NOME

       unicode - insieme universale di caratteri

DESCRIZIONE

       Lo standard internazionale ISO/IEC 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/IEC  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/IEC 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 2 dello
       standard (ISO/IEC 10646-2) 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/IEC  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/IEC
       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/IEC 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/IEC
       10646-1:2000.  Unicode  3.1  ha  aggiunto  i  piani supplementari dell'ISO/IEC 10646-2. Lo
       standard Unicode e i rapporti 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").

       La funzione nl_langinfo(CODESET)  restituisce  il  nome  della  codifica  selezionata.  Le
       funzioni  di libreria come wctomb(3) e mbsrtowcs(3) possono essere usate per trasformare i
       caratteri interni e le  stringhe  wchar_t  nella  codifica  dei  caratteri  di  sistema  e
       viceversa  e  wcwidth(3)  dice  di  quante  posizioni  (0–2)  il  cursore  viene  avanzato
       dall'output di un carattere.

   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>,
       Marco Curreli <marcocurreli@tiscali.it> e Giuseppe Sacco <eppesuig@debian.org>

       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⟩.