NOME

       unicode - conjunto de caracteres universal

DESCRIÇÃO

       O  padrão internacional ISO 10646 define o Universal Character Set (UCS). UCS contém todos
       os caracteres de todos os outros padrões. Ele também garante a compatibilidade retroativa,
       isto é, as tabelas de conversão podem ser construídas de forma que nenhuma informação seja
       perdida quando  uma  string  é  convertida  de  qualquer  outra  codificação  para  UCS  e
       vice-versa.

       UCS  contém  os caracteres necessários para representar quase todas as línguas conhecidas.
       Isto inclui não somente a latina, grega, cirílica, hebraica, árabe, armênia e  gregoriana,
       mas  também  chinesa,  japonesa e coreana, como também as escritas em ideogramas hiragana,
       katakana, hangul, devangari, bengali, gurmukhi, gujarati, oriya, tamil,  telugu,  kannada,
       malaio,  thai,  lao,  khmer,  bopomofo,  tibetana,  rúnica,  etíope,  silábica  canadense,
       cherokee, mongol, oghan, myanmar, sinhalam thaana, yi e muitas outras. Para escritas ainda
       não  cobertas,  pesquisas  de  como  se  fazer  a  codificação para o computador ainda são
       realizadas e elas serão  eventualmente  adicionadas.  Isto  não  inclui  somente  símbolos
       gráficos  e  várias  linguagens históricas indo-europeias mas, também, escritas artísticas
       como o tengwar, cirth e klingon.  A  UCS  também  incluí  um  grande  número  de  símbolos
       gráficos,  tipográficos,  matemáticos  e  científicos,  como  aqueles fornecidos pelo Tex,
       PostScript,  APL,  MS-DOS,  MS-Windows,  Macintosh,  fontes  OCR  e  muitos  sistemas   de
       processamento de texto e de publicação, e mais será adicionado.

       O  padrão  UCS  (ISO 10646) descreve uma arquitetura de conjunto de caracteres de 31 bits,
       consistindo de 128 grupos de 24 bits divididos em 256 planos de 16  bits  que  formam  256
       linhas  com  8  bits  com  256  colunas, uma para cada caractere. A parte 1 do padrão (ISO
       10646-1) define que as primeiras 65534 posições de código (0x0000  to  0xfffd),  formam  o
       Plano  Multilíngue  Básico (Basic Multilingual Plane - BMP), que é o plano 0 no grupo 0. A
       parte 2 do padrão (ISO 10646-2) adiciona caracteres ao grupo 0 que estão fora do  BMP  nos
       vários  planos  suplementares  no  intervalo  0x10000  até 0x10ffff. Não há planos para se
       adicionar caracteres depois de 0x10ffff no padrão, então de todo espaço de código, somente
       uma  pequena fração do grupo 0 será sempre usada em um futuro previsto. O BMP contém todos
       os caracteres encontrado em outros conjuntos usados normalmente. Os  planos  suplementares
       adicionados  pela  ISO  10464-2  cobre  somente  caracteres muito exóticos de necessidades
       especiais científicas, impressão de dicionários, industria de  publicações,  protocolo  de
       alto-nível e entusiastas.

       A  representação  de  cada caractere UCS como uma palavra de 2 bytes é referida pela forma
       UCS-2 (somente para caracteres  BMP),  enquanto  que  UCS-4  é  a  representação  de  cada
       caractere  por  uma palavra de 4 bytes. Adicionalmente, existem duas formas de codificação
       UTF-8 para tratamento de compatibilidade reversa com processamento  ASCII  e  UTF-16  para
       tratamento  de compatibilidade reversa com caracteres que não estejam no BMP para 0x10ffff
       para UCS-2.

       Os caracteres UCS 0x0000 até 0x007f são  idênticos  ao  clássico  conjunto  de  caracteres
       US-ASCII e no intervalo de 0x000 até 0x00ff são idênticos ao ISO 8859-1 (Latin-1).

   Caracteres combinantes
       Alguns  pontos  de código no UCS têm sido atribuídos aos caracteres combinantes. Estes são
       similares às teclas de acento de não-espaçamento em uma máquina de escrever. Um  caractere
       combinante  apenas  acrescenta um acento a um caractere anterior. Os caracteres acentuados
       mais importantes têm seus próprios  códigos  no  UCS,  porém  o  mecanismo  de  caracteres
       combinantes permitem acrescentar acentos e outras marcas diacríticas a qualquer caractere.
       Os caracteres combinantes sempre seguem o caractere que eles  modificam.  Por  exemplo,  o
       caractere  alemão  Umlaut-A  ("letra  A  maiúscula  com trema") pode ser representado pelo
       código UCS pré-composto 0x00c4, ou alternativamente como a  combinação  de  uma  "letra  A
       maiúscula" normal seguida de um "trema combinante": 0x0041 0x0308.

       Caracteres  combinantes  são  essencialmente  para  codificar a escrita thai ou tipografia
       matemática e usuários do Alfabeto Fonético Internacional.

   Níveis de implementação
       Como nem todo sistema suporta mecanismos avançados, como  caracteres  combinantes,  a  ISO
       10646-1 especifica os três seguintes níveis de implementação da UCS:

       Nível 1  Caracteres  combinantes e caracteres Hangul Jamo (uma codificação especial e mais
                complicada da escrita coreana, onde as sílabas Hangul são codificadas  como  dois
                ou três códigos vogal/consoante) não são implementados.

