JMÉNO

       unicode - univerzální znaková sada

POPIS

       The  international  standard  ISO  10646  defines  the  Universal  Character  Set (UCS). UCS contains all
       characters of all other character set standards. It also guarantees "round-trip compatibility"; in  other
       words,  conversion  tables  can be built such that no information is lost when a string is converted from
       any other encoding to UCS and back.

       UCS obsahuje znaky potřebné pro téměř všechny známé jazyky. Mimo jiné je to  mnoho  jazyků  využívajících
       rozšíření latinky a také následující jazyky a písma: řečtinu, azbuku, hebrejštinu, arabštinu, arménštinu,
       gruzínštinu,  japonštinu,  čínštinu, korejské ideogramy Han, písma Hiragana, Katakana, Hangul, Devangari,
       Bengali, Gurmukhi, Gujarati, Oriya, Tamil, Telugu, Kannada, Malayalam, thajštinu, Lao,  Khmer,  Bopomofo,
       tibetštinu,  runové  písmo,  etiopštinu,  kanadské  slabiky,  Cherokee,  mongolštinu,  Ogham,  barmštinu,
       sinhálštinu, Thaana, Yi a mnoho jiných. Pracuje se na vložení  dalších  písem  jako  hieroglyfy  a  různé
       historické  indoevropské  jazyky,  eventuálně  by mohly být začleněny některé umělé jazyky, jako Tengwar,
       Cirth a klingonština. UCS navíc ke znakům pro tyto jazyky obsahuje grafické, typografické, matematické  a
       vědecké symboly používané např. v TeXu, PostScriptu, APL, MS-DOSu, MS-Windows, Macintosh, OCR, stejně tak
       jako v mnoha systémech pro zpracování textu a publikování, které neustále přibývají.

       Kódování  UCS (ISO 10646) popisuje 31-bitovou znakovou sadu, sestávající ze 128 24-bitových IR skupin , z
       nichž každá je rozdělena do 256 16-bitových planes(ploch), které se skládají z 256 8-bitových řad  s  256
       sloupci  -  pro  každý znak jeden. Část 1 standardu (ISO 10646-1)  definuje prvních 65534 kódů (0x0000 až
       0xfffd), tvoří tzv. Basic Multilingual Plane (BMP), tj. plochu 0 ve skupině  0.  Část  2  standardu  (ISO
       10646-2)   doplňuje  znaky  do  skupiny  0 mimo BMP v několika doplňkových plochách v rozsahu 0x100000 až
       0x10ffff. Doplnění znaků nad 0x10ffff se neplánuje, z celého kódového prostoru  skupiny  0  bude  tedy  v
       dohledné  budoucnosti  využita  pouze malá část. BMP obsahuje všechny znaky, obsažené v obvykle užívaných
       znakových sadách. Doplňkové plochy doplněné v ISO 10646-2 zahrnují  pouze  exotické  znaky  pro  zvláštní
       vědecké použití, tisk slovníků, publikování, vysokoúrovňové protokoly a nadšence.

       Reprezentaci  každého  UCS  znaku  jako  dvoubajtového  slova  se říká UCS-2 forma (jen pro znaky z BMP),
       zatímco UCS-4 je reprezentace každého znaku čtyřbajtovým slovem. Navíc existují dvě formy kódování: UTF-8
       pro zpětnou kompatibilitu s programy zpracovávajícími ASCII a UTF-16 pro zpětně  kompatibilní  zpracování
       znaků mimo BMP až do 0x10ffff programy používajícími UCS-2.

       Kódování  UCS  pro  znaky  mezi  0x0000 a 0x007f je totožné s běžnou sadou US-ASCII a znaky mezi 0x0000 a
       0x00ff jsou totožné se sadou ISO 8859-1 Latin-1.

   Spojování znaků
       Některé kódy v UCS jsou přiřazeny tzv. akcentům.  Tyto  jsou  podobné  neposouvajícím  znakům  na  psacím
       stroji.  Akcent  modifikuje  předchozí  znak. Nejdůležitější znaky s akcenty sice mají své vlastní kódy v
       UCS, ale akcentové znaky dovolují přidat libovolné diakritické znaménko k libovolnému znaku. Akcent  vždy
       následuje  znak,  který je modifikován. Například, německý znak Umlaut-A ("Velké A v latince s umlautem")
       může být reprezentován pomocí kódu UCS 0x00c4 a nebo alternativně jako kombinace  normálního  velkého  A,
       následovaného akcentem umlaut: 0x0041 0x0308.

       Akcenty  jsou  nezbytné  např.  pro  thajské  písmo,  pro  matematické  tisky a pro uživatele Mezinárodní
       fonetické abecedy.

   Úrovně implementace
       Protože se neočekává,že všechny systémy budou podporovat všechny varianty kódování, ISO 10646-1  definuje
       následující tři úrovně implementace UCS:

       Level 1  Akcenty  a  znaky  Hangul  Jamo  (speciální,  komplikované  kódování  korejského písma, kde jsou
                jednotlivé symboly dány jako sekvence dvou či tří znaků) nejsou podporovány.

