添加的内容 删除的内容
无编辑摘要 |
|||
(未显示4个用户的8个中间版本) | |||
第13行: | 第13行: | ||
| lang = 全球性 |
| lang = 全球性 |
||
| status = |
| status = |
||
| encodings = [[UTF-8]], [[UTF-16]], [[GB 18030|GB18030]]<br |
| encodings = [[UTF-8]], [[UTF-16]], [[GB 18030|GB18030]]<br>'''不常用''': <br>[[UTF-32]], [[统一碼二进制有序压缩|BOCU]], [[统一碼标準压缩方案|SCSU]]<br>'''已淘汰''': <br>[[UTF-7]] |
||
| encodes = |
| encodes = |
||
| extends = |
| extends = |
||
第26行: | 第26行: | ||
'''Unicode''',[[统一碼联盟|联盟]]官方中文名称为'''统一-{}-碼'''<ref>{{cite web |title=About Unicode Terminology |url=https://unicode.org/terminology/about_term.html |website=unicode.org |accessdate=2021-03-25}}</ref>,是[[电脑科学]]领域的业界标準。它整理、编碼了世界上大部分的[[文字系统]],使得电脑可以用更为简单的方式来呈现和处理文字。 |
'''Unicode''',[[统一碼联盟|联盟]]官方中文名称为'''统一-{}-碼'''<ref>{{cite web |title=About Unicode Terminology |url=https://unicode.org/terminology/about_term.html |website=unicode.org |accessdate=2021-03-25}}</ref>,是[[电脑科学]]领域的业界标準。它整理、编碼了世界上大部分的[[文字系统]],使得电脑可以用更为简单的方式来呈现和处理文字。 |
||
Unicode伴随着[[通用字符集]]的标準而发展,同时也以书本的形式<ref>{{cite book |author= ||coauthors= |title=The Unicode Standard |year= |publisher=Addison-Wesley Professional |location= |isbn=0321480910 |edition=第五版}}</ref>对外发表。Unicode至今仍在不断增修,每个新版本都加入更多新的字符。目前最新的版本为 |
Unicode伴随着[[通用字符集]]的标準而发展,同时也以书本的形式<ref>{{cite book |author= ||coauthors= |title=The Unicode Standard |year= |publisher=Addison-Wesley Professional |location= |isbn=0321480910 |edition=第五版}}</ref>对外发表。Unicode至今仍在不断增修,每个新版本都加入更多新的字符。目前最新的版本为2023年9月公布的15.1.0<ref>{{Cite web |url=https://unicode.org/versions/Unicode13.0.0/ |title=存档副本 |accessdate=2020-04-13 }}</ref>,已经收录将近15万个[[字符(计算机科学)|字符]](第十万个字符在2005年获采纳)。Unicode除了视觉上的字形、编碼方法、标準的[[字符编碼]]资料外,还包含了字符特性(如大小写字母)、书写方向、拆分标准等特性的资料库。 |
||
Unicode的发展由非营利机构统一碼联盟负责,该机构致力于让Unicode方案取代既有的字符编碼方案。因为既有的方案往往空间非常有限,亦不适用于[[多语]]环境。 |
Unicode的发展由非营利机构统一碼联盟负责,该机构致力于让Unicode方案取代既有的字符编碼方案。因为既有的方案往往空间非常有限,亦不适用于[[多语]]环境。 |
||
Unicode备受认可,并广泛地应用于电脑软件的[[国际化与本地化]]过程。有很多新科技,如[[可扩展置标语言]](Extensible Markup Language,简称:XML)、[[Java|Java程式语言]]以及现代的[[作 |
Unicode备受认可,并广泛地应用于电脑软件的[[国际化与本地化]]过程。有很多新科技,如[[可扩展标记语言|可扩展置标语言]](Extensible Markup Language,简称:XML)、[[Java|Java程式语言]]以及现代的[[操作系统]],都采用Unicode编碼。Unicode也被[[国际标准化组织|ISO]]作为国际标准采纳于[[通用字符集]],即 ISO/IEC 10646,且Unicode兼容ISO/IEC 10646且完整对应各个版本标准。<ref name="Unicode-technical-intro">{{cite web |title=Technical Introduction |url=https://www.unicode.org/standard/principles.html |website=www.unicode.org |accessdate=2021-10-03}}</ref><ref>{{cite web |title=FAQ - Unicode and ISO 10646 |url=https://www.unicode.org/faq/unicode_iso.html |website=www.unicode.org |accessdate=2021-10-03}}</ref> |
||
== 起源与发展 == |
== 起源与发展 == |
||
Unicode为解决传统[[字元编碼]]方案的侷限而产生,例如[[ISO/IEC 8859|ISO 8859-1]]所定义的字元虽然在不同的国家中广泛地使用,可是在不同国家间卻经常出现不相容的情況。很多传统的编碼方式都有共同的问题,即容许电脑处理双语环境(通常使用[[拉丁字母]]以及其本地语言),但卻无法同时支援多语言环境(指可同时处理多种语言混合的情況)。 |
Unicode为解决传统[[字元编碼]]方案的侷限而产生,例如[[ISO/IEC 8859|ISO 8859-1]]所定义的字元虽然在不同的国家中广泛地使用,可是在不同国家间卻经常出现不相容的情況。很多传统的编碼方式都有共同的问题,即容许电脑处理双语环境(通常使用[[拉丁字母]]以及其本地语言),但卻无法同时支援多语言环境(指可同时处理多种语言混合的情況)。 |
||
Unicode编碼包含了不同写法的字,如“{{Unicode|ɑ}}/{{Unicode|a}}”、“-{强/强}-”、“-{户/户/戸}-”。然而在[[汉字]]方面引起了一字多形的认定争议,詳见[[中日韩统一表意文字]]。 |
Unicode编碼包含了不同写法的字,如“{{Unicode|ɑ}}/{{Unicode|a}}”、“-{强/强}-”、“-{户/户/戸}-”。然而在[[汉字]]方面引起了一字多形的认定争议,詳见[[中日韓統一表意文字|中日韩统一表意文字]]。 |
||
在文字处理方面,统一碼为每一个字符而非字形定义唯一的代碼(即一个整数)。换句话说,统一碼以一种抽象的方式(即数字)来处理字符,并将视觉上的演繹工作(例如字体大小、外观形狀、字体形态、文体等)留給其他軟件来处理,例如网頁浏览器或是文字处理器。 |
在文字处理方面,统一碼为每一个字符而非字形定义唯一的代碼(即一个整数)。换句话说,统一碼以一种抽象的方式(即数字)来处理字符,并将视觉上的演繹工作(例如字体大小、外观形狀、字体形态、文体等)留給其他軟件来处理,例如网頁浏览器或是文字处理器。 |
||
目前,几乎所有电脑系统都支持基本拉丁字母,并各自支持不同的其他编碼方式。Unicode为了和它们相互兼容,其首256个字元保留給ISO 8859-1所定义的字元,使既有的西欧语系文字的转换不需特别考量;并且把大量相同的字元重复编到不同的字元碼中去,使得旧有紛杂的编碼方式得以和Unicode编碼间互相直接转换,而不会遺失任何资讯。举例来说,[[全形]]格式区段包含了主要的拉丁字母的全形格式,在中文、日文、以及韩文字形当中,这些字元以全形的方式来呈现,而不以常见的半形形式显示,这对豎排文字和等宽排列文字有重要作用。 |
目前,几乎所有电脑系统都支持基本拉丁字母,并各自支持不同的其他编碼方式。Unicode为了和它们相互兼容,其首256个字元保留給ISO 8859-1所定义的字元,使既有的西欧语系文字的转换不需特别考量;并且把大量相同的字元重复编到不同的字元碼中去,使得旧有紛杂的编碼方式得以和Unicode编碼间互相直接转换,而不会遺失任何资讯。举例来说,[[全角和半角|全形]]格式区段包含了主要的拉丁字母的全形格式,在中文、日文、以及韩文字形当中,这些字元以全形的方式来呈现,而不以常见的半形形式显示,这对豎排文字和等宽排列文字有重要作用。 |
||
在表示一个Unicode的字元时,通常会用“U+”然后緊接着一组十六进位的数字来表示这一个字元。在[[基本多文种平面]]裏的所有字元,要用四个数字(即2位元组,共16位元,例如U+4AE0,共支持六万多个字符);在零号平面以外的字元则需要使用五或六个数字。旧版的Unicode标準使用相近的标记方法,但卻有些微小差异:在Unicode 3.0裏使用“U-”然后緊接着八个数字,而“U+”则必须随后緊接着四个数字。 |