       Nível 2  Em  adição  ao  nível 1, caracteres combinantes são agora permitidos para algumas
                línguas, onde são essenciais (por exemplo, thai, lao, hebraico, árabe, devangari,
                malaio, etc.).

       Nível 3  Todos os caracteres UCS são suportados.

       O  padrão  Unicode  3.0  publicado  pelo  Unicode  Consortium  contém  exatamente  o Plano
       Multilíngue Básico do UCS no nível 3 de implementação, como descrito  na  ISO  10646:2000.
       Unicode  3.1  adicionou  os  planos  suplementares  da  ISO  10646-2.  O  padrão Unicode e
       relatórios técnicos publicados pelo Unicode Consortium fornecem informações adicionais  da
       semântica  e  utilização  recomendada  dos  vários  caracteres.  Ele  fornece diretrizes e
       algoritmos para edição, ordenamento, comparação, normalização,  conversão  e  exibição  de
       strings Unicode.

   Unicode no Linux
       No GNU/Linux, o tipo C wchar_t é um tipo inteiro, com sinal, de 32 bits. Estes valores são
       sempre interpretados pela biblioteca C como código UCS (em  todas  as  localizações),  uma
       convenção  que  é  assinalada  pela  biblioteca  GNU  C  para aplicações pela definição da
       constante __STDC_ISO_10646__ como especificado no padrão ISO C99.

       UCS/Unicode pode ser  usado  como  ASCII  nos  fluxos  de  entrada/saída,  comunicação  de
       terminais,  arquivos  de  texto  simples,  nomes  de  arquivos  e variáveis de ambiente na
       codificação multibyte UTF-8,  compatível  ASCII.  Para  sinalizar  o  uso  do  UTF-8  como
       codificação  caractere  para  todos aplicativos, uma localidade (locale) adequada deve ser
       selecionada pela variáveis de ambiente (por exemplo, "LANG=en_GB.UTF-8").

       A função nl_langinfo(CODESET) retorna o nome da codificação  selecionada.  Bibliotecas  de
       funções  como  wctomb(3)  e  mbsrtowcs(3)  podem ser usadas para transformar os caracteres
       wchar_t e strings internas na codificação  de  caracteres  do  sistema,  e  vice-versa,  e
       wcwidth(3) informa quantas posições (0–2) o cursor avança pela saída de um caractere.

   Área de Uso Privativo (PUA)
       No  Plano Multilíngue Básico, a faixa de 0xe000 até 0xf8ff nunca será atribuída a qualquer
       caractere pelo padrão, e é reservada para uso privativo. Para  a  comunidade  Linux,  esta
       área  privativa  foi  dividida  na  faixa  de  x0e000  até  0xefff,  que  pode  ser  usada
       individualmente por algum usuário final, e a zona Linux na faixa  de  0xf000  até  0xf8ff,
       onde as extensões são coordenadas entre todos os usuários Linux. O registro dos caracteres
       atribuídos  à   zona   Linux   é   mantido   por   LANANA   e   o   registro   em   si   é
       Documentation/admin-guide/unicode.rst    no    código-fonte    do    kernel    Linux   (ou
       Documentation/unicode.txt antes do Linux 4.10).

       Dois outros planos estão reservados para uso privativo: plano 15 (Área-A de Uso  Privativo
       Suplementar,  faixa  de  0xf0000  até  0xffffd)  e  plano  16  (Área-B  de  Uso  Privativo
       Suplementar, faixa de 0x100000 até 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, Genebra, 2000.

          Esta é a especificação oficial do UCS. Disponível em ⟨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:  Um  Manual de Referência. Quarta edição, Prentice Hall,
          Englewood Cliffs, 1995, ISBN 0-13-326224-3.

          Um bom livro de referência sobre a linguagem de programação C. A  quarta  edição  agora
          cobre  também  a  Emenda  de  1994  para o padrão ISO do C 90, que acrescenta um grande
          número de novas funções da biblioteca C para manipulação  de  conjuntos  de  caracteres
          largos e multi-bytes, mas ele não cobre a ISO C 99, que aprimora o suporte a caracteres
          largos e multi-bytes.

       *  Relatórios técnicos Unicode.
          ⟨http://www.unicode.org/reports/⟩

       *  Markus Kuhn: UTF-8 e Unicode FAQ para UNIX/Linux.
          ⟨http://www.cl.cam.ac.uk/~mgk25/unicode.html⟩

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

VEJA TAMBÉM

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

COLOFÃO

       Esta página faz parte da versão 5.10 do projeto Linux man-pages. Uma descrição do projeto,
       informações  sobre  relatórios  de  bugs  e  a  versão mais recente desta página podem ser
       encontradas em https://www.kernel.org/doc/man-pages/.

TRADUÇÃO

       A tradução para português brasileiro desta página man  foi  criada  por  Rubens  de  Jesus
       Nogueira   <darkseid99@usa.net>,  André  Luiz  Fassone  <lonely_wolf@ig.com.br>  e  Rafael
       Fontenelle <rafaelff@gnome.org>.

       Esta tradução é uma documentação  livre;  leia  a  Licença  Pública  Geral  GNU  Versão  3
       ⟨https://www.gnu.org/licenses/gpl-3.0.html⟩  ou  posterior  para  as condições de direitos
       autorais.  Nenhuma responsabilidade é aceita.

       Se você encontrar algum erro na tradução desta página de manual, envie um  e-mail  para  a
       lista de discussão de tradutores ⟨debian-l10n-portuguese@lists.debian.org⟩.