       Level 2  Jako level 1, přičemž některé  kombinující  znaky  jsou  povoleny  (např.  pro  thajštinu,  Lao,
                hebrejštinu, arabštinu, Devangari, Malayalam).

       Level 3  Všechny znaky z UCS jsou povoleny.

       Standard  Unicode  3.0  publikovaný  Unicode  Consorciem sestává přesně z UCS Basic Multilingual Plane na
       úrovni implementace level 3, definované v ISO 10646-1:2000. Unicode 3.1 přidává doplňkové  plochy  z  ISO
       10646-2.  Standard  Unicode  a  technické  zprávy,  které  Unicode  Consotium  publikuje,  obsahují mnoho
       dodatečných informací o semantice a doporučených použitích různých znaků. Poskytují vodítka  a  algoritmy
       pro editování, třídění, porovnávání, normalizování, konverzi a zobrazování Unicode řetězců.

   Unicode pod Linuxem
       V  GNU/Linuxu  je  datový  typ  jazyka C wchar_t definován jako 32 bitový integer. Knihovna jazyka C jeho
       hodnoty vždy interpretuje jako kódové hodnoty UCS (ve všech locale), což je konvence, kterou GNU knihovna
       jazyka C oznamuje aplikacím definováním konstanty __STDC_ISO_10646__, tj. tak, jak to určuje standard ISO
       C99.

       UCS/Unicode může být, stejně jako ASCII,  používáno  ve  vstupních  a  výstupních  proudech,  terminálové
       komunikaci,  souborech  prostého  textu,  názvech  souborů  a  proměnných prostředí prostřednictvím ASCII
       kompatibilního vícebajtového kódování UTF-8. K užívání UTF-8 jako kódování znaků pro všechny aplikace  je
       třeba vybrat vhodné locale pomocí proměnných prostředí (např. "LANG=en_GB.UTF-8").

       Funkce   nl_langinfo(CODESET)   vrací  název  zvoleného  kódování.  Knihovní  funkce  jako  wctomb(3)   a
       mbsrtowcs(3)  mohou být použity ke konverzi interního typu wchar_t do  kódování  používaného  systémem  a
       naopak. Funkce wcwidth(3)  říká, kolik o pozic (0–2) postoupil kurzor po vytištění znaku.

   Private Use Areas (PUA)
       In  the  Basic Multilingual Plane, the range 0xe000 to 0xf8ff will never be assigned to any characters by
       the standard and is reserved for private usage. For the Linux  community,  this  private  area  has  been
       subdivided further into the range 0xe000 to 0xefff which can be used individually by any end-user and the
       Linux  zone  in  the  range  0xf000 to 0xf8ff where extensions are coordinated among all Linux users. The
       registry of the characters assigned to the Linux zone is maintained by LANANA and the registry itself  is
       Documentation/admin-guide/unicode.rst  in  the  Linux kernel sources (or Documentation/unicode.txt before
       Linux 4.10).

       Two other planes are reserved for private usage,  plane  15  (Supplementary  Private  Use  Area-A,  range
       0xf0000 to 0xffffd)  and plane 16 (Supplementary Private Use Area-B, range 0x100000 to 0x10fffd).

   Literatura
       *  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.

          This is the official specification of UCS . Available from 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.

          Dobrá referenční kniha o jazyku C. Čtvrté vydání také zahrnuje dodatek 1 z roku 1994 ke standardu  ISO
          C  90,  který přidává mnoho knihovních funkcí pro práci s wide-byte a multi-byte kódováními, ale ještě
          nezahrnuje ISO C99, které dále zlepšilo podporu těchto kódování.

       *  Technické zprávy Unicode.
          http://www.unicode.org/reports/

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

       *  Bruno Haible: Unicode HOWTO.
          http://www.tldp.org/HOWTO/Unicode-HOWTO.html

DALŠÍ INFORMACE

       locale(1), setlocale(3), charsets(7), utf-8(7)

TIRÁŽ

       Tato stránka je součástí projektu Linux man-pages v5.10.  Popis  projektu  a  informace  o  hlášení  chyb
       najdete na https://www.kernel.org/doc/man-pages/.

P◈EKLAD

       Překlad  této  příručky  do  španělštiny  vytvořili Jiří Pavlovský <pavlovsk@ff.cuni.cz> a Pavel Heimlich
       <tropikhajma@gmail.com>

       Tento překlad je bezplatná dokumentace; Přečtěte  si  GNU General Public License Version 3  nebo  novější
       ohledně podmínek autorských práv. Neexistuje ŽÁDNÁ ODPOVĚDNOST.

       Pokud  narazíte  na  nějaké  chyby  v  překladu této příručky, pošlete e-mail na adresu translation-team-
       cs@lists.sourceforge.net.

GNU                                              13. srpna 2020                                       UNICODE(7)