在表示一个Unicode的字元时,通常会用“U+”然后緊接着一组十六进位的数字来表示这一个字元。在[[基本多文种平面]]裏的所有字元,要用四个数字(即2位元组,共16位元,例如U+4AE0,共支持六万多个字符);在零号平面以外的字元则需要使用五或六个数字。旧版的Unicode标準使用相近的标记方法,但卻有些微小差异:在Unicode 3.0裏使用“U-”然后緊接着八个数字,而“U+”则必须随后緊接着四个数字。 |
||
=== 标準 === |
=== 标準 === |
||
位于美国加州的Unicode组织允许任何愿意支付会费的公司和个人加入,其成员包含了主要的电脑軟硬体厂商,例如[[Adobe |
位于美国加州的Unicode组织允许任何愿意支付会费的公司和个人加入,其成员包含了主要的电脑軟硬体厂商,例如[[Adobe|Adobe系统]]、[[苹果公司]]、[[惠普]]、[[IBM]]、[[微軟]]、[[施乐]]等。 |
||
20世纪80年代末,组成Unicode组织的商业机构,和国际合作的[[国际标準化组织]]因为电脑普及和资讯国际化的前提下,分别各自成立了Unicode组织<ref>{{Cite web |url=http://www.unicode.org/ |title=Unicode |accessdate=2004-04-02 |
20世纪80年代末,组成Unicode组织的商业机构,和国际合作的[[国际标準化组织]]因为电脑普及和资讯国际化的前提下,分别各自成立了Unicode组织<ref>{{Cite web |url=http://www.unicode.org/ |title=Unicode |accessdate=2004-04-02 }}</ref>和ISO-10646工作小组。他们不久便发现对方的存在,大家为著相同的目的而工作。1991年,Unicode Consortium与ISO/IEC JTC1/SC2同意保持Unicode碼-{表}-与ISO 10646标準保持兼容并密切协调各自标準进一步的扩展。虽然实际上两者的字集编碼相同,但实质上两者确实为两个不同的标準。Unicode 1.1对应于ISO 10646-1:1993,Unicode 3.0对应于ISO 10646-1:2000,Unicode 3.2对应于ISO 10646-2:2001,Unicode 4.0对应于ISO 10646:2003,Unicode 5.0对应于ISO 10646:2003及附录1–3。 |
||
Unicode自2.0版本开始保持了向后兼容,即新的版本仅仅增加字符,原有字符不会删除或更名。但从Unicode 14.0起,即有的区段可扩展或缩減,第一个扩展的即有区段为[[阿洪姆文]](Ahom)。<ref>{{Cite web|title=BETA Unicode 14.0.0|url=https://www.unicode.org/versions/beta-14.0.0.html|access-date=2021-09-20|work=www.unicode.org}}</ref> |
Unicode自2.0版本开始保持了向后兼容,即新的版本仅仅增加字符,原有字符不会删除或更名。但从Unicode 14.0起,即有的区段可扩展或缩減,第一个扩展的即有区段为[[阿洪姆文]](Ahom)。<ref>{{Cite web|title=BETA Unicode 14.0.0|url=https://www.unicode.org/versions/beta-14.0.0.html|access-date=2021-09-20|work=www.unicode.org}}</ref> |
||
统一碼联盟在1991年首次发布了''The Unicode Standard''。Unicode的开发结合了[[国际标準化组织]]所制定的[[ISO/IEC 10646]],即[[通用字符集]]。Unicode与ISO/IEC 10646在编碼的运作原理相同,但''The Unicode Standard''包含了更詳尽的实现资讯、涵盖了更細节的主题,诸如位元编碼(bitwise encoding)、校对以及呈现等。''The Unicode Standard''也列举了诸多的字元特性,例如必须支援两种閱读方向的字符(由左至右或由右至左的文字閱读方向,例如阿拉伯文是由右至左)。Unicode与ISO/IEC 10646两个标準在术语上的使用有些微的不同。<ref name="Unicode-technical-intro" /> |
统一碼联盟在1991年首次发布了''The Unicode Standard''。Unicode的开发结合了[[国际标準化组织]]所制定的[[通用字符集|ISO/IEC 10646]],即[[通用字符集]]。Unicode与ISO/IEC 10646在编碼的运作原理相同,但''The Unicode Standard''包含了更詳尽的实现资讯、涵盖了更細节的主题,诸如位元编碼(bitwise encoding)、校对以及呈现等。''The Unicode Standard''也列举了诸多的字元特性,例如必须支援两种閱读方向的字符(由左至右或由右至左的文字閱读方向,例如阿拉伯文是由右至左)。Unicode与ISO/IEC 10646两个标準在术语上的使用有些微的不同。<ref name="Unicode-technical-intro" /> |
||
在2005年,Unicode的第十万个字元引入标準,该字元用于[[马拉雅拉姆语]]。 |
在2005年,Unicode的第十万个字元引入标準,该字元用于[[马拉雅拉姆语]]。 |
||
第60行: | 第60行: | ||
}}</ref>。 |
}}</ref>。 |
||
{| class="wikitable" |
{| class="wikitable sortable mw-collapsible" |
||
|- |
|- |
||
|+ Unicode版本 |
|+ Unicode版本 |
||
第80行: | 第80行: | ||
| 24 |
| 24 |
||
| 7,161 |
| 7,161 |
||
| 最初包含的文字有:[[阿拉伯字母]]、[[亚美尼亚字母]]、[[孟加拉文]]、[[注音符号]]、[[西里尔字母]]、[[天城文]]、[[格鲁吉亚字母]]、[[希腊字母]]、[[古吉拉特文]]、[[古木基文]]、[[諺文]]、[[希伯来字母]]、[[平假名]]、[[卡纳达文]]、[[片假名]]、[[寮文字]]、[[拉丁字母]]、[[马拉雅拉姆文]]、[[奥里亚文]]、[[泰米尔文]]、[[泰卢固文]]、[[泰文字]]与[[藏文]]<ref>{{cite web |title = Unicode Data 1.0.0 |url = http://www.unicode.org/Public/reconstructed/1.0.0/UnicodeData.txt |access-date = 2010-03-16 |
| 最初包含的文字有:[[阿拉伯字母]]、[[亞美尼亞字母|亚美尼亚字母]]、[[孟加拉文]]、[[注音符號|注音符号]]、[[西里尔字母]]、[[天城文]]、[[格鲁吉亚字母]]、[[希腊字母]]、[[古吉拉特文]]、[[古木基文]]、[[谚文|諺文]]、[[希伯来字母]]、[[平假名]]、[[卡纳达文]]、[[片假名]]、[[老撾文|寮文字]]、[[拉丁字母]]、[[马拉雅拉姆文]]、[[奥里亚文]]、[[泰米尔文]]、[[泰卢固文]]、[[泰文字]]与[[藏文]]<ref>{{cite web |title = Unicode Data 1.0.0 |url = http://www.unicode.org/Public/reconstructed/1.0.0/UnicodeData.txt |access-date = 2010-03-16 }}</ref>。 |
||
|- |
|- |
||
| 1.0.1 |
| 1.0.1 |
||
第88行: | 第88行: | ||
| 25 |
| 25 |
||
| 28,359 |
| 28,359 |
||
| 定义[[中日韩统一表意文字]]最初的20,902个字<ref> |
| 定义[[中日韓統一表意文字|中日韩统一表意文字]]最初的20,902个字<ref> |
||
{{cite web |
{{cite web |
||
| title = Unicode Data 1.0.1 |
| title = Unicode Data 1.0.1 |
||
第101行: | 第101行: | ||
| 24 |
| 24 |
||
| 34,233 |
| 34,233 |
||
| 于原有2,350个[[諺文]]字母的基础上新增4,306个諺文字母。移除[[藏文]]<ref>{{cite web |
| 于原有2,350个[[谚文|諺文]]字母的基础上新增4,306个諺文字母。移除[[藏文]]<ref>{{cite web |
||
| title = Unicode Data 1995 |
| title = Unicode Data 1995 |
||
| url = http://www.unicode.org/Public/1.1-Update/UnicodeData-1.1.5.txt |
