NOME

       unicode - insieme universale di caratteri

DESCRIZIONE

       Lo  standard  internazionale  ISO  10646  definisce  l'insieme  universale  di  caratteri (UCS: Universal
       Character Set)". UCS contiene tutti i caratteri di tutti gli altri standard  per  insiemi  di  caratteri.
       Garantisce anche "compatibilità ad andata e ritorno", cioè è possibile costruire tavole di conversione in
       modo tale da non perdere nessuna informazione passando da una qualsiasi altra codifica a UCS e viceversa.

       UCS contiene i caratteri necessari alla rappresentazione di praticamente tutte le lingue conosciute. Esso
       comprende  non  solo  i  caratteri  latino  greco,  cirillico, ebreo, arabo, armeno e georgiano, ma anche
       alfabeti ideografici cinese, giapponese  e  coreano  han,  e  i  caratteri  hiragana,  katakana,  hangul,
       devanagari,  bengali,  gurmukhi,  gujarati,  oriya,  tamil, telugu, kannada, malayalam, thai, lao, khmer,
       bopomofo, tibetano, runico, etiopico, canadese sillabico, cherokee,  mongolo,  ogham,  myanmar,  sinhala,
       thaana, yi e altri. Per caratteri non ancora inclusi la ricerca su come codificarli al meglio è ancora in
       corso e prima o poi verranno aggiunti. Ciò potrebbe includere  non  solo  geroglifici  e  vari  linguaggi
       storici  indo-europei, ma anche alcuni caratteri artistici selezionati come tengwar, cirth e klingon. UCS
       include anche un grande numero di simboli grafici, tipografici, matematici e scientifici, inclusi  quelli
       forniti  da  TeX,  Postscript,  APL,  MS-DOS,  MS-Windows, Macintosh e font OCR, oltre a molti sistemi di
       elaborazione testi e di editoria, e altri se ne stanno aggiungendo.

       Lo standard UCS (ISO 10646) descrive una architettura di caratteri a 31 bit consistente di 128  gruppi  a
       24  bit,  ciascuno  diviso in 256 piani a 16 bit, composti da 256 righe a 8 bit, con 256 colonne, una per
       ciascun carattere. La parte 1 dello standard (ISO 10646-1) definisce le prime 65534 posizioni (da  0x0000
       a 0xfffd), che formano il Piano Multi-linguistico di Base (BMP), ovvero il piano 0 del gruppo 0. La parte
       due dello standard (ISO 10646-2comune di uta studio dettaglio isca  arcosu  PAI)  aggiunge  caratteri  al
       gruppo  0  al di fuori del BMP in numerosi piani supplementari nell'intervallo da 0x10000 a 0x10ffff. Non
       ci sono piani per l'aggiunta di caratteri  allo  standard  oltre  0x10ffff,  quindi,  dell'intero  spazio
       codice,  solo  una piccola frazione del gruppo 0 verrà usata nel prossimo futuro. Il BMP contiene tutti i
       caratteri che si trovano negli altri insiemi  di  caratteri  comunemente  usati.  I  piani  supplementari
       aggiunti  da  ISO  10646-2  coprono  solo  caratteri  esotici  per  speciali  bisogni scientifici, stampa
       dizionario, industria editoriale, protocolli di livello più elevato, e entusiasti.

       La rappresentazione di ciascun carattere UCS come parola di 2 byte è chiamato forma  UCS-2  (solo  per  i
       caratteri  BMP),  mentre  UCS-4  è  la  rappresentazione  di ciascun carattere in una parola a 4 byte. In
       aggiunta esistono due forme di codifica UTF-8 per retrocompatibilità col software di elaborazione ASCII e
       UTF-16 per la gestione della retrocompatibilità dei caratteri non BMP fino a 0x10ffff del software UCS-2.

       I  caratteri  UCS  nelle  posizioni  da  0x0000  a  0x007f coincidono con quelli classici di US-ASCII e i
       caratteri da 0x0000 a 0x00ff coincidono con quelli dell'insieme ISO 8859-1 Latin-1.

   Caratteri combinanti
       Alcuni codici di UCS sono stati assegnati a caratteri combinanti. Simile ad un tasto  accentato  che  non
       avanza  in una macchina da scrivere, un carattere combinante aggiunge un accento al carattere precedente.
       I caratteri accentati più importanti hanno un loro codice  in  UCS,  ma  questo  meccanismo  permette  di
       aggiungere  accenti a altri segni diacritici a qualsiasi carattere. I caratteri combinanti seguono sempre
       il carattere che modificano. Ad esempio, il carattere tedesco Ä («A maiuscola romana  con  dieresi»)  può
       essere  rappresentato  sia  col codice UCS precomposto 0x00c4, oppure come combinazione di una normale «A
       maiuscola romana» seguita da una «dieresi combinante»: 0x0041 0x0308.

       I caratteri combinanti  sono  essenziali  per  esempio  nella  codifica  dei  caratteri  Thai  o  per  la
       composizione matematica e per gli utenti dell'alfabeto internazionale fonetico.

