Stichpunkte

Allgemein
	Unicode ist ein internationaler Standard
	in dem langfristig für jedes sinntragende Zeichen bzw
	Textelement aller bekannten Schriftkulturen und Zeichensysteme ein digitaler Code festgelegt wird
	Er will das Problem der verschiedenen inkompatiblen Kodierungen in den unterschiedlichen Ländern beseitigen
	Herkömmliche Computer-Zeichensysteme umfassen einen Zeichenvorrat von 128 (7 Bit) wie der sehr bekannte ASCII bzw
	wie z
	256 (8 Bit) Zeichen
	BI
	SO Latin-1
	wovon nach Abzug der Steuerzeichen 96 bzw1
	92–224 als Schrift- und Sonderzeichen darstellbar sindD
	iese Zeichenkodierungen erlauben die gleichzeitige Darstellung von nur wenigen Sprachen im selben Text
	wenn man sich nicht damit behilft
	in einem Text verschiedene Schriften mit unterschiedlichen Zeichensätzen zu verwendenD
	ies behinderte den internationalen Datenaustausch erheblichI
	n Unicode finden sämtliche Zeichen bestehender Zeichensätze nach Industriestandards
	und nationalen sowie ISO-Normen eine 1 : 1 EntsprechungH
	sogenannten Codepages
	eute erledigen die meisten Webbrowser die Darstellung dieser Zeichensätze mit einer Unicode-kodierten Schrift in der Regel perfekt und vom Benutzer unbemerktU
	Speicherung und Ãœbertragung 2 Normierungsinstitutionen 1 Kodierungskriterien 1.1 Beispiel: Combining Grapheme Joiner (CGJ) 2 Eingabemethoden 3 Schriftarten 4 Versionen von Unicode 5 Weblinks 6 Literatur [Bearbeiten]
	niversal Character Set (UCS) ist die von ISO verwendete praktisch bedeutungsgleiche Bezeichnung des Unicode-Zeichensatzes. Inhaltsverzeichnis showTocToggle("Anzeigen"
	"Verbergen") 1 Codes
Codes, Speicherung und Ãœbertragung
	Die Codes von Unicode-Zeichen werden hexadezimal mit vorangestelltem U+ dargestellt
	Hierbei kann x als Platzhalter verwendet werden
	wenn zusammenhängende Bereiche gemeint sind
	wie U+01Fx für den Codeberich U+01F0 - U+01FF Der Coderaum von Unicode umfasste ursprünglich 65.536 Zeichen (16 Bit)
	Bald aber stellte sich dies als unzureichend heraus
	sogenannte Planes
	erweitert
	Seit der Version 2 ist der Codebereich um weitere 16 gleichgroße Bereiche
	siehe Liste der Unicode-Blöcke
	Somit sind nun maximal 1.114.112 (= 220+216) Zeichen bzw. „Codepoints“ im Codebereich von U+00000 bis U+10FFFF in Unicode vorgesehen
	Bislang
	in Unicode 4.0
	sind 96.382 Codes individuellen Zeichen zugeordnet
	Das entspricht in etwa erst 9% des Coderaumes
	sind in der Liste der Unicode-Blöcke vollständig aufgeführt
	Die Codebereiche (Blöcke)
	in welche die Unicode-Planes untergliedert werden
	z
	Neben den gültig kodierten Zeichen ist auch sehr langfristig
	T. noch recht vage Geplantes aufgeführt
	Links verweisen dort auf die offiziellen Codetabellen oder auf die weitere Planung betreffende Dokumente
	wobei UTF-8 das gebräuchlichste ist
	die auf dem proprietären EBCDIC-Format von IBM-Großrechnern aufbaut. Punycode dient dazu
	siehe Weblinks. UTF-EBCDIC ist eine Unicode-Erweiterung
	Die Speicherung und Ãœbertragung von Unicode erfolgt in unterschiedlichen Formaten: Unicode Transformation Format (UTF)
	Domainnamen mit nicht-ASCII Zeichen zu kodieren
	z.B. im Internet und in fast allen Betriebsystemen. SCSU (Standard Compression Scheme for Unicode) ist eine wenig effektive und -gebräuchliche Methode zur platzsparenden Speicherung
	Siehe auch: IDNA [Bearbeiten]
Normierungsinstitutionen
	Das gemeinnützige Unicode Consortium zeichnet für den Industriestandard Unicode verantwortlich. Von der ISO (International Organization for Standardization) wird die internationale Norm ISO 10646 herausgegeben.Beide Institutionen arbeiten eng zusammen
