Uniode字符集.docVIP

Unicode通用HYPERLINK /view/51987.htm \t _blank字符集 Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的HYPERLINK /view/18536.htm \t _blank二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。 Unicode 是基于通用HYPERLINK /view/51987.htm \t _blank字符集（Universal Character Set）的标准来发展，并且同时也以书本的形式（The Unicode Standard，目前第五版由Addison-Wesley Professional出版 unicode，ISBN-10: 0321480910）对外发表。 　　2006年7 HYPERLINK /view/75273.htm \t _blank 月的最新版本的 Unicode 是5.0版本。 2005年HYPERLINK /view/477558.htm \t _blank3月31日推出的Unicode 4.1.0 。另外，5.0 Beta于2005年12月12日推出，5.2版本（unicode standard）于2009年10月1日正式推出，以供各会员评价。 　　目前Unicode标准，6.1版已发布（2012年1月31日）。在unicode联盟网站上可以查看完整的6.1的核心规范。 　　Unicode定义了大到足以代表人类所有可读字符的字符集。 　　Java语言就用到了Unicode编码，从而实现了该语言的国际通用性。 HYPERLINK /view/40801.htm 编辑本段Unicode 的编码和实现 　　大概来说，Unicode 编码系统可分为HYPERLINK /view/1084820.htm \t _blank编码方式和实现方式两个层次。 编码方式 　　Unicode是HYPERLINK /view/10475.htm \t _blank国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。HYPERLINK /view/25412.htm \t _blankUTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。 　　通用字符集（Universal Character Set，UCS）是由ISO制定的ISO 10646（或称ISO/IEC 10646）标准所定义的标准字符集。UCS-2用两个字节编码，UCS-4用4个字节编码。 　　历史上存在两个独立的尝试创立单一字符集的组织，即 HYPERLINK /view/42488.htm \t _blank 国际标准化组织（ISO）和多语言软件制造商组成的统一码联盟。前者开发的 ISO/IEC 10646 项目，后者开发的统一码项目。因此最初制定了不同的标准。 　　1991年前后，两个项目的参与者都认识到，世界不需要两个不兼容的字符集。于是，它们开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从Unicode 2.0开始，Unicode采用了与ISO 10646-1相同的HYPERLINK /view/1127103.htm \t _blank字库和字码；ISO也承诺，ISO 10646将不会替超出U+10FFFF的UCS-4编码赋值，以使得两者保持一致。两个项目仍都存在，并独立地公布各自的标准。但统一码联盟和ISO/IEC JTC1/SC2都同意保持两者标准的码表兼容，并紧密地共同调整任何未来的扩展。在发布的时候，Unicode一般都会采用有关字码最常见的字型，但ISO 10646一般都尽可能采用Century字型。 　　UCS-4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个平面（plane）。每个平面根据第3个字节分为256行 （row），每行有256个码位（cell）。group 0的平面0被称作BMP（Basic Multilingual Plane）。将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。每个平面有2^16=65536个码位。Unicode计划使用了17个平面，一共有17*65536=1114112个码位。在Unicode 5.0.0版本中，已定义的码位只有238605个，分布在平面0、平面1、平面2、平面14、平面