| url = http://www.unicode.org/Public/1.1-Update/UnicodeData-1.1.5.txt |
||
第113行: | 第113行: | ||
| 25 |
| 25 |
||
| 38,950 |
| 38,950 |
||
| 移除原有的[[諺文]]字母设置,于新的编碼范围更换成11,172个新的諺文字母。[[藏文]]重新加入,但编碼位置更换。代理字符机制建立,并将第15与第16平面分配給私人使用区<ref>{{cite web |
| 移除原有的[[谚文|諺文]]字母设置,于新的编碼范围更换成11,172个新的諺文字母。[[藏文]]重新加入,但编碼位置更换。代理字符机制建立,并将第15与第16平面分配給私人使用区<ref>{{cite web |
||
| title = Unicode Data-2.0.14 |
| title = Unicode Data-2.0.14 |
||
| url = http://www.unicode.org/Public/2.0-Update/UnicodeData-2.0.14.txt |
| url = http://www.unicode.org/Public/2.0-Update/UnicodeData-2.0.14.txt |
||
第125行: | 第125行: | ||
| 25 |
| 25 |
||
| 38,952 |
| 38,952 |
||
| 新增[[欧元符号]]与[[对象替换字符]]<ref>{{cite web |
| 新增[[歐元符號|欧元符号]]与[[对象替换字符]]<ref>{{cite web |
||
| title = Unicode Data-2.1.2 |
| title = Unicode Data-2.1.2 |
||
| url = http://www.unicode.org/Public/2.1-Update/UnicodeData-2.1.2.txt |
| url = http://www.unicode.org/Public/2.1-Update/UnicodeData-2.1.2.txt |
||
第137行: | 第137行: | ||
| 38 |
| 38 |
||
| 49,259 |
| 49,259 |
||
| 新增[[切罗基文]]、[[吉茲字母]]、[[高棉字母]]、[[蒙古字母]]、[[缅文]]、[[欧甘字母]]、[[卢恩字母]]、[[僧伽罗文]]、[[叙利亚字母]]、[[它拿字母]]、[[加拿大原住民音节文字]]和[[彝文]],以及部分[[盲文]]图案。<ref>{{cite web |
| 新增[[切羅基語#書寫系統|切罗基文]]、[[吉茲字母]]、[[高棉文|高棉字母]]、[[传统蒙古文|蒙古字母]]、[[缅文]]、[[欧甘字母]]、[[盧恩字母|卢恩字母]]、[[僧伽羅文|僧伽罗文]]、[[叙利亚字母]]、[[它拿字母]]、[[加拿大原住民音节文字]]和[[彝文]],以及部分[[盲文]]图案。<ref>{{cite web |
||
| title = Unicode Data-3.0.0 |
| title = Unicode Data-3.0.0 |
||
| url = http://www.unicode.org/Public/3.0-Update/UnicodeData-3.0.0.txt |
| url = http://www.unicode.org/Public/3.0-Update/UnicodeData-3.0.0.txt |
||
第150行: | 第150行: | ||
| 41 |
| 41 |
||
| 94,205 |
| 94,205 |
||
| 新增{{tsl|en|Deseret alphabet|德瑟雷特字母}}、[[哥特字母]]、[[古意大利字母]]、[[音乐符号]]和[[拜占庭音乐符号]],追加了42711个[[中日韩统一表意文字]]([[中日韩统一表意文字扩展区B|CJK-B]])。<ref>{{cite web |
| 新增{{tsl|en|Deseret alphabet|德瑟雷特字母}}、[[哥德字母|哥特字母]]、[[古意大利字母]]、[[音乐符号]]和[[拜占庭音乐符号]],追加了42711个[[中日韓統一表意文字|中日韩统一表意文字]]([[中日韩统一表意文字扩展区B|CJK-B]])。<ref>{{cite web |
||
| title = Unicode Data-3.1.0 |
| title = Unicode Data-3.1.0 |
||
| url = http://www.unicode.org/Public/3.1-Update/UnicodeData-3.1.0.txt |
| url = http://www.unicode.org/Public/3.1-Update/UnicodeData-3.1.0.txt |
||
第163行: | 第163行: | ||
| 45 |
| 45 |
||
| 95,221 |
| 95,221 |
||
| 新增[[菲律宾]]文字[[布锡文]]、[[哈努诺文]]、[[他加禄文]]、[[塔格巴奴亚文]]。<ref>{{cite web |
| 新增[[菲律宾]]文字[[布希德文|布锡文]]、[[哈努诺文]]、[[他加禄文]]、[[塔格巴奴亚文]]。<ref>{{cite web |
||
| title = Unicode Data-3.2.0 |
| title = Unicode Data-3.2.0 |
||
| url = http://www.unicode.org/Public/3.2-Update/UnicodeData-3.2.0.txt |
| url = http://www.unicode.org/Public/3.2-Update/UnicodeData-3.2.0.txt |
||
第175行: | 第175行: | ||
| 52 |
| 52 |
||
| 96,447 |
| 96,447 |
||
| 新增[[塞浦路斯音节文字]]、[[林布字母]]、[[线形文字B]]、[[奥斯曼亚字母]]、[[萧伯纳字母]]、[[德宏傣文]]、[[乌加里特字母]]以及[[六十四卦]]。<ref>{{cite web |
| 新增[[塞浦路斯音節文字|塞浦路斯音节文字]]、[[林布字母]]、[[线形文字B]]、[[奥斯曼亚字母]]、[[萧伯纳字母]]、[[傣那文|德宏傣文]]、[[乌加里特字母]]以及[[六十四卦]]。<ref>{{cite web |
||
| title = Unicode Data-4.0.0 |
| title = Unicode Data-4.0.0 |
||
| url = http://www.unicode.org/Public/4.0-Update/UnicodeData-4.0.0.txt |
| url = http://www.unicode.org/Public/4.0-Update/UnicodeData-4.0.0.txt |
||
第187行: | 第187行: | ||
| 59 |
| 59 |
||
| 97,720 |
| 97,720 |
||
| 新增[[布吉文]]、[[格拉哥里字母]]、[[佉卢文]]、[[西双版纳傣文]]、[[古波斯文]]、[[锡尔赫特文]]和[[提非纳文]]。[[科普特字母]]从[[希腊文]]区段分离。新增了[[古希腊音乐符号]]。<ref>{{cite web |
| 新增[[布吉文]]、[[格拉哥里字母]]、[[佉卢文]]、[[新傣仂文|西双版纳傣文]]、[[古波斯文]]、[[锡尔赫特文]]和[[提非纳文]]。[[科普特字母]]从[[希臘語正寫法|希腊文]]区段分离。新增了[[古希腊音乐符号]]。<ref>{{cite web |
||
| title = Unicode Data |
| title = Unicode Data |
||
| url = http://www.unicode.org/Public/4.1.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/4.1.0/ucd/UnicodeData.txt |
||
第199行: | 第199行: | ||
| 64 |
| 64 |
||
| 99,089 |
| 99,089 |
||
| 新增[[巴厘文]]、[[楔形文字]]、[[西非书面文字]]、[[八思巴文]]和[[腓尼基字母]]。<ref>{{cite web |
| 新增[[巴厘字母|巴厘文]]、[[楔形文字]]、[[西非書面字母|西非书面文字]]、[[八思巴字母|八思巴文]]和[[腓尼基字母]]。<ref>{{cite web |
||
| title = Unicode Data 5.0.0 |
| title = Unicode Data 5.0.0 |
||
| url = http://www.unicode.org/Public/5.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/5.0.0/ucd/UnicodeData.txt |
||
第211行: | 第211行: | ||
| 75 |
| 75 |
||
| 100,713 |
| 100,713 |
||
| 新增[[卡利亚文]]、[[占婆字母]]、[[克耶黎文]]、[[绒巴文]]、[[利西亚文]]、[[吕底亚文]]、[[桑塔利文]]、[[拉让文]]、[[索拉什特拉文]]、[[巽他文]]和[[瓦伊文]]。同时增加了[[斐斯托斯圆盘]]、[[麻将]]和[[多米诺骨牌]]符号。对[[缅甸文]]做了重要的补充,追加了手抄缩写的额外字母,追加了[[大写ẞ]]。<ref>{{cite web |
