Unicode

Buts:

• Codage de textes multilingues
• Codage des grands ensembles de caractères
• Codage Universel: un seul code pour tous les caractères des écritures existantes
• Unification des codes existants
• Codage à taille fixe (contrairement à iso-2022 utilisant un code-shifting)
• Attention: Il s'agit d'un codage des caractères et non des glyphes

Historique:

• 1990: Unicode 1.0 (28.302 caractères)
• 1996: Unicode 2.0 (38.885 caractères)
• 2000: Unicode 3.0 (49.194 caractères)
• 2003: Unicode 4.0 (96.382 caractères)

L'espace de codage Unicode est divisé en 17 plans de 65536 codes points. Le premier plan 00 est appelé le "Basic Multilingual Plane (BMP). Il contient la plupart des caractères des langues modernes. Entre autre il reprend tous les codes iso-latin, quelques autres langues, les caractères CJK (L'unification Hun pour le Chinois le Japonais et le Coréen).
Le plan 1: Supplementary Multilingual Plane (SMP) contient des écritures historiques, des symboles utilisés en musique...
Le plan 2: Supplementary Ideographic Plane (SIP) contient des caractères Chinois rares pour la plupart historiques
...
Les plan 15 et 16 sont à usage privé.

Unicode ajoute un certain nombre de contraites et de spécifications supplémentaires à l'ISO/IEC-10646

• 3 formes d'encodage: UTF-32 UTF-16 et UTF-8
• L'algorithme d'écriture bidirectionelle Bidi
• Définition d'algorithmes de tri
• Décomposition canonique, équivalences de caractères