NAME

       Unicode - 16 位統一超級字符集

描述 (DESCRIPTION)

       國際標準   ISO   10646   定義了   通用字符集   (Universal   Character   Set,   UCS).   UCS
       包含所有別的字符集標準裏的字符,並且保證了    互換兼容性    (round-trip     compatibility),
       也就是說，當一個字符串在                  UCS                  和任何別的字符集之間轉換時,
       轉換表可以保證不會有信息丟失現象發生．

       UCS                                 包含了表示幾乎所有已知的語言所必需的字符．該字符集既包
       括那些使用擴展拉丁語的語言,也包括下面的這些語言: 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.而另外的語言,例如 Tibetian, Khmer,  Runic,  Ethiopian,  Hieroglyphics,  各種
       Indo-European   語言,   還有許多其他的語言,   正在被加入其   中.1993   年發佈該標準的時候,
       還不清楚怎樣才能對後面加入的這些  語言中的大部分作更好的編碼.  另外,   這些語言所需的字符,
       以及由     TeX,     PostScript,     MS-DOS,     Macintosh,    Videotext,    OCR,    還有很
       多字處理系統所提供的大量的圖形,     印刷體,     數學和科學符號,      都已      被包括進來,
       還包括了一些特別編碼以保證和所有其它已存在字符集 標準的可逆轉換兼容性.

       UCS  標準  (ISO  10646)  描述了一個  31  位字符集的體系,  不過,  目前  只使用了前面  65534
       個編碼位置  (0x0000-0xfffd,  它們被稱爲  基本多語言塊   (Basic  Multilingual  Plane,BMP)),
       分配給了字符,  而且我們 估計只有那些很古怪的字符(比如． Hieroglyphics)爲了專門 的科學目的,
       纔會在將來的某個時候, 需要 16 位的 BMP 之外的部分.

       從 0x0000 到 0x007f 之間的 UCS 字符和經典 US-ASCII 字符集是一樣的, 而從 0x0000  到  0x00ff
       之間的字符等於 ISO 8859-1 Latin-1 字符集．

組合字符 (COMBINING CHARACTERS)

       一些          UCS          編碼被分配給了          組合字符(combining         characters).
       這樣的情形有點類似於打字機上的重音鍵. 一個組合字符只是  給前面的字符添加一個重音.  在  UCS
       裏最重要的重音字符都有他們自己的編碼,                                                不過,
       組合字符機制允許給任一字符添加重音和其他的可識別記號.
       組合字符總是跟在那些他們所修飾的字符後面.  例如,德語符號  Umlaut-A (帶分音符的大寫拉丁字母
       A)既可以表示爲      UCS      編碼      0x00c4,      也可以       用一個正常的"大寫拉丁字母
       A"後面跟一個"組合分音符號": 0x0041 0x0308 來表示．

實現級別 (IMPLEMENTATION LEVELS)

       由於不是所有系統都支持象組合字符這樣的高級機制, ISO 10646 指明瞭 UCS 的三種實現級別:

       級別 1 (Level 1)
                不支持組合字符和   Hangul   Jamo   字符(朝鮮語的一種更復  雜的專用的編碼,  Hangul
                音節編碼成兩或三個亞字符).

       級別 2 (Level 2)
                類似於級別1,   卻在一些語言裏面也支持一些組合字符.    (比如．   Hebrew,   Arabic,
                Devangari, Bengali, Gurmukhi, Gujarati, Oriya, Tamil, Telugo, Kannada, Malayalam,
                Thai 和 Lao).

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

       Unicode 協會發布的 Unicode 1.1 標準和 ISO 10646 所描述的 那樣, 在第 3 執行級別只包括了 UCS
       (基本多語言塊  Basic  Multilingual  Plane).   Unicode  1.1 還爲一些 ISO 10646 的字符定義加
       入了一些語義定義.

LINUX 下的 UNICODE (UNICODE UNDER LINUX)

       在  Linux  下,   爲了降低組合字符的實現複雜性,   目前只包括了執   行級別   1   下的   BMP.
       更高的執行級別更適合於專門的字處理格式,  而不是一個普通的系統字符集.  在 linux 下 C 的類型
       wchar_t 是一個 有符號位的 32 位整型並且其值解釋爲 UCS4 編碼．

       本地化設置指明系統字符編碼是使用諸如 UTF-8 還是 ISO  8859-1這樣的編碼．  象庫函數  wctomb,
       mbtowc, 或者 wprintf 就可以用於內部 wchar_t 字符及字符串與系統字符編碼之間做轉換.

私有區 (PRIVATE AREA)

       在  BMP  裏,  0xe000  到  0xf8ff 的範圍被標準保留做私用因而永遠不會 被分配給任何字符. 對於
       Linux 社區,  該私有區被再細分爲可以被任何終端用戶  獨立使用的  0xe000  到  0xefff  的範圍,
       以及從    0xf000    到    0xf8ff    給所有    linux   用戶所共用的   linux   區.H.   Peter
       Anvin(<Peter.Anvin@linux.org>, Yggdrasil Computing,Inc) 現在維護登記分配到 linux 區的字符.
       該區包括一些      Unicode      中缺少的      DEC      VT100     的圖形字符,     這使控制檯
       的字體緩衝區可以直接獲得這些字符, 該區還包括一些象 Klingon 這樣的古老語言所使用的字符.

文獻 (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.

         這是 UCS 的正式規範, 非常正式, 也很厚, 還非常貴. 如果要定 購信息, 去看看 www.iso.ch.

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

         Unicode  已經有  1.1.4  版可用,與  1.0 版的差別可以在 ftp.unicode.org 找到.  Unicode 2.0
         也將在 1996 年出版一本書.

       * 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  語言編程參考書.  現在的第四版包含了  1994  年對標準  ISO  C  的第一次修正
         (ISO/IEC 9899:1990), 添加了大量 處理多種字符集的新的 C 庫函數.

缺憾 (BUGS)

       在寫這個手冊頁的時候,linux 對 UCS 的 C 語言庫支持遠未完成.

作者 (AUTHOR)

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

又見(SEE ALSO)

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

[中文版維護人]

       mapping <mapping@263.net>

[中文版最新更新]

       2000/11/06

《中國linux論壇man手冊頁翻譯計劃》:

       http://cmpp.linuxforum.net

跋

       本頁面中文版由中文 man 手冊頁計劃提供。
       中文 man 手冊頁計劃：https://github.com/man-pages-zh/manpages-zh