| 新增[[卡利亚文]]、[[占語字母|占婆字母]]、[[克耶黎文]]、[[绒巴文]]、[[利西亚文]]、[[吕底亚文]]、[[桑塔利文]]、[[拉让文]]、[[索拉什特拉文]]、[[巽他文]]和[[瓦伊文]]。同时增加了[[斐斯托斯圆盘]]、[[麻将]]和[[西洋骨牌|多米诺骨牌]]符号。对[[缅文|缅甸文]]做了重要的补充,追加了手抄缩写的额外字母,追加了[[大写ẞ]]。<ref>{{cite web |
||
| title = Unicode Data 5.1.0 |
| title = Unicode Data 5.1.0 |
||
| url = http://www.unicode.org/Public/5.1.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/5.1.0/ucd/UnicodeData.txt |
||
第223行: | 第223行: | ||
| 90 |
| 90 |
||
| 107,361 |
| 107,361 |
||
| 新增[[阿维斯陀文]]、[[巴姆穆文字]]、[[埃及象形文字]]([[加汀纳符号表]],涵盖1071个符号)、[[亚拉姆文]]、[[巴拉维碑铭体]]、[[帕提亚碑铭体]]、[[爪哇文]]、[[凯提文]]、[[老傈僳文]]、[[曼尼普尔文]]、[[南阿拉伯字母]]、[[古突厥文]]、[[撒玛利亚字母]]、[[老傣文]]和[[傣黯语|傣越文]]。追加4,149个[[中日韩统一表意文字]]([[中日韩统一表意文字扩展区C|CJK-C]]),同时扩展了[[古韩文]]和[[吠陀梵文]]的字符。<ref>{{cite web |
| 新增[[阿维斯陀文]]、[[巴穆姆文字|巴姆穆文字]]、[[圣书体|埃及象形文字]]([[加汀纳符号表]],涵盖1071个符号)、[[亚拉姆文]]、[[巴拉维碑铭体]]、[[帕提亚碑铭体]]、[[爪哇字母|爪哇文]]、[[凯提文]]、[[老傈僳文]]、[[曼尼普尔文]]、[[南阿拉伯字母]]、[[突厥字母|古突厥文]]、[[撒玛利亚字母]]、[[老傣文]]和[[傣黯语|傣越文]]。追加4,149个[[中日韓統一表意文字|中日韩统一表意文字]]([[中日韩统一表意文字扩展区C|CJK-C]]),同时扩展了[[古韩文]]和[[吠陀梵語|吠陀梵文]]的字符。<ref>{{cite web |
||
| title = Unicode Data 5.2.0 |
| title = Unicode Data 5.2.0 |
||
| url = http://www.unicode.org/Public/5.2.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/5.2.0/ucd/UnicodeData.txt |
||
第235行: | 第235行: | ||
| 93 |
| 93 |
||
| 109,449 |
| 109,449 |
||
| 新增[[巴塔克字母]]、[[婆罗米文字]]、[[曼达字母]]、[[纸牌]]符号、[[交通标志]]、[[地图]]符号、[[炼金术符号]]、[[颜文字]]和[[绘文字]]。追加222个额外的[[中日韩统一表意文字]]([[中日韩统一表意文字扩展区D|CJK-D]])。<ref>{{cite web |
| 新增[[巴塔克字母]]、[[婆罗米文|婆罗米文字]]、[[曼达字母]]、[[遊戲牌|纸牌]]符号、[[道路交通标志|交通标志]]、[[地图]]符号、[[炼金术符号]]、[[颜文字]]和[[繪文字|绘文字]]。追加222个额外的[[中日韓統一表意文字|中日韩统一表意文字]]([[中日韩统一表意文字扩展区D|CJK-D]])。<ref>{{cite web |
||
| title = Unicode Data 6.0.0 |
| title = Unicode Data 6.0.0 |
||
| url = http://www.unicode.org/Public/6.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/6.0.0/ucd/UnicodeData.txt |
||
第247行: | 第247行: | ||
| 100 |
| 100 |
||
| 110,181 |
| 110,181 |
||
| 新增[[查克马字母]]、[[麦罗埃文]]、[[麦罗埃象形文字]]、[[柏格理苗文]]、[[夏拉达文]]、[[索拉僧平文字]]和[[泰克里文]]。<ref>{{cite web |
| 新增[[查克马字母]]、[[麥羅埃字母|麦罗埃文]]、[[麦罗埃象形文字]]、[[柏格理苗文]]、[[夏拉达文]]、[[索拉僧平字母|索拉僧平文字]]和[[泰克里文]]。<ref>{{cite web |
||
| title = Unicode Data 6.1.0 |
| title = Unicode Data 6.1.0 |
||
| url = http://www.unicode.org/Public/6.1.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/6.1.0/ucd/UnicodeData.txt |
||
第283行: | 第283行: | ||
| 123 |
| 123 |
||
| 113,021 |
| 113,021 |
||
| 新增[[巴萨字母]]、[[高加索阿尔巴尼亚字母]]、[[杜普雷严速记]]、[[爱尔巴桑字母]]、[[古兰塔文]]、[[可吉文]]、[[库达瓦迪文]]、[[线形文字A]]、[[马哈佳尼文]]、[[摩尼教字母]]、[[门得文字]]、[[莫迪字母]]、[[默文]]、[[纳巴泰字母]]、[[古北阿拉伯文]]、[[古彼尔姆文]]、[[杨松录苗文]]、[[帕米拉文字]]、[[袍清豪文]]、[[诗篇巴列维文]]、[[悉昙文字]]、[[底罗仆多文]]、[[瓦兰齐地文]]以及[[Dingbat|装饰符号]]。<ref>{{cite web |
| 新增[[巴萨字母]]、[[高加索阿尔巴尼亚字母]]、[[杜普雷严速记]]、[[爱尔巴桑字母]]、[[古兰塔文]]、[[可吉文]]、[[库达瓦迪文]]、[[线形文字A]]、[[马哈佳尼文]]、[[摩尼字母|摩尼教字母]]、[[门得文字]]、[[莫迪字母]]、[[默文]]、[[纳巴泰字母]]、[[古北阿拉伯文]]、[[古彼尔姆文]]、[[救世苗文|杨松录苗文]]、[[帕米拉文字]]、[[袍清豪文]]、[[诗篇巴列维文]]、[[悉昙文字]]、[[底罗仆多文]]、[[瓦兰齐地文]]以及[[Dingbat|装饰符号]]。<ref>{{cite web |
||
| title = Unicode Data 7.0.0 |
| title = Unicode Data 7.0.0 |
||
| url = http://www.unicode.org/Public/7.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/7.0.0/ucd/UnicodeData.txt |
||
第292行: | 第292行: | ||
| 2015年6月 |
| 2015年6月 |
||
| {{ISBN|978-1-936213-10-8}} |
| {{ISBN|978-1-936213-10-8}} |
||
| ISO/IEC 10646:2014与其第1修订版,以及[[乔治亚拉里]]符号、9个中日韩统一表意文字与41个表情符号<ref>{{cite web | title = Unicode 8.0.0 | url = http://www.unicode.org/versions/Unicode8.0.0/ | publisher=Unicode Consortium | access-date=2015-06-17 |
| ISO/IEC 10646:2014与其第1修订版,以及[[乔治亚拉里]]符号、9个中日韩统一表意文字与41个表情符号<ref>{{cite web | title = Unicode 8.0.0 | url = http://www.unicode.org/versions/Unicode8.0.0/ | publisher=Unicode Consortium | access-date=2015-06-17 }}</ref> |
||
| 129 |
| 129 |
||
| 120,737 |
| 120,737 |
||
| 增加[[阿洪姆文]]、[[安纳托利亚象形文字]]、[[哈坦文]]、[[穆尔塔尼文]]、[[古匈牙利字母]]、[[萨顿手语谱写]]、5,771个[[中日韩统一表意文字]]字符([[中日韩统一表意文字扩展区E|CJK-E]])、[[切罗基文]]小写字母,以及五种[[绘文字]][[肤色]]修改字符。<ref>{{cite web |
| 增加[[阿洪姆文]]、[[安纳托利亚象形文字]]、[[哈坦文]]、[[穆尔塔尼文]]、[[古匈牙利字母]]、[[萨顿手语谱写]]、5,771个[[中日韓統一表意文字|中日韩统一表意文字]]字符([[中日韩统一表意文字扩展区E|CJK-E]])、[[切羅基語#書寫系統|切罗基文]]小写字母,以及五种[[繪文字|绘文字]][[肤色]]修改字符。<ref>{{cite web |
