Silva Rerum

Dziś jest piątek, 3 września 2010 r.
Pieniądze ułatwiają znoszenie ubóstwa. Alfons Allais
Zaloguj! Pobierz jako PDF! Wydrukuj!

Wieża Babel, czyli Unicode

Wstęp

Unicode Worldwide Character Standard to uniwersalny standard kodowania znaków w komputerach. Podczas gdy 7-bitowe ASCII (American Standard Code for Information Interchange - zabytek archeologiczny który wciąż ciąży informatyce jak kula u nogi) oferuje 128 znaków, a w pełni jednobajtowe (czyli 8-bitowe) tablice kodowania Windows-1250 czy ISO-8859-2 (standard Latin-2 w Internecie i Linux) dają do dyspozycji 256 podstawowych symboli, dwubajtowy Unicode to ponad 65 tysięcy znaków (pełne 16-bitowe kodowanie to 65 536 możliwych do wykorzystania pozycji !). Daje to możliwość zapisywania dokumentów w niemal wszystkich żywych językach świata.

Twórcy Unicode

Unikod został wprowadzony przez Unicode Consortium - grupę najbardziej liczących się korporacji i instytucji związanych ze światem informatyki, takich przemysłowych liderów, jak Adobe, Apple, Basis Technology, Compaq, Hewlett Packard, IBM, JustSystem, Microsoft, NCR, Oracle, Reuters, Sap, Sun Microsystems, Sybase, Unisys i wielu innych.

Unikod jest wymogiem nowoczesnych standardów takich jak XML, Java, ECMAScript (JavaScript), LDAP, CORBA 3.0, WML, najnowszej wersji języka HTML 4.0. itp., i oficjalnym sposobem implementacji ISO/IEC 10646. Jest wspierany przez wiele systemów operacyjnych, wszystkie nowoczesne przeglądarki internetowe, i wiele innych produktów. Wyjątkowość Unikodu i dostępność narzędzi wspierających go, są wymieniane wśród ważnych ostatnio trendów w technologiach tworzenia oprogramowania.

Obecnie można stosować Unikod w Windows NT/2000/XP, zarówno w MISE jak i Netscape, Linuxie i innych systemach Unix. A ponieważ autor Silva Rerum całkowicie popiera Unicode i odnosi się do niego entuzjastycznie - tak właśnie będą kodowane strony tego sieciowego zakamarka. Co prawda wiąże się to ze wszystkimi wadami, jakie niesie ze sobą pionierstwo - ale nie można stać w miejscu (Czyli się cofać). Jeśli statystyki są prawdziwe, zdecydowana większość osób będzie mogła bez problemów kożystać z WWW Silva Rerum.

Kodowanie znaków

Unicode po części oparty został na istniejących już wcześniej jednobajtowych standardach kodowania (stąd pierwsze 256 pozycji (o wartościach liczbowych rozszerzonych do 16 bitów) jest identyczne z opisanymi przez normę ISO 8859-1 [Latin-1] znakom alfabetu łacińskiego). W dalszej kolejności następują tzw. skrypty (grupy znaków) pozostałych języków: greckiego, cyrylicy, hebrajskiego, arabskiego, itd. oraz symbole specjalne.

Unicode przypisuje unikalny numer z zakresu od 0x0000 do 0xFFFF każdemu znakowi, niezależny od używanej platformy, programu czy języka. W chwili obecnej istnieją trzy podstawowe sposobóy zapisywania znaków. Są to: UTF-16, UTF-8 i UTF-7. Wszystkie używają tej samej tablicy i mają te same możliwości - różnica polega na innym sposobie zapisu. Najbardziej popularny jest UTF-8 i to on jest domyślnym standardem HTML 4.0. XHTML i XML. Wartości Unicode przedstawia się w postaci czterech cyfr szesnastkowych poprzedzonych znakami "U+". Tak na przykład U+0104 oznacza polską literę "Ą". Poniższa tabela prezentuje znaki Unicode kodujące polskie litery z "ogonkami":

Ą U+0104
ą U+0105
Ć U+0106
ć U+0107
 Ę U+0118
ę U+0119
Ł U+0141
ł U+0142
 Ó U+00D3
ó U+00F3
Ś U+015A
ś U+015B
 Ź U+0179
ź U+017A
Ż U+017B
ż U+017C

Unicode w praktyce

Unicode ma ogromne znacznie praktyczne, co ilustrują poniższe przykłady: pozwala na wygodne posługiwanie się alfabetami narodowymi bez potrzeby tworzenia oddzielnych stron kodowych dla każdego z nich. Możliwe jest zapisanie wszystkich liter, skomplikowanych znaków diakrytycznych, fonetycznych, ideogramów, itp. wszystkich najważniejszych języków, w tym również języków historycznych (np. sanskrytu). Obecnie opisanych jest w nim już ponad 39 tys. znaków i symboli. Dzięki Unicoe można więc w jednym dokumencie składać teksty między innymi w takich językach:

Dodatkowe informacje