   Livelli di implementazione
       Siccome  non  ci  si  aspetta che tutti i sistemi possano supportare meccanismi avanzati come i caratteri
       combinanti, ISO 10646-1 specifica tre livelli d'implementazione per UCS:

       Livello 1
                I caratteri combinanti e Hangul Jamo (una variante della codifica dell'alfabeto coreano, dove le
                sillabe  Hangul  sono  codificate  come tripletta o coppia di codici vocale/consonante) non sono
                supportati.

       Livello 2
                Come il livello 1, ma alcuni caratteri combinanti sono permessi in  alcuni  alfabeti  (per  es.,
                tailandese, laotiano, ebraico, arabo, devangari, malese).

       Livello 3
                Tutti i caratteri UCS sono supportati.

       Lo   Standard   Unicode   3.0   pubblicato   dall'Unicode   Consortium   contiene  esattamente  il  piano
       multi-linguistico di base UCS al livello 3 d'implementazione, come descritto in ISO 10646-1:2000. Unicode
       3.1  ha  aggiunto  i  piani  supplementari  dell'ISO  10646-2.  Lo  standard  Unicode e i raporti tecnici
       pubblicati dall'Unicode Consortium forniscono molte informazioni aggiuntive sulla semantica e  sugli  usi
       raccomandati  dei  vari  caratteri.  Essi  forniscono  linee  guida e algoritmi per editing, ordinamento,
       comparazione, normalizzazione, conversione e visualizzazione delle stringhe Unicode.

   Unicode sotto Linux
       Sotto GNU/Linux, il tipo C wchar_t è un  tipo  intero  32-bit  con  segno.  I  suoi  valori  sono  sempre
       interpretati  dalla  libreria  C come valori del codice UCS (in tutte le localizzazioni), una convenzione
       che è segnalata alle applicazioni dalla libreria C di GNU definendo la costante  __STDC_ISO_10646__  come
       specificato nello standard ISO C99.

       UCS/Unicode  può  essere  usato come semplice ASCII nei flussi input/output, comunicazioni tra terminali,
       file di testo, nomi file e variabili d'ambiente nella codifica multi-byte .B UTF-8 compatibile ASCII. Per
       segnalare  l'uso  di  UTF-8  come  codifica carattere a tutte le applicazioni deve venire selezionata una
       localizzazione appropriata attraverso variabili d'ambiente (es., "LANG=en_GB.UTF-8").

       The nl_langinfo(CODESET) function returns the name of the selected encoding.  Library functions  such  as
       wctomb(3)   and  mbsrtowcs(3)   can be used to transform the internal wchar_t characters and strings into
       the system character encoding and back and wcwidth(3)  tells how  many  positions  (0–2)  the  cursor  is
       advanced by the output of a character.

   Aree di uso privato (PUA)
       L'intervallo  da  0xe000  a  0xf8ff  nel  Piano  multi-linguistico di base, non verrà mai assegnato dallo
       standard a nessun carattere ed è riservato per uso privato. Per la comunità  Linux  questo  intervallo  è
       stato  ulteriormente  suddiviso  nell'intervallo  da  0xe000  a  0xefff, che può essere usato dall'utente
       finale, e nell'area Linux nell'intervallo da 0xf000 a 0xf8ff, le cui estensioni sono coordinate fra tutti
       gli  utenti di Linux. Il registro dei caratteri assegnati all'area Linux è al momento mantenuto da LANANA
       e  il  registro  stesso  è  Documentation/admin-guide/unicode.rst  nei  sorgenti  del  kernel  Linux   (o
       Documentation/unicode.txt prima di Linux 4.10).

       Altri due piani sono riservati per uso privato, il piano 15 (Supplementary Private Use Area-A, intervallo
       da 0xf0000 a 0xffffd) e il  piano  16  (Supplementary  Private  Use  Area-B,  intervallo  da  0x100000  a
       0x10fffd).

   Bibliografia
       •  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.

          Questa è la specifica ufficiale di UCS. Disponibile su ⟨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  buon  testo  di  riferimento  sul  linguaggio  di  programmazione  C. La quarta edizione comprende
          l'Emendamento 1 del 1994 allo standard ISO C90, che aggiunge un buon numero di funzioni di libreria  C
          per  gestire  codifiche  di  caratteri  lunghi e multibyte, ma non comprende ancora la ISO C99, che ha
          migliorato ulteriormente il supporto per i caratteri lunghi e multibyte.

       •  Unicode Technical Reports.
          ⟨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⟩

VEDERE ANCHE

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

TRADUZIONE

       La  traduzione  italiana  di  questa  pagina  di  manuale  è   stata   creata   da   Ottavio   G.   Rizzo
       <rizzo@pluto.linux.it>,  Giulio  Daprelà <giulio@pluto.it>, Elisabetta Galli <lab@kkk.it> e Marco Curreli
       <marcocurreli@tiscali.it>

       Questa  traduzione  è  documentazione  libera;  leggere  la  GNU  General  Public  License   Versione   3
       ⟨https://www.gnu.org/licenses/gpl-3.0.html⟩  o  successiva  per  le  condizioni  di  copyright.   Non  ci
       assumiamo alcuna responsabilità.

       Per segnalare errori nella traduzione di  questa  pagina  di  manuale  inviare  un  messaggio  a  ⟨pluto-
       ildp@lists.pluto.it⟩.