||
| title = Unicode Data 8.0.0 |
| title = Unicode Data 8.0.0 |
||
| url = http://www.unicode.org/Public/8.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/8.0.0/ucd/UnicodeData.txt |
||
第308行: | 第308行: | ||
| 135 |
| 135 |
||
| 128,237 |
| 128,237 |
||
| 新增[[阿德拉姆字母]]、[[比奇舒奇文]]、[[象雄文]]、[[尼泊尔纽瓦字母]]、[[欧塞奇字母]]、[[西夏文]]以及74个绘文字<ref>{{cite web |
| 新增[[阿德拉姆字母]]、[[比奇舒奇文]]、[[象雄语#文字|象雄文]]、[[尼泊尔纽瓦字母]]、[[欧塞奇字母]]、[[西夏文]]以及74个绘文字<ref>{{cite web |
||
| title = Unicode Data 9.0.0 |
| title = Unicode Data 9.0.0 |
||
| url = http://www.unicode.org/Public/9.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/9.0.0/ucd/UnicodeData.txt |
||
第317行: | 第317行: | ||
| 2017年6月 |
| 2017年6月 |
||
| {{ISBN|978-1-936213-16-0}} |
| {{ISBN|978-1-936213-16-0}} |
||
| ISO/IEC 10646:2017,新增56个[[绘文字]]符号、385个[[变体假名]]字符,和3个札那巴札尔字符<ref name="Unicode10.0">{{cite web | title=Unicode 10.0.0 | url = http://www.unicode.org/versions/Unicode10.0.0/ | publisher=Unicode Consortium | access-date=2017-06-20 |
| ISO/IEC 10646:2017,新增56个[[繪文字|绘文字]]符号、385个[[变体假名]]字符,和3个札那巴札尔字符<ref name="Unicode10.0">{{cite web | title=Unicode 10.0.0 | url = http://www.unicode.org/versions/Unicode10.0.0/ | publisher=Unicode Consortium | access-date=2017-06-20 }}</ref> |
||
| 139 |
| 139 |
||
| 136,755 |
| 136,755 |
||
| [[蒙古文字|札那巴札尔]]、[[索永布文字]]、[[马萨拉姆贡德文字]]、[[女书]]、[[变体假名]](非标准[[平假名]])、7,494个[[中日韩统一表意文字]]([[中日韩统一表意文字扩展区F|CJK-F]])与56个[[绘文字]]<ref>{{cite web |
| [[蒙古語文字|札那巴札尔]]、[[索永布字母|索永布文字]]、[[马萨拉姆贡德文字]]、[[女书]]、[[变体假名]](非标准[[平假名]])、7,494个[[中日韓統一表意文字|中日韩统一表意文字]]([[中日韩统一表意文字扩展区F|CJK-F]])与56个[[繪文字|绘文字]]<ref>{{cite web |
||
| title = Unicode Data 10.0.0 |
| title = Unicode Data 10.0.0 |
||
| url = http://www.unicode.org/Public/10.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/10.0.0/ucd/UnicodeData.txt |
||
第329行: | 第329行: | ||
| 2018年6月 |
| 2018年6月 |
||
| {{ISBN|978-1-936213-19-1}} |
| {{ISBN|978-1-936213-19-1}} |
||
| ISO/IEC 10646:2017与其第1修订版,新增145个[[绘文字]]符号、5个急用汉字,[[copyleft]]符号、[[中国象棋]]符号等<ref name="Unicode11.0">{{cite web | title=Unicode 11.0.0 | url = http://www.unicode.org/versions/Unicode11.0.0/ | publisher=Unicode Consortium | access-date=2018-06-06 }}</ref> |
| ISO/IEC 10646:2017与其第1修订版,新增145个[[繪文字|绘文字]]符号、5个急用汉字,[[版权开放|copyleft]]符号、[[象棋|中国象棋]]符号等<ref name="Unicode11.0">{{cite web | title=Unicode 11.0.0 | url = http://www.unicode.org/versions/Unicode11.0.0/ | publisher=Unicode Consortium | access-date=2018-06-06 }}</ref> |
||
| 146 |
| 146 |
||
| 137,374 |
| 137,374 |
||
| [[多格拉文]]、[[格鲁吉亚文]]骑士体大写字母、[[贡贾拉贡德文]]、[[哈乃斐罗兴亚文字]]、[[望加锡文]]、[[梅德法伊德林文]]、[[老粟特字母]]、[[粟特字母]]以及145个绘文字<ref>{{cite web |
| [[多格拉文]]、[[格鲁吉亚文]]骑士体大写字母、[[贡贾拉贡德文]]、[[哈乃斐罗兴亚文字]]、[[望加锡文]]、[[梅德法伊德林文]]、[[粟特字母|老粟特字母]]、[[粟特字母]]以及145个绘文字<ref>{{cite web |
||
| title = Unicode Data 11.0.0 |
| title = Unicode Data 11.0.0 |
||
| url = http://www.unicode.org/Public/11.0.0/ucd/UnicodeData.txt |
| url = http://www.unicode.org/Public/11.0.0/ucd/UnicodeData.txt |
||
第341行: | 第341行: | ||
| 2019年3月 |
| 2019年3月 |
||
| {{ISBN|978-1-936213-22-1}} |
| {{ISBN|978-1-936213-22-1}} |
||
| ISO/IEC 10646:2017与其第1、2修订版,新增61个[[绘文字]]符号、一些方言[[苗文]]字符、古日文用小型[[日文假名]]、[[泰米尔文]]的符号、[[圣书体]]控制字符等<ref name="Unicode12.0">{{cite web | title=Unicode 12.0.0 | url = http://www.unicode.org/versions/Unicode12.0.0/ | publisher=Unicode Consortium | access-date=2019-03-13 |
| ISO/IEC 10646:2017与其第1、2修订版,新增61个[[繪文字|绘文字]]符号、一些方言[[苗文]]字符、古日文用小型[[日語假名|日文假名]]、[[泰米尔文]]的符号、[[圣书体]]控制字符等<ref name="Unicode12.0">{{cite web | title=Unicode 12.0.0 | url = http://www.unicode.org/versions/Unicode12.0.0/ | publisher=Unicode Consortium | access-date=2019-03-13 |
||
}}</ref> |
}}</ref> |
||
| 150 |
| 150 |
||
第357行: | 第357行: | ||
| 150 |
| 150 |
||
| 137,929 |
| 137,929 |
||
| 只在U+32FF新增了一个字符,即日本新年号[[令和]]的合字。<ref>{{cite web |url = http://blog.unicode.org/2019/05/unicode-12-1-en.html |title = Unicode Version 12.1 released in support of the Reiwa Era |website=blog.unicode.org |access-date=2019-05-07 |
| 只在U+32FF新增了一个字符,即日本新年号[[令和]]的合字。<ref>{{cite web |url = http://blog.unicode.org/2019/05/unicode-12-1-en.html |title = Unicode Version 12.1 released in support of the Reiwa Era |website=blog.unicode.org |access-date=2019-05-07 }}</ref> |
