Provided by: manpages-fr_2.80.1-1_all bug

NOM

       Unicode - Jeu de caractères universel.

DESCRIPTION

       Le  standard  international  ISO  10646  définit  le  jeu de caractères
       universel (UCS). UCS contient tous les caractères de  tous  les  autres
       jeux  de  caractères standards. Il garantit également une compatibilité
       circulaire, ce qui signifie que les tables de conversions peuvent  être
       construites  de manière à ne perdre aucune information quand une chaîne
       de caractères est convertie dans un autre codage, puis  reconvertie  en
       sens inverse.

       UCS  contient  les caractères nécessaires pour représenter presque tous
       les langages connus. Il inclut non seulement les alphabets latin, grec,
       cyrillique,  hébreu,  arabe,  arménien  et géorgien, mais également les
       idéogrammes chinois, japonais, sino-coréens et les écritures  hiragana,
       katakana,  hangûl,  devanâgarî,  bengalî,  gurmukhî,  gujarâtî,  oriya,
       tamoul, télougou, kannada, malayâlam, thaï, laotien,  khmer,  bopomofo,
       tibétain,   runique,   éthiopienne,  canadienne  syllabique,  cherokee,
       mongol, ogam, birmane, cingalais, thâna,  yi,  et  d’autres.  Pour  les
       écritures  qui  n’ont  pas encore été intégrées, des recherches sont en
       cours pour optimiser le codage et elles seront  probablement  ajoutées.
       Ceci   inclut   non   seulement   des   hiéroglyphes   et  des  langues
       indo-européennes historiques,  mais  aussi  des  écritures  artistiques
       comme  les  tengwar  de  Fëanor, les cirth, ou le klingon. UCS contient
       également un  grand  nombre  de  symboles  graphiques,  typographiques,
       mathématiques  et scientifiques comme ceux fournis par TeX, Postscript,
       APL, MS-DOS, MS-Windows, Macintosh, OCR, et de nombreux traitements  de
       texte et systèmes d’édition, et de plus en plus sont ajoutés.

       Le  standard  UCS  (ISO 10646) décrit un jeu de caractres sur 31 bits,
       constitué de 128 groupes sur 24 bits, chacun d’eux divisés en 256 plans
       sur  16  bits, composés de 256 ranges de 8 bits, avec 256 positions en
       colonne contenant chacune un caractère. La première partie du  standard
       (ISO  10646-1)  définit les 65 534 premiers codes (0x0000 à 0xFFFD) qui
       forme le Basic Multilingual Plane (BMP),  c’est-à-dire  le  plan  0  du
       groupe  0.  La partie 2 du standard (ISO 10646-2) ajoute des caractères
       au groupe 0 en dehors du BMP, dans plusieurs plans supplmentaires dans
       l’espace  0x10000  à  0x10ffff. On ne prévoit pas d’ajouter au standard
       des caractères au-delà de 0x10ffff. Ainsi sur  l’ensemble  de  l’espace
       disponible,  une  faible  fraction  du  groupe  0 ne sera effectivement
       utilisée dans un futur proche. Le BMP contient tous les caractères  des
       jeux  habituels.  Les  plans supplémentaires ajoutés par ISO 10646-2 ne
       contiennent  que  des   caractères   exotiques   pour   des   notations
       scientifiques spéciales, des dictionnaires d’impression, l’industrie de
       l’impression, des protocoles de haut-niveau, et les besoins de quelques
       enthousiastes.

       La  représentation  des  caractères  UCS  sur  des mots de 2 octets est
       appelée UCS-2 (seulement pour les caractères du BMP), alors  que  UCS-4
       est  la  représentation des caractères par un mot de 4 octets. De plus,
       il existe deux formes de codage : UTF-8 pour la rétrocompatibilité avec
       les  logiciels  traitant  l’ASCII  et  UTF-16  pour  les traitement des
       caractères non BMP jusqu’à 0x10ffff par des logiciels UCS-2.

       Les caractères UCS 0x0000 à  0x007f  sont  identiques  à  ceux  du  jeu
       classique  US-ASCII,  et  ceux  de  l’intervalle  0x0000  à 0x00ff sont
       identiques à ceux du jeu de caractères ISO 8859-1 Latin-1.

