z klawiatury numerycznej, wpisać numer szesnastkowy znaku, po czym zwolnić klawisz Alt. Metoda ta działa w systemie Windows XP i nowszych.
  • Trzymając naciśnięte klawisze Ctrl+⇧ Shift, wpisać numer szesnastkowy znaku, a następnie puścić klawisze. Metoda ta działa w środowisku GNOME. Od wersji GTK+ 2.10 należy nacisnąć Ctrl+⇧ Shift+U, wprowadzić kod szesnastkowy znaku, nacisnąć ↵ Enter^[22].

Istnieją też programy do tworzenia własnych układów klawiatur (np. Microsoft Keyboard Layout Creator), dzięki nim można podpiąć dowolny znak Unicode pod dowolną kombinację klawiszy (najczęściej wykorzystywana jest kombinacja AltGr+klawisz, gdzie AltGr to prawy klawisz Alt). Niektóre programy dla Windows pozwalają jedynie na wprowadzanie z klawiatury znaków istniejących w stronie kodowej właściwej dla języka klawiatury, np. w przypadku polskiego systemu Windows próba wpisania kombinacją AltGr+klawisz znaku nieistniejącego w stronie kodowej Windows-1250 nie da oczekiwanego efektu.

Zobacz multimedia związane z tematem: Unicode

Zobacz w Wikiźródłach: • Lista znaków Unicode • Lista znaków według kodu

• alt-kody

• Konsorcjum Unicode – oficjalna strona Unicode
• Konsorcjum Unicode – tablice kodowe znaków
• Tablica znaków Unicode – numerycznie dziesiętna
• DecodeUnicode – baza wiki znaków Unicode
• Unicode Technical Report #36 – aspekty bezpieczeństwa związane z programowaniem Unicode
• Unikod.Pl – polska witryna o Unikodzie