||
|- |
|- |
||
| 13.0 |
| 13.0 |
||
第365行: | 第365行: | ||
| 154 |
| 154 |
||
| 143,924 |
| 143,924 |
||
| [[花剌子模语]]、[[迪维西语]]的{{tsl|en|Dhives akuru|岛字母}}、[[契丹小字]]、[[库尔德语字母]]的[[库尔德语字母#雅茲迪文|雅茲迪文]]、4969个中日韩统一表意文字(4939个位于[[中日韩统一表意文字扩展区G|扩展区G]]([[CJK-G]]))、书写[[豪萨语]]用的阿拉伯附加字母、[[沃洛夫语]]、其他非洲语言、在巴基斯坦书写{{tsl|en|Hindko|印德科语}}和[[旁遮普语]]的补充字元、[[粵语]]用的[[粵语注音符号|注音符号]]、[[共享创意]]授权符号、1970年代和1980年代电讯用图符、55个[[绘文字]]<ref>{{cite web |url = http://blog.unicode.org/2020/03/announcing-unicode-standard-version-130.html |title = Announcing The Unicode® Standard, Version 13.0 |website = blog.unicode.org |access-date=2020-03-11 }}</ref> |
| [[花剌子模语]]、[[迪维希语|迪维西语]]的{{tsl|en|Dhives akuru|岛字母}}、[[契丹小字]]、[[库尔德语字母]]的[[库尔德语字母#雅茲迪文|雅茲迪文]]、4969个中日韩统一表意文字(4939个位于[[中日韩统一表意文字扩展区G|扩展区G]]([[中日韓統一表意文字擴展區G|CJK-G]]))、书写[[豪萨语]]用的阿拉伯附加字母、[[沃洛夫语]]、其他非洲语言、在巴基斯坦书写{{tsl|en|Hindko|印德科语}}和[[旁遮普語|旁遮普语]]的补充字元、[[粵语]]用的[[粵语注音符号|注音符号]]、[[知识共享|共享创意]]授权符号、1970年代和1980年代电讯用图符、55个[[繪文字|绘文字]]<ref>{{cite web |url = http://blog.unicode.org/2020/03/announcing-unicode-standard-version-130.html |title = Announcing The Unicode® Standard, Version 13.0 |website = blog.unicode.org |access-date=2020-03-11 }}</ref> |
||
|- |
|- |
||
|14.0 |
|14.0 |
||
第381行: | 第381行: | ||
|161 |
|161 |
||
|149,186 |
|149,186 |
||
| 新增[[纳格蒙达里文字]]、[[克维文]],增加4193个[[中日韩统一表意文字]]字符(4192个[[中日韩统一表意文字扩展区H|扩H]]、1个[[中日韩统一表意文字扩展区C|扩C]])、20个[[绘文字]]等字符。 <ref>{{cite web |url = http://blog.unicode.org/2022/09/announcing-unicode-standard-version-150.html |title = Announcing The Unicode® Standard, Version 15.0 |website = blog.unicode.org |access-date = 2022-10-03}}</ref> |
| 新增[[纳格蒙达里文字]]、[[克维文]],增加4193个[[中日韓統一表意文字|中日韩统一表意文字]]字符(4192个[[中日韩统一表意文字扩展区H|扩H]]、1个[[中日韩统一表意文字扩展区C|扩C]])、20个[[繪文字|绘文字]]等字符。 <ref>{{cite web |url = http://blog.unicode.org/2022/09/announcing-unicode-standard-version-150.html |title = Announcing The Unicode® Standard, Version 15.0 |website = blog.unicode.org |access-date = 2022-10-03}}</ref> |
||
|- |
|||
|15.1 |
|||
|2023年9月 |
|||
| |
|||
| |
|||
| |
|||
| |
|||
| |
|||
|} |
|} |
||
第400行: | 第408行: | ||
=== 编码方式 === |
=== 编码方式 === |
||
统一碼的编碼方式与[[ISO 10646]]的[[通用字符集]]概念相对应。目前实际应用的统一碼版本对应于[[UCS-2]],使用16[[位元|位]]的编码空间。也就是每个字符占用2个[[字节]]。这样理论上一共最多可以表示2<sup>16</sup>(即65536)个字符。基本满足各种语言的使用。实际上目前版本的统一碼并未完全使用这16位编码,而是保留了大量空间以作为特殊使用或将来扩展。 |
统一碼的编碼方式与[[通用字符集|ISO 10646]]的[[通用字符集]]概念相对应。目前实际应用的统一碼版本对应于[[UTF-16|UCS-2]],使用16[[位元|位]]的编码空间。也就是每个字符占用2个[[字节]]。这样理论上一共最多可以表示2<sup>16</sup>(即65536)个字符。基本满足各种语言的使用。实际上目前版本的统一碼并未完全使用这16位编码,而是保留了大量空间以作为特殊使用或将来扩展。 |
||
上述16位统一碼字符构成[[基本多文种平面]]。最新(但未实际广泛使用)的统一碼版本定义了16个[[辅助平面]],两者合起来至少需要占据21位的编码空间,比3字节略少。但事实上辅助平面字符仍然占用4字节编码空间,与[[UCS-4]]保持一致。未来版本会扩充到ISO 10646-1实现级别3,即涵盖UCS-4的所有字符。UCS-4是更大而尚未填充完全的31位字符集,加上恒为0的首位,共需占据32位,即4字节。理论上最多能表示2<sup>31</sup>个字符,完全可以涵盖一切语言所用的符号。 |
上述16位统一碼字符构成[[基本多文种平面]]。最新(但未实际广泛使用)的统一碼版本定义了16个[[unicode字符平面映射|辅助平面]],两者合起来至少需要占据21位的编码空间,比3字节略少。但事实上辅助平面字符仍然占用4字节编码空间,与[[UTF-32|UCS-4]]保持一致。未来版本会扩充到ISO 10646-1实现级别3,即涵盖UCS-4的所有字符。UCS-4是更大而尚未填充完全的31位字符集,加上恒为0的首位,共需占据32位,即4字节。理论上最多能表示2<sup>31</sup>个字符,完全可以涵盖一切语言所用的符号。 |
||
基本多文种平面的字符的编码为U+hhhh,其中每个h代表一个[[十六进制]]数字,与UCS-2编码完全相同。而其对应的4字节UCS-4编码后两个字节一致,前两个字节则所有位均为0。 |
基本多文种平面的字符的编码为U+hhhh,其中每个h代表一个[[十六进制]]数字,与UCS-2编码完全相同。而其对应的4字节UCS-4编码后两个字节一致,前两个字节则所有位均为0。 |
||
第411行: | 第419行: | ||
例如,如果一个仅包含基本7位[[ASCII]]字符的Unicode文件,如果每个字符都使用2字节的原Unicode编码传输,其第一字节的8位始终为0。这就造成了比较大的浪费。对于这种情况,可以使用UTF-8编码,这是变长编码,它将基本7位ASCII字符仍用7位编码表示,占用一个字节(首位补0)。而遇到与其他Unicode字符混合的情况,将按一定算法转换,每个字符使用1-3个字节编码,并利用首位为0或1识别。这样对以7位ASCII字符为主的西文文档就大幅节省了编码长度(具体方案参见[[UTF-8]])。类似的,对未来会出现的需要4个字节的辅助平面字符和其他UCS-4扩充字符,2字节编码的[[UTF-16]]也需要通过一定的算法转换。 |
例如,如果一个仅包含基本7位[[ASCII]]字符的Unicode文件,如果每个字符都使用2字节的原Unicode编码传输,其第一字节的8位始终为0。这就造成了比较大的浪费。对于这种情况,可以使用UTF-8编码,这是变长编码,它将基本7位ASCII字符仍用7位编码表示,占用一个字节(首位补0)。而遇到与其他Unicode字符混合的情况,将按一定算法转换,每个字符使用1-3个字节编码,并利用首位为0或1识别。这样对以7位ASCII字符为主的西文文档就大幅节省了编码长度(具体方案参见[[UTF-8]])。类似的,对未来会出现的需要4个字节的辅助平面字符和其他UCS-4扩充字符,2字节编码的[[UTF-16]]也需要通过一定的算法转换。 |
||
再如,如果直接使用与Unicode编码一致(仅限于BMP字符)的UTF-16编码,由于每个字符占用了两个字节,在[[麦金塔电脑]]([[麦金塔 |