   Caractères composés
       Quelques codes de l’UCS ont été assignés à des caractères composés. Ils
       sont  semblables  aux  touches d’accents sans avance sur les machines à
       écrire. Un  caractère  composé  ajoute  simplement  un  accent  sur  le
       caractère  précédent.  Les caractères accentués les plus importants ont
       leur propre code dans l’UCS. Cependant,  le  mécanisme  des  caractères
       composés  permet  d’ajouter  des accents ou des signes diacritiques sur
       n’importe quel caractère  de  base.  Les  caractères  composés  suivent
       toujours  le  caractère  qu’ils  modifient.  Par  exemple, le caractère
       allemand « Umlaut-A » (A majuscule avec un tréma) peut être  représenté
       soit  par le code UCS précomposé 0x00C4, soit par la combinaison d’un A
       majuscule normal, suivi d’un « tréma composé », 0x0041 0x0308.

       Les caractères composés sont essentiels par exemple pour le  codage  de
       l’écriture  Thaï  ou  pour  les  notations  mathématiques et l’alphabet
       phonétique international.

   Niveaux dimplémentation
       Comme tous les systèmes ne sont pas censés gérer les mécanismes avancés
       comme  les  caractères composés, ISO 10646-1 spécifie les trois niveaux
       dimplmentation suivants pour l’UCS :

       Niveau 1 Les caractères composés et  les  caractères  Hangul  Jamo  (un
                codage  spécial de l’écriture coréenne, où les syllabes Hangûl
                sont codées par 2 ou 3 codes de voyelle ou consonne)  ne  sont
                pas gérés.

       Niveau 2 Outre  le  niveau  1,  les caractères composés sont maintenant
                permis pour certaines langues  où  ils  sont  essentiels  (par
                exemple,   le   thaï,   le   laotien,  l’hébreu,  l’arabe,  le
                devanâgarî, le malayâlam, etc.).

       Niveau 3 Tous les caractères UCS sont gérés.

       Le standard Unicode 3.0  publié  par  le  Unicode  Consortium  contient
       exactement  le  Basic Multilingual Plane UCS au niveau d’implémentation
       3, comme décrit dans la norme ISO 10646-1:2000. Unicode 3.1 ajoute  les
       plans  supplémentaires  de  l’ISO  10646-2.  Le standard Unicode et les
       rapports techniques  publiés  par  le  Unicode  Consortium  fournissent
       beaucoup  d’informations  supplémentaires  sur  la  sémantique  et  les
       recommandations d’usage de différents caractères. Ils  fournissent  des
       guides  et  des  algorithmes  pour éditer, trier, comparer, normaliser,
       convertir et afficher des chaînes Unicode.

   Unicode sous Linux
       Sous GNU/Linux, le type C wchar_t est un entier 32 bits  signé,  et  sa
       valeur est toujours interprétée par la bibliothèque C comme un code UCS
       (dans toutes les locales), une convention signalée par la  bibliothèque
       C   GNU   pour   les   applications   en   définissant   la   constante
       __STDC_ISO_10646__ comme indiquée dans le standard ISO C99.

       L’UCS/Unicode  peut  être  employé  comme   l’ASCII   dans   les   flux
       d’entrée-sortie,  les  communications  avec les terminaux, les fichiers
       texte, les noms de fichier et les  variables  d’environnement  dans  un
       encodage  multioctet  compatible  UTF-8. Pour signaler l’utilisation de
       l’UTF-8  comme  encodage  pour  toutes  les  applications,  une  locale
       correcte  doit  être configurée dans les variables d’environnement (par
       exemple, « LANG=fr_FR.UTF-8 »).

       La fonction nl_langinfo(CODESET) renvoie le nom du codage  sélectionné.
       Les  fonctions  de bibliothèque comme wctomb(3) et mbsrtowcs(3) peuvent
       être utilisées pour transformer les caractères internes wchar_t et  les
       chaînes  dans  le  jeu  de  caractères  du  système  et inversement. La
       fonction wcwidth(3) indique de combien de positions (0–2) le curseur  a
       été avancé en affichant un caractère.

       Sous  Linux,  en  général,  seule  une  implémentation  BMP de niveau 1
       devrait être utilisée pour le  moment.  Pour  certaines  écritures  (en
       particulier  le  thaï),  certains  émulateurs de terminaux UTF-8 gèrent
       jusqu’à deux caractères combinés avec une fonte ISO 10646  (niveau  2),
       mais  il  vaut  mieux  préférer  les  caractères précomposés s’ils sont
       disponibles (Unicode appelle cela une forme de normalisation C).

