NAME

       Unicode - 16 位统一超级字符集

描述 (DESCRIPTION)

       国际标准   ISO   10646   定义了   通用字符集   (Universal   Character   Set,   UCS).   UCS
       包含所有别的字符集标准里的字符,并且保证了    互换兼容性    (round-trip     compatibility),
       也就是说，当一个字符串在                  UCS                  和任何别的字符集之间转换时,
       转换表可以保证不会有信息丢失现象发生．

       UCS                                 包含了表示几乎所有已知的语言所必需的字符．该字符集既包
       括那些使用扩展拉丁语的语言,也包括下面的这些语言: Greek, Cyrillic, Hebrew,Arabic, Armenian,
       Gregorian, Japanese, Chinese, Hiragana,  Katakana,  Korean,  Hangul,  Devangari,  Bengali,
       Gurmukhi,    Gujarati,    Oriya,    Tamil,    Telugu,    Kannada,   alayam,   Thai,   Lao,
       Bopomofo,等等.而另外的语言,例如 Tibetian, Khmer,  Runic,  Ethiopian,  Hieroglyphics,  各种
       Indo-European   语言,   还有许多其他的语言,   正在被加入其   中.1993   年发布该标准的时候,
       还不清楚怎样才能对后面加入的这些  语言中的大部分作更好的编码.  另外,   这些语言所需的字符,
       以及由     TeX,     PostScript,     MS-DOS,     Macintosh,    Videotext,    OCR,    还有很
       多字处理系统所提供的大量的图形,     印刷体,     数学和科学符号,      都已      被包括进来,
       还包括了一些特别编码以保证和所有其它已存在字符集 标准的可逆转换兼容性.

       UCS  标准  (ISO  10646)  描述了一个  31  位字符集的体系,  不过,  目前  只使用了前面  65534
       个编码位置  (0x0000-0xfffd,  它们被称为  基本多语言块   (Basic  Multilingual  Plane,BMP)),
       分配给了字符,  而且我们 估计只有那些很古怪的字符(比如． Hieroglyphics)为了专门 的科学目的,
       才会在将来的某个时候, 需要 16 位的 BMP 之外的部分.

       从 0x0000 到 0x007f 之间的 UCS 字符和经典 US-ASCII 字符集是一样的, 而从 0x0000  到  0x00ff
       之间的字符等于 ISO 8859-1 Latin-1 字符集．

组合字符 (COMBINING CHARACTERS)

       一些          UCS          编码被分配给了          组合字符(combining         characters).
       这样的情形有点类似于打字机上的重音键. 一个组合字符只是  给前面的字符添加一个重音.  在  UCS
       里最重要的重音字符都有他们自己的编码,                                                不过,
       组合字符机制允许给任一字符添加重音和其他的可识别记号.
       组合字符总是跟在那些他们所修饰的字符后面.  例如,德语符号  Umlaut-A (带分音符的大写拉丁字母
       A)既可以表示为      UCS      编码      0x00c4,      也可以       用一个正常的"大写拉丁字母
       A"后面跟一个"组合分音符号": 0x0041 0x0308 来表示．

实现级别 (IMPLEMENTATION LEVELS)

       由于不是所有系统都支持象组合字符这样的高级机制, ISO 10646 指明了 UCS 的三种实现级别:

       级别 1 (Level 1)
                不支持组合字符和   Hangul   Jamo   字符(朝鲜语的一种更复  杂的专用的编码,  Hangul
                音节编码成两或三个亚字符).

       级别 2 (Level 2)
                类似于级别1,   却在一些语言里面也支持一些组合字符.    (比如．   Hebrew,   Arabic,
                Devangari, Bengali, Gurmukhi, Gujarati, Oriya, Tamil, Telugo, Kannada, Malayalam,
                Thai 和 Lao).

       级别 3 (Level 3)
                支持所有 UCS 字符.

       Unicode 协会发布的 Unicode 1.1 标准和 ISO 10646 所描述的 那样, 在第 3 执行级别只包括了 UCS
       (基本多语言块  Basic  Multilingual  Plane).   Unicode  1.1 还为一些 ISO 10646 的字符定义加
       入了一些语义定义.

LINUX 下的 UNICODE (UNICODE UNDER LINUX)

       在  Linux  下,   为了降低组合字符的实现复杂性,   目前只包括了执   行级别   1   下的   BMP.
       更高的执行级别更适合于专门的字处理格式,  而不是一个普通的系统字符集.  在 linux 下 C 的类型
       wchar_t 是一个 有符号位的 32 位整型并且其值解释为 UCS4 编码．

       本地化设置指明系统字符编码是使用诸如 UTF-8 还是 ISO  8859-1这样的编码．  象库函数  wctomb,
       mbtowc, 或者 wprintf 就可以用于内部 wchar_t 字符及字符串与系统字符编码之间做转换.

私有区 (PRIVATE AREA)

       在  BMP  里,  0xe000  到  0xf8ff 的范围被标准保留做私用因而永远不会 被分配给任何字符. 对于
       Linux 社区,  该私有区被再细分为可以被任何终端用户  独立使用的  0xe000  到  0xefff  的范围,
       以及从    0xf000    到    0xf8ff    给所有    linux   用户所共用的   linux   区.H.   Peter
       Anvin(<Peter.Anvin@linux.org>, Yggdrasil Computing,Inc) 现在维护登记分配到 linux 区的字符.
       该区包括一些      Unicode      中缺少的      DEC      VT100     的图形字符,     这使控制台
       的字体缓冲区可以直接获得这些字符, 该区还包括一些象 Klingon 这样的古老语言所使用的字符.

文献 (LITERATURE)

       * Information technology - Universal Multiple-Octet Coded Character Set (UCS)  -  Part  1:
         Architecture   and  Basic  Multilingual  Plane.   International  Standard  ISO  10646-1,
         International Organization for Standardization, Geneva, 1993.

         这是 UCS 的正式规范, 非常正式, 也很厚, 还非常贵. 如果要定 购信息, 去看看 www.iso.ch.

       * The  Unicode  Standard  -  Worldwide  Character  Encoding  Version  1.0.   The   Unicode
         Consortium, Addison-Wesley, Reading, MA, 1991.

         Unicode  已经有  1.1.4  版可用,与  1.0 版的差别可以在 ftp.unicode.org 找到.  Unicode 2.0
         也将在 1996 年出版一本书.

       * S. Harbison, G. Steele. C - A Reference Manual. Fourth edition, Prentice Hall, Englewood
         Cliffs, 1995, ISBN 0-13-326224-3.

         一本很好的  C  语言编程参考书.  现在的第四版包含了  1994  年对标准  ISO  C  的第一次修正
         (ISO/IEC 9899:1990), 添加了大量 处理多种字符集的新的 C 库函数.

缺憾 (BUGS)

       在写这个手册页的时候,linux 对 UCS 的 C 语言库支持远未完成.

作者 (AUTHOR)

       Markus Kuhn <mskuhn@cip.informatik.uni-erlangen.de>

又见(SEE ALSO)

       utf-8(7)， http://www.linuxforum.net/books/UTF-8-Unicode.html

[中文版维护人]

       mapping <mapping@263.net>

[中文版最新更新]

       2000/11/06

《中国linux论坛man手册页翻译计划》:

       http://cmpp.linuxforum.net

跋

       本页面中文版由中文 man 手册页计划提供。
       中文 man 手册页计划：https://github.com/man-pages-zh/manpages-zh