再如,如果直接使用与Unicode编码一致(仅限于BMP字符)的UTF-16编码,由于每个字符占用了两个字节,在[[麦金塔|麦金塔电脑]]([[麦金塔|Mac]])机和[[个人电脑]]上,对字节顺序的理解不一致。这时同一字节流可能会解释为不同内容,如某字符为十六进制编码4E59,按两个字节拆分为4E和59,在Mac上读取时是从低字节开始,那么在Mac OS会认为此4E59编码为594E,找到的字符为“奎”,而在Windows上从高字节开始读取,则编码为U+4E59的字符为“乙”。就是说在Windows下以UTF-16编码保存一个字符“乙”,在Mac OS环境下开启会显示成“奎”。此类情况说明UTF-16的编码顺序若不加以人为定义就可能发生混淆,于是在UTF-16编码实现方式中使用了[[位元组序#大端序|大端序]](Big-Endian,简写为UTF-16 BE)、[[位元组序#大端序|小端序]](Little-Endian,简写为UTF-16 LE)的概念,以及可附加的[[位元组顺序记号]]解决方案,目前在个人电脑上的Windows系统和Linux系统对于UTF-16编码默认使用UTF-16 LE。(具体方案参见[[UTF-16]]) |
||
此外Unicode的实现方式还包括[[UTF-7]]、[[Punycode]]、[[UTF-16的八位元相容编碼方案|CESU-8]]、[[统一碼标準压缩方案|SCSU]]、[[UTF-32]]、[[GB18030]]等,这些实现方式有些仅在一定的国家和地区使用,有些则属于未来的规划方式。目前通用的实现方式是UTF-16小端序(LE)、UTF-16大端序(BE)和UTF-8。在微软公司[[Windows XP]]附带的[[记事本]](Notepad)中,“另存为”对话框可以选择的四种编码方式除去非Unicode编码的[[ANSI]](对于英文系统即[[ASCII]]编码,中文系统则为[[GB2312]]或[[Big5]]编码)外,其余三种为“Unicode”(对应UTF-16 LE)、“Unicode big endian”(对应UTF-16 BE)和“UTF-8”。 |
此外Unicode的实现方式还包括[[UTF-7]]、[[国际化域名编码|Punycode]]、[[UTF-16的八位元相容编碼方案|CESU-8]]、[[统一碼标準压缩方案|SCSU]]、[[UTF-32]]、[[GB 18030|GB18030]]等,这些实现方式有些仅在一定的国家和地区使用,有些则属于未来的规划方式。目前通用的实现方式是UTF-16小端序(LE)、UTF-16大端序(BE)和UTF-8。在微软公司[[Windows XP]]附带的[[記事本|记事本]](Notepad)中,“另存为”对话框可以选择的四种编码方式除去非Unicode编码的[[美國國家標準協會|ANSI]](对于英文系统即[[ASCII]]编码,中文系统则为[[GB 2312|GB2312]]或[[Big5]]编码)外,其余三种为“Unicode”(对应UTF-16 LE)、“Unicode big endian”(对应UTF-16 BE)和“UTF-8”。 |
||
目前辅助平面的工作主要集中在第二和第三平面的[[中日韩统一表意文字]],因此包括[[GBK]]、[[GB18030]]、[[Big5]]等[[简体中文]]、[[繁体中文]]、[[日文]]、[[韩文]]以及越南[[喃字]]的各种编码与Unicode的协调性受重点关注。考虑到Unicode最终要涵盖所有的字符。从某种意义而言,这些编码方式也可视作Unicode的出现于其之前的'''既成事实'''的实现方式,如同[[ASCII]]及其扩展[[Latin-1]]一样,后两者的字符在16位Unicode编码空间中的编码第一字节各位全为0,第二字节编码与原编码完全一致。但上述东亚语言编码与Unicode编码的对应关系要复杂得多。 |
目前辅助平面的工作主要集中在第二和第三平面的[[中日韓統一表意文字|中日韩统一表意文字]],因此包括[[汉字内码扩展规范|GBK]]、[[GB 18030|GB18030]]、[[Big5]]等[[简化字|简体中文]]、[[繁体字|繁体中文]]、[[日語書寫系統|日文]]、[[谚文|韩文]]以及越南[[喃字]]的各种编码与Unicode的协调性受重点关注。考虑到Unicode最终要涵盖所有的字符。从某种意义而言,这些编码方式也可视作Unicode的出现于其之前的'''既成事实'''的实现方式,如同[[ASCII]]及其扩展[[ISO/IEC 8859-1|Latin-1]]一样,后两者的字符在16位Unicode编码空间中的编码第一字节各位全为0,第二字节编码与原编码完全一致。但上述东亚语言编码与Unicode编码的对应关系要复杂得多。 |
||
=== Unicode字符平面映射 === |
=== Unicode字符平面映射 === |
||
第431行: | 第439行: | ||
== XML和Unicode == |
== XML和Unicode == |
||
[[XML]]及其子集[[XHTML]]采用[[UTF-8]]作为标准[[字符编码|字符集]],理论上我们可以在各种支持XML标准的浏览器上显示任何地区文字的网页,只要电脑本身安装有合适的字体即可。可以利用<code><nowiki>&#</nowiki></code><var>nnn</var><code><nowiki>;</nowiki></code>的格式显示特定的字符。<var>nnn</var>代表该字符的[[十进制]]Unicode代码。如果采用[[十六进制]]代码,在编码之前加上<code><nowiki>x</nowiki></code>字符即可。但部分旧版本的浏览器可能无法识别十六进制代码。 |
[[可扩展标记语言|XML]]及其子集[[可扩展超文本标记语言|XHTML]]采用[[UTF-8]]作为标准[[字符编码|字符集]],理论上我们可以在各种支持XML标准的浏览器上显示任何地区文字的网页,只要电脑本身安装有合适的字体即可。可以利用<code><nowiki>&#</nowiki></code><var>nnn</var><code><nowiki>;</nowiki></code>的格式显示特定的字符。<var>nnn</var>代表该字符的[[十进制]]Unicode代码。如果采用[[十六进制]]代码,在编码之前加上<code><nowiki>x</nowiki></code>字符即可。但部分旧版本的浏览器可能无法识别十六进制代码。 |
||
过去电脑编码的8位标准,使每个国家都只按国家使用的字符而编定各自的编码系统;而对于部份字符系统比较复杂的语言,如[[越南语]],又或者东亚国家的大型字符集,都不能在8位的环境下正常显示。 |
过去电脑编码的8位标准,使每个国家都只按国家使用的字符而编定各自的编码系统;而对于部份字符系统比较复杂的语言,如[[越南语]],又或者东亚国家的大型字符集,都不能在8位的环境下正常显示。 |
||
第451行: | 第459行: | ||
|align="right"|<code><nowiki>&#x0394;</nowiki></code>||大写[[希腊字母]]“Delta”||align="center"|Δ |
|align="right"|<code><nowiki>&#x0394;</nowiki></code>||大写[[希腊字母]]“Delta”||align="center"|Δ |
||
|- |
|- |
||
|align="right"|<code><nowiki>&#x0419;</nowiki></code>||大写[[斯拉夫字母]]“Short I”||align="center"|Й |
|align="right"|<code><nowiki>&#x0419;</nowiki></code>||大写[[西里尔字母|斯拉夫字母]]“Short I”||align="center"|Й |
||
|- |
|- |
||
|align="right"|<code><nowiki>&#x05E7;</nowiki></code>||[[希伯来字母]]“Qof”||align="center"|ק |
|align="right"|<code><nowiki>&#x05E7;</nowiki></code>||[[希伯来字母]]“Qof”||align="center"|ק |
||
第465行: | 第473行: | ||
|align="right"|<code><nowiki>&#x30A2;</nowiki></code>||日语[[片假名]]“A”||align="center"|ア |
|align="right"|<code><nowiki>&#x30A2;</nowiki></code>||日语[[片假名]]“A”||align="center"|ア |
||
|- |
|- |
||
|align="right"|<code><nowiki>&#x53F6;</nowiki></code>||[[简 |
|align="right"|<code><nowiki>&#x53F6;</nowiki></code>||[[简化字|简体]][[汉字]]“-{叶}-”||align="center"|-{叶}- |
||
|- |
|- |
||
|align="right"|<code><nowiki>&#x8449;</nowiki></code>||[[繁体 |
|align="right"|<code><nowiki>&#x8449;</nowiki></code>||[[繁体字|繁体]]汉字“-{叶}-”||align="center"|-{叶}- |
||
|- |
|- |
||
|align="right"|<code><nowiki>&#xC5FD;</nowiki></code>||[[谚文|韩国音节文字]]“Yeop”||align="center"|엽 |