	Seit 1993 sind Unicode und ISO 10646 bezüglich der Zeichenkodierung identisch
	das u
	Während ISO 10646 lediglich die eigentliche Zeichenkodierung festlegt
	gehört zum Unicode ein umfassendes Regelwerk
	A. für alle Zeichen weitere zur konkreten Anwendung wichtige Eigenschaften eindeutig festlegt wie Sortierreihenfolge
	Schreibrichtung und Regeln für das Kombinieren von Zeichen
	Im Moment ist Unicode strenggenommen noch eine Untermenge von ISO 10646: Während ISO 10646 Zeichencodes mit bis zu 31 Bit zulässt
	sind bei Unicode maximal 21 Bit erlaubt
	In nächster Zeit aber dürfte der ISO-Codebereich auf den von Unicode reduziert werden. [Bearbeiten]
Kodierungskriterien
	um die Langlebigkeit digitaler Daten zu gewährleisten
	Gegenüber anderen Normen gibt es bei Unicode die Besonderheit
	dass einmal kodierte Zeichen niemals wieder entfernt werden
	wird allenfalls von seiner Verwendung abgeraten
	Sollte sich die Normierung eines Zeichens nachträglich als Fehler erweisen
	die sich über Jahre hinziehen kann
	Daher bedarf die Aufnahme eines Zeichens in den Standard einer äußerst sorgfältigen Prüfung
	nicht Glyphen
	Im Unicode werden „abstrakte Zeichen“ (engl.: characters) kodiert
	beim lateinischen Alphabet beispielsweise in Fraktur
	Antiqua
	Letzteres ist die graphische Darstellung abstrakter Zeichen
	die extrem unterschiedlich ausfallen kann
	siehe auch Glyphe
	im Irischen und in Handschriften
	Für Glyphenvarianten
	sind vorsorglich 256 „Variation Selectors“ vorgesehen
	die sowohl das lateinische als auch das griechische Alphabet enthalten
	die ggf. dem eigentlichen Code nachgestellt werden können. Andererseits haben Schriften
	deren Normierung als sinnvoll und notwendig nachgewiesen wird
	doppelt kodierte identische Glyphen für die folgenden mehrdeutigen Buchstaben: Α Î’ Ε Ζ Η Ι Κ Îœ Î? Ο Ρ Τ Î¥ Χ
	nicht aber einer Unicode-Kodierung bedarf. Allerdings wird in Grenzfällen hart um die Entscheidung gerungen
	Von vielen Zeichen gibt es nicht nur durch die Schriftart bedingte Varianten sondern auch innerhalb einer Schriftart mehr oder minder notwendige sprach- schrift- oder kontextabhängige Glyphenvarianten und Ligaturen
	zu deren Darstellung es sogenannter Smartfonttechniken wie OpenType
	d.h. unterschiedliche (Grapheme) handelt
	ob es sich um Glyphenvarianten oder kodierungswürdige Zeichen
	da der gesamte Zeichenvorrat des Phönizischen dort eindeutige Entsprechungen hat
	und auch die beiden Sprachen sehr eng verwandt sind
	das phönizische Alphabet könne man als Glyphenvarianten des hebräischen betrachten
	Beispielsweise sind nicht wenige Fachleute der Meinung
	hat sich letztlich durchgesetzt
	es handele sich um ein separates Zeichensystem
	Die Auffassung
	in der Unicode-Terminologie „script“
	Anders verhält es sich bei CJK: Chinesisch
	Japanisch (Kanji) und Koreanisch (Hanja)
	Hier haben sich im Laufe der Jahrhunderte die Formen vieler gleichbedeutender Schriftzeichen auseinanderentwickelt
	Dennoch teilen sich die sprachspezifischen Glyphen die selben Codes im Unicode
	und die zeichnen sich schon durch außergewöhnliche Dateigrößen aus
	In der Praxis werden hier wohl überwiegend sprachspezifische Schriftarten verwendet
	Die einheitliche Kodierung der CJK-Schriftzeichen (Han Unification) war eine der wichtigsten und umfangreichsten Vorarbeiten für die Entwicklung von Unicode
	Besonders in Japan ist sie durchaus umstritten
	Zu Einzelheiten (engl.) siehe Weblinks
	siehe Geschichte des Unicode
	musste berücksichtigt werden