   Zone privée
       L’intervalle entre 0xe000 et 0xf8ff du BMP ne  sera  jamais  assigné  a
       aucun  caractère  par  le standard, et est réservé pour un usage privé.
       Pour la communauté Linux, cette zone privée  a  été  divisée  en  deux.
       L’intervalle  entre 0xe000 et 0xefff peut être utilisé individuellement
       par n’importe quel utilisateur final. L’intervalle s’étendant de 0xf000
       à  0xf8ff  est  réservé  à  Linux, et les extensions y sont coordonnées
       entre les divers utilisateurs de Linux. L’enregistrement des caractères
       assignés  à  la zone Linux est actuellement maintenu par H. Peter Anvin
       <Peter.Anvin@linux.org>.

   Littérature
       * Information technology — Universal Multiple-Octet Coded Character Set
         (UCS)   —   Part   1:  Architecture  and  Basic  Multilingual  Plane.
         International Standard ISO/IEC  10646-1,  International  Organization
         for Standardization, Geneva, 2000.

         Il  s’agit  des  spécifications  officielles  de l’UCS. Disponible en
         fichier PDF sur CD-ROM sur http://www.iso.ch/.

       * The  Unicode  Standard,  Version   3.0.   The   Unicode   Consortium,
         Addison-Wesley, Reading, MA, 2000, ISBN 0-201-61633-5.

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

         Un bon  livre  de  référence  sur  langage  de  programmation  C.  La
         quatrième  édition  couvre  maintenant  l’amendement  1  de  1994  au
         standard ISO C 90,  qui  ajoute  un  grand  nombre  de  fonctions  de
         bibliothèque  C  pour  manipuler  les  jeux  de  caractères larges et
         multioctets, mais ne couvre pas encore l’ISO C99, qui améliore encore
         plus la gestion des caractères larges et multioctets.

       * Unicode Technical Reports.
         http://www.unicode.org/unicode/reports/

       * Markus Kuhn : UTF-8 and Unicode FAQ for Unix/Linux.
         http://www.cl.cam.ac.uk/~mgk25/unicode.html

         Fournit  les  informations  sur  la liste de diffusion linux-utf8, le
         meilleur endroit pour  trouver  des  conseils  sur  l’utilisation  de
         l’Unicode sous Linux.

       * Bruno Haible : Unicode HOWTO.
         ftp://ftp.ilog.fr/pub/Users/haible/utf8/Unicode-HOWTO.html

BOGUES

       Au moment de la rédaction de cette page, la gestion par la bibliothèque
       C GNU pour les locales UTF-8 était mûre,  et  la  gestion  par  XFree86
       était  avancée, mais le travail nécessaire pour rendre les applications
       (principalement les éditeurs) compatibles avec l’UTF-8 était en  cours.
       La  gestion  générale actuelle de UCS sous Linux fournit les caractères
       double-largeur CJK, et parfois les surcharges  simples  des  caractères
       combinés,  mais  ne  permet  pas  l’écriture  de droite à gauche ou les
       ligatures nécessaires en hébreu, arabe ou indien. Ces écritures ne sont
       pour  le  moment  gérées  que  par  certaines  applications  graphiques
       (visualisateurs  HTML,  traitements  de   texte)   avec   des   moteurs
       d’affichage perfectionnés.

VOIR AUSSI

       setlocale(3), charsets(7), utf-8(7)

COLOPHON

       Cette  page  fait  partie  de  la  publication 2.80 du projet man-pages
       Linux. Une description du projet et des instructions pour signaler  des
       anomalies       peuvent       être       trouvées      à      l’adresse
       http://www.kernel.org/doc/man-pages/.

TRADUCTION

       Cette page de manuel a été traduite  et  mise  à  jour  par  Christophe
       Blaess  <http://www.blaess.fr/christophe/> entre 1996 et 2003, puis par
       Alain Portal <aportal AT univ-montp2 DOT fr> jusqu’en 2006, et  mise  à
       disposition sur http://manpagesfr.free.fr/.

       Les mises à jour et corrections de la version présente dans Debian sont
       directement gérées par Julien Cristau <jcristau@debian.org> et l’équipe
       francophone de traduction de Debian.

       Veuillez   signaler   toute   erreur   de   traduction  en  écrivant  à
       <debian-l10n-french@lists.debian.org> ou par un rapport de bogue sur le
       paquet manpages-fr.

       Vous  pouvez  toujours avoir accès à la version anglaise de ce document
       en utilisant la commande « man -L C <section> <page_de_man> ».