|align="right"|<code><nowiki>&#xC5FD;</nowiki></code>||[[谚文|韩国音节文字]]“Yeop”||align="center"|엽 |
||
|} |
|} |
||
一些多语言支持的网页浏览器,比如[[Microsoft Windows]]系统的[[Internet Explorer]] 5.5及以上版本,以及跨平台的浏览器[[Mozilla]]/[[Netscape]] 6,可以在安裝时根据需要动态地使用相应的字符集,预先安装了合适的语言包,就可以同时显示页面上的各种Unicode字符。[[Internet Explorer]] 5.5还提出用户可以在需要新字体时,即装即用。另外的浏览器如[[Netscape Navigator]] 4.77,则只能显示跟页面编码相应字符集中的文字。当你使用后一种浏览器时,你不大可能预先安装所有的字体,即使有了字体,浏览器也不一定能将这些字体完全应用起来。可能遇到的情况是,这种浏览器只能够显示部分文字,因为它们是按照标准编码,尽管理论上在兼容的系统中,只要有了相应的[[Code2000]]字体,就可以正确显示。一种变通的办法,是将某些少见的字符,通过“名称实体引用”的方式来使用。 |
一些多语言支持的网页浏览器,比如[[Microsoft Windows]]系统的[[Internet Explorer]] 5.5及以上版本,以及跨平台的浏览器[[Mozilla]]/[[网景|Netscape]] 6,可以在安裝时根据需要动态地使用相应的字符集,预先安装了合适的语言包,就可以同时显示页面上的各种Unicode字符。[[Internet Explorer]] 5.5还提出用户可以在需要新字体时,即装即用。另外的浏览器如[[Netscape Navigator]] 4.77,则只能显示跟页面编码相应字符集中的文字。当你使用后一种浏览器时,你不大可能预先安装所有的字体,即使有了字体,浏览器也不一定能将这些字体完全应用起来。可能遇到的情况是,这种浏览器只能够显示部分文字,因为它们是按照标准编码,尽管理论上在兼容的系统中,只要有了相应的[[Code2000]]字体,就可以正确显示。一种变通的办法,是将某些少见的字符,通过“名称实体引用”的方式来使用。 |
||
== 输入方法 == |
== 输入方法 == |
||
不同的操作系统,各有直接输入Unicode字符的方法: |
不同的操作系统,各有直接输入Unicode字符的方法: |
||
* 基于[[X Window System]]的[[Linux]]系统,如[[Ubuntu]]的Gnome Terminal,首先按下{{key press|[[控制键|Ctrl]]|[[换档键|Shift]]|U}},然后输入16进制Unicode数,如[[间隔号|interpunct间隔符]]输入{{key press|0}}{{key press|0}}{{key press|b}}{{key press|7}},最后按空格键; |
* 基于[[X視窗系統|X Window System]]的[[Linux]]系统,如[[Ubuntu]]的Gnome Terminal,首先按下{{key press|[[控制键|Ctrl]]|[[换档键|Shift]]|U}},然后输入16进制Unicode数,如[[间隔号|interpunct间隔符]]输入{{key press|0}}{{key press|0}}{{key press|b}}{{key press|7}},最后按空格键; |
||
* [[Microsoft Windows]]系统,按下{{key press|[[转换键|Alt]]|0}}{{key press|1}}{{key press|8}}{{key press|3}}表示[[间隔号|interpunct间隔符]]。 |
* [[Microsoft Windows]]系统,按下{{key press|[[转换键|Alt]]|0}}{{key press|1}}{{key press|8}}{{key press|3}}表示[[间隔号|interpunct间隔符]]。 |
||
在[[SGML]]、[[HTML]]、[[XML]]的文本中,使用[[字符值引用]]或[[XML与HTML字符实体引用列表|字符实体引用]]表示一个Unicode字符。 |
在[[标准通用标记语言|SGML]]、[[HTML]]、[[可扩展标记语言|XML]]的文本中,使用[[字符值引用]]或[[XML与HTML字符实体引用列表|字符实体引用]]表示一个Unicode字符。 |
||
=== 中文输入法 === |
=== 中文输入法 === |
||
第486行: | 第494行: | ||
* [[仓頡输入法]]已为Unicode汉字、类汉字编碼,可以在仓頡输入法方式下通过仓頡碼输入方式输入Unicode内的中日韩汉字及韩文。以仓頡输入法第五代为例,例如[[汉字]]“㗎”输入“口大口木”,汉字“胥”输入“弓人月”,汉字“㿱”输入“手中木竹水”,朝鲜文字“닮”输入“-{尸}-卜-{尸}-女口”。由于[[朱邦复工作室]]使用的[[仓頡系统]]收字比Unicode还多,目前Unicode既有汉字皆已有仓頡编碼。 |
* [[仓頡输入法]]已为Unicode汉字、类汉字编碼,可以在仓頡输入法方式下通过仓頡碼输入方式输入Unicode内的中日韩汉字及韩文。以仓頡输入法第五代为例,例如[[汉字]]“㗎”输入“口大口木”,汉字“胥”输入“弓人月”,汉字“㿱”输入“手中木竹水”,朝鲜文字“닮”输入“-{尸}-卜-{尸}-女口”。由于[[朱邦复工作室]]使用的[[仓頡系统]]收字比Unicode还多,目前Unicode既有汉字皆已有仓頡编碼。 |
||
* [[郑碼]]已为Unicode汉字、类汉字编碼,可以在郑碼输入法方式下通过[[郑碼]]字碼输入方式输入Unicode内的中日韩汉字及韩文。例如[[汉字]]“㗎”输入“JYJF”,汉字“胥”输入“XIQ”,汉字“㿱”输入“DPXI”,朝鲜文字“길”输入“XIYY”。 |
* [[郑碼]]已为Unicode汉字、类汉字编碼,可以在郑碼输入法方式下通过[[郑碼]]字碼输入方式输入Unicode内的中日韩汉字及韩文。例如[[汉字]]“㗎”输入“JYJF”,汉字“胥”输入“XIQ”,汉字“㿱”输入“DPXI”,朝鲜文字“길”输入“XIYY”。 |
||
* [[海峰五笔]]此输入法已经直接支持透过[[五笔]]碼输入方式输入Unicode内的任意中日韩汉字,但无法使用鍵入Unicode碼的方式输入。例如[[汉字]](Unicode部分)“㗎”为“keks”,[[CJK]]扩展B区的“𣿱”为“iyho”和CJK扩展C区的“𫆦”为“muih”。 |
* [[海峰五笔]]此输入法已经直接支持透过[[五笔]]碼输入方式输入Unicode内的任意中日韩汉字,但无法使用鍵入Unicode碼的方式输入。例如[[汉字]](Unicode部分)“㗎”为“keks”,[[中日韓統一表意文字|CJK]]扩展B区的“𣿱”为“iyho”和CJK扩展C区的“𫆦”为“muih”。 |
||
* 新[[注音输入法]]在输入法启动狀态时,打入鍵盘上的“多功能前导字元鍵”(即通用鍵盘上之“`”),第一次使用会弹出说明。输入Unicode字元“胥”则是在鍵盘上鍵入“`U5066”。而韩语中的“셅”,则输入“`UC145”。而要输入[[日本汉字|日语自制汉字]]“峠”,则是“`U5CE0”。 |
* 新[[注音输入法]]在输入法启动狀态时,打入鍵盘上的“多功能前导字元鍵”(即通用鍵盘上之“`”),第一次使用会弹出说明。输入Unicode字元“胥”则是在鍵盘上鍵入“`U5066”。而韩语中的“셅”,则输入“`UC145”。而要输入[[日本汉字|日语自制汉字]]“峠”,则是“`U5CE0”。 |
||
* [[VimIM]]在Vim环境中,可以直接鍵入十进制或十六进制Unicode碼。既不需要启动输入法,也不需要碼表。 |
* [[VimIM]]在Vim环境中,可以直接鍵入十进制或十六进制Unicode碼。既不需要启动输入法,也不需要碼表。 |
||
* [[嘸蝦米输入法]],支援Unicode,以26个[[英文]]字母为组字按鍵,可直接输入符号、[[日文汉字]]及[[平假名]]、[[片假名]],但汉字部份一般只支援基本繁体中文、简体中文,[[中日韩统一表意文字扩展区A|扩展A区]]的汉字要另行扩充编碼才能输入,[[中日韩统一表意文字扩展区B|扩展B区]]的汉字尚无编碼。 |
* [[嘸蝦米输入法]],支援Unicode,以26个[[英語正寫法|英文]]字母为组字按鍵,可直接输入符号、[[日本汉字|日文汉字]]及[[平假名]]、[[片假名]],但汉字部份一般只支援基本繁体中文、简体中文,[[中日韩统一表意文字扩展区A|扩展A区]]的汉字要另行扩充编碼才能输入,[[中日韩统一表意文字扩展区B|扩展B区]]的汉字尚无编碼。 |
||
=== 日文输入法 === |
=== 日文输入法 === |
||
第510行: | 第518行: | ||
* [[Unicode字符列表]] |
* [[Unicode字符列表]] |
||
* [[Unicode数字]] |
* [[Unicode数字]] |
||
* [[中日韩统一表意文字]](CJK/Unihan) |
* [[中日韓統一表意文字|中日韩统一表意文字]](CJK/Unihan) |
||
* [[通用字符集]] |
* [[通用字符集]] |
||
* [[宽字元]] |
* [[宽字元]] |