	dass bereits eine Vielzahl unterschiedlicher Kodierungen millionenfach verwendet wurde
	Als der Grundstein für Unicode gelegt wurde
	Unicode-basierte Systeme sollten herkömmlich kodierte Daten mit geringem Aufwand handhaben können
	Hierzu wurde für die unteren 256 Zeichen die weit verbreitete ISO 8859-1-Kodierung (Latin1) beibehalten ebenso wie die Kodierungsarten verschiedener nationaler Normen
	z
	BT
	die in der ursprünglichen Reihenfolge lediglich in höhere Codebereiche verschoben wurdenJ
	IS 620 für Thailändisch (fast identisch mit ISO 8859-11) oder ISCII für indische Schriften
	edes Zeichen maßgeblicher überkommender Kodierungen wurde in den Standard übernommen
	auch wenn es den normalerweise angelegten Maßstäben nicht gerecht wirdH
	ierbei handelt es sich zu einem großen Teil um Zeichen
	die aus zwei oder mehr Zeichen zusammengesetzt sind
	wie Buchstaben mit diakritischen ZeichenI
	Zeichen mit Diakritika ordentlich zusammenzusetzenD
	m übrigen verfügt auch heute noch ein großer Teil der Software nicht über die Möglichkeit
	ie exakte Festlegung von äquivalenten Kodierungen ist Teil des zum Unicode gehörenden umfangreichen RegelwerksO
	bgleich die hexadezimalen Ziffern A - F formal die Kriterien für eine gesonderte Kodierung erfüllen
	weil in der Praxis deren Funktion stets von den Buchstaben A - F übernommen wird. Vielen Unicode-Zeichen ist keine Glyphe zugeordnetA
	musste dies unterbleiben
	uch sie gelten als „characters“N
	sogar solche ohne Breite
	eben den Steuerzeichen wie Zeilenvorschub (U+000A)
	die ohne Wortzwischenraum geschrieben werdenF
	die u.a. als Worttrenner gebraucht werden für Sprachen wie Thai oder Tibetisch
	Tabulator (U+0009) usw. sind allein 19 Zeichen explizit als Leerzeichen definiert
	z.BA
	ür bidirektionalen Text
	rabisch - Lateinisch sind sieben Formatierungszeichen notwendig. [Bearbeiten]
Beispiel: Combining Grapheme Joiner (CGJ)
	das normalerweise von den Anwendungsprogramen völlig ignoriert wird (engl.: default ignorable)
	Der CGJ ist ein unsichtbares Sonderzeichen
	Er soll audrücklich nicht zur Kennzeichnung von Glyphenvarianten o. Ä. verwendet werden
	Sein Gebrauch ist wie folgt definiert: In manchen Sprachen gibt es Digraphen und Trigraphen
	d.h. insbesondere sortiert werden
	die grundsätzlich als eigenständige Buchstaben behandelt
	dz
	gy
	ty und zs
	ly
	ny
	sz
	dzs
	Im Ungarischen beispielsweise betrifft das: cs
	wurde der „Combining Grapheme Joiner“ CGJ (U+034F) eingeführt
	Ausnahmen hiervon bei Bedarf zu kennzeichnen
	Der Name bedeutet eigentlich das Gegenteil
	auch die Namen kodierter Zeichen werden niemals geändert
	auch das gehört zum Standard
	aber
	Trägt ein Buchstabe mehrere Diakritika drüber oder drunter
	werden diese normalerweise vertikal gestapelt
	Für Ausnahmefälle
	in denen zwei Diakritika nebeneinander stehen müssen
	sieht Unicode vor
	dass ein CGJ dazwischengestellt wird
	auf die dann mittels einer Schrifttechnik wie OpenType zugegriffen werden kann
	Es obliegt dem Schriftentwickler
	die Erscheinungform der Zeichenfolgen „Diakritikon1 CGJ Diakritikon2“ festzulegen
	Die im Standard festgelegte Eigenschaft „default ignorable“ qualifiziert den CGJ
	in Sonderfällen auch andere sonst unnötige feine Unterschiede zu markieren
	So kann die Datenverarbeitung deutscher Bibliotheken die Unterscheidung von Umlaut und Trema (meist für fremdsprachige Namen) erfordern
	um es als Umlaut zu kennzeichnen
	dem Trema (U+0308) den CGJ voranzustellen
	Hier empfiehlt Unicode
	Die ursprünglich von DIN vorgeschlagene nachträgliche gesonderte Kodierung der Umlaut-Punkte hätte zu einer kaum vertretbaren Inkonsistenz großer Datenmengen geführt. [Bearbeiten]
