JMÉNO

       unicode - univerzální znaková sada

POPIS

       The  international  standard  ISO/IEC 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.

       The  UCS standard (ISO/IEC 10646) describes a 31-bit character set architecture consisting
       of 128 24-bit groups, each divided into 256 16-bit planes made up of 256 8-bit  rows  with
       256  column  positions,  one  for each character. Part 1 of the standard (ISO/IEC 10646-1)
       defines the  first  65534  code  positions  (0x0000  to  0xfffd),  which  form  the  Basic
       Multilingual  Plane  (BMP),  that  is  plane 0 in group 0. Part 2 of the standard (ISO/IEC
       10646-2)  adds characters to group 0 outside the BMP in several  supplementary  planes  in
       the range 0x10000 to 0x10ffff. There are no plans to add characters beyond 0x10ffff to the
       standard, therefore of the entire code space, only a small fraction of group 0  will  ever
       be  actually  used in the foreseeable future. The BMP contains all characters found in the
       commonly used other character sets. The supplemental planes added by ISO/IEC 10646-2 cover
       only  more  exotic  characters  for  special  scientific,  dictionary printing, publishing
       industry, higher-level protocol and enthusiast needs.

       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.

       The UCS characters 0x0000 to 0x007f  are  identical  to  those  of  the  classic  US-ASCII
       character  set  and the characters in the range 0x0000 to 0x00ff are identical to those in
       ISO/IEC 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
       As  not all systems are expected to support advanced mechanisms like combining characters,
       ISO/IEC 10646-1 specifies the following three implementation levels of 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.

       The  Unicode  3.0  Standard  published  by the Unicode Consortium contains exactly the UCS
       Basic Multilingual Plane at implementation level 3, as described in ISO/IEC  10646-1:2000.
       Unicode  3.1  added  the  supplemental planes of ISO/IEC 10646-2. The Unicode standard and
       technical reports published by the Unicode Consortium provide much additional  information
       on the semantics and recommended usages of various characters. They provide guidelines and
       algorithms for  editing,  sorting,  comparing,  normalizing,  converting,  and  displaying
       Unicode strings.

   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)

PŘEKLAD

       Překlad  této  příručky  do češtiny 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
       ⟨https://www.gnu.org/licenses/gpl-3.0.html⟩ 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⟩.