Eingabemethoden
	Will man ein Unicode-Zeichen (zum Beispiel „⊕“) in HTML oder XML verwenden
	sucht man es zunächst aus der entsprechenden Tabelle (hier: Mathematische Symbole)
	Dort ist seine Zeichennummer hexadezimal angegeben
	Mit dieser Zeichennummer erstellt man dann eine Zeichenentität durch Voranstellen von „&#x“ und Anfügen eines Semikolons
	eben „⊕“
	Die Zeichennummer kann in der Zeichenentität auch dezimal
	zum Beispiel „⊕“ für das gleiche Zeichen
	angegeben werden
	dann ohne führendes „x“
	Unicode in XML-Dateien in leichter verständlicher Form einzugeben
	Die Text Encoding Initiative TEI hat Empfehlungen erarbeitet
	der in das Stylesheet integriert wird
	Hier handelt es sich um einen Satz benannter Zeichen (engl.: named entites)
	Allgemein übliche benannte Zeichen sind z.B. die Umlaute wie „Ä“ statt „Ä" für Ä
	erkannte Datei) eingeben
	0
	zum Beispiel UTF-8
	also zum Beispiel Strg+V
	U und dann die hexadezimale Zeichennummer drückt
	Im Vi Improved kann man Unicode-Zeichen (Voraussetzung: Unicode-basierte Locale oder als Unicode
	C für das Euro-Zeichen
	A
	U
	indem man Strg+V
	2
	also 8364 für das Zeichen €
	indem man ALT-c insert-ucs-character und dann die dezimale Zeichennummer eingibt
	Im Emacs kann man Unicode-Zeichen eingeben
	Unter Windows (ab Windows 2000) kann in vielen Programmen der Code hexadezimal eingegeben werden
	Mit nachfolgendem Alt-x wird das Zeichen erzeugt
	den Code des vor dem Cursor stehenden Zeichens anzuzeigen
	Diese Tastenkombination kann unter Windows XP auch benutzt werden
	Ob das entsprechende Unicode-Zeichen auch tatsächlich am Bildschirm erscheint
	hängt davon ab
	ob die verwendete Schriftart eine Glyphe für das gewünschte Zeichen (also eine Grafik für die gewünschte Zeichennummer) enthält
	z.B unter Windows wird
	Oftmals
	falls die verwendete Schrift ein Zeichen nicht enthält
	nach Möglichkeit ein Zeichen aus einer anderen Schrift eingefügt
	In der Typographie gilt so etwas als Fehler namens Zwiebelfisch
	In Webbrowsern hingegen ist dies überaus nützlich. [Bearbeiten]
Schriftarten
	Mittlerweile hat der Zeichensatz von Unicode/ISO einen Umfang angenommen
	der sich praktisch nicht mehr vollständig in einer Schriftart unterbringen lässt
	TrueType- und OpenType-Schriften kann man maximal 65.536 Zeichen unterbringen
	In Postscript-CFF-
	dass die enthaltene Zeichenauswahl normgerecht kodiert ist
	So versteht es sich von selbst
	dass Unicode/ISO-Konformität einer Schrift nicht bedeutet
	dass der komplette Zeichensatz enthalten sein muss
	sondern lediglich
	Normalerweise wird eine dem Verwendungszweck oder Verbreitungsgebiet angemessene Auswahl getroffen
	Die derzeit umfangreichste Schrift – in zwei Dateien aufgeteilt – ist Code 2000/Code 2001 (http://home.att.net/~jameskass/) von James Kass
	umfangreiche und spezialisierte Unicode-Schriften bietet Allan Wood (http://www.alanwood.net/unicode/fonts.html). [Bearbeiten]
	Eine Übersicht über viele kostenlose und kommerzielle
Versionen von Unicode
	unabhängig von Unicode) 1991 Unicode 1.0 1992 Unicode 1.0.1 (Modifikationen um eine Zusammenführung mit ISO 10646 zu ermöglichen) 1993 Unicode 1.1 (Unicode und ISO-Norm erstmals vereinigt: Codes identisch zu ISO 10646-1: 1993) 1996 Unicode 2.0 (Abgleich mit ISO 10646 Erweiterungen) 1998 Unicode 2.1 (unter anderem Einführung des Eurozeichens) 2000 Unicode 3.0 (Abgleich mit ISO 10646-1: 2000) 2001 Unicode 3.1 (Abgleich mit ISO 10646-2: 2001) 2002 Unicode 3.2 2003 Unicode 4.0 (Abgleich mit ISO 10646: 2003) 2004 Unicode 4.0.1 2005 Unicode 4.1 März 2005 [Bearbeiten]
	Derzeit erscheinen neue Versionen ungefähr im Abstand von 1 1/2 Jahren
	unabhängig von Unicode) 1990 DIS-1 10646 (Erster Entwurf für ISO 10646
	wobei in der letzten Zeit pro Jahr etwa 1000 Zeichen neu aufgenommen werden. 1989 DP 10646 (Vorschlag für den Entwurf von ISO 10646
Weblinks
	Unicode Consortium (http://www.unicode.org) (englisch) u.A
	eine weitere kostenlose sehr umfangreiche Schrift von Victor Gaultney
	zu dem auch die Codetabellen (http://www.unicode.org/charts/) gehören (engl.). UTS #6: Compression Scheme for Unicode (http://www.unicode.org/reports/tr6/) Das Unicode-System - Beschreibung im HTML-Kompendium SELFHTML (http://de.selfhtml.org/inter/unicode.htm) Alan Woods Unicode-Materialsammlung (http://www.alanwood.net/unicode/index.html) The Letter Database (http://www.eki.ee/letter/) Junius-Unicode
	umfangreicher Font (1434 Zeichen) für Windows
	Japanisch und Koreanisch: englischer Wikipediaartikel „Han Unification“ (http://en.wikipedia.org/wiki/Han_unification) Han Unification in Unicode (http://tclab.kaist.ac.kr/~otfried/Mule/unihan.html) by Otfried Cheong Why Unicode Won't Work on the Internet: Linguistic
	A Mail-Safe Transformation Format of Unicode) Ist nicht mehr in Gebrauch. RFC 3629 (UTF-8
	Political
	a transformation format of ISO 10646) RFC 3492 - Punycode: A Bootstring encoding of Unicode for Internationalized Domain Names in Applications (IDNA) Definition von UTF-EBCDIC (http://www.unicode.org/reports/tr16/) Zur gemeinsamen Kodierung von Chinesisch
	kyrillischer und phonetischer (IPA) Unicode-Zeichen (http://vonRauch.de/kbd/) [Bearbeiten]
	and Technical Limitations (http://www.hastingsresearch.com/net/04-unicode-limitations.shtml) Why Unicode Will Work On The Internet (http://slashdot.org/features/01/06/06/0132203.shtml) Per-character summary of differences in characters (http://www.debian.or.jp/~kubota/unicode-unihan.html) Konverter: Unicode Characters to HTML Entities Converter -- http://pioneer.stereo.lu/converter.html -- konvertiert Unicode-Zeichen in dezimale und hexadizmale HTML-Entitäten (von Shaun Moss
	ein SIL-Projekt (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=Gentium_download/) Standards: RFC 2152 (UTF-7
	Mac und Linux (http://www.engl.virginia.edu/OE/junicode/junicode.html) (englisch) Gentium
	Linkliste zu allen Kapiteln des offiziellen Unicode-Buchs (PDFs) (http://www.unicode.org/versions/Unicode4.0.1/)
	adaptiert von „ASCII to HEX to Unicode Converter“ von Mike Golding) Konverter für Unicode-Zeichen in dezimale HTML/XML-Zeichenreferenzen; auch Download zur lokalen Verwendung (http://vonRauch.de/compslav/unic2xml.html) Tools: Win2k/XP-Tastaturlayouts auf der Grundlage der deutschen Standardtastatur zur direkten Eingabe lateinischer
Literatur
	Julie Allen (Hrsgr.)
	Joe Becker (Hrsgr.): The Unicode Standard Version 4.0
	Joan Aliprand (Hrsgr.)
	ISBN 0321185781 bs:Unikod cs:Unicode da:Unicode en:Unicode eo:Unikodo es:Unicode fi:Unicode fr:Unicode he:יוניקוד hi:यूनिकोड hu:Unicode ia:Unicode it:Unicode ja:Unicode kn:ಯà³?ನಿಕೋಡà³? ks:YunikÅ?á¸?a ku:Unicode minnan:Thong-iÅ?ng-bé nl:Unicode no:Unicode pl:Unicode pt:Unicode ro:Unicode ru:Юникод sk:Unicode sr:Уникод sv:Unicode ta:யà¯?னிகோடà¯? th:ยูนิโคด vi:Unicode zh:Unicode
	Addison Wesley 2003

[X] Schliessen

Dieser Artikel basiert auf dem Artikel Unicode aus der freien Enzyklopädie wikipedia und steht unter der GNU Lizenz für freie Dokumentation. In der wikipedia ist eine Liste der Autoren verfügbar.