Unicode - Alemannische Wikipedia

Unicode - Alemannische Wikipedia
Zum Inhalt springen
Us der alemannische Wikipedia, der freie Dialäkt-Enzyklopedy
Dialäkt:
Züritüütsch
Unicode
isch en internationale
Standard
, wo langfristig für jedes sinnträgende
Zeiche
bzw. Tekschtelement vo allne bekannten
Schriftkulture
und
Zeichesyschtem
än digitale
Code
feschtgläit wird. Er will s'Problem vo dä verschiidene
inkompatible Kodierige
i dä underschiidliche
Länder
besytige. Herkömmlichi Computer-Zeichesyschtem umfassed än Zeichevorrat vo entweder 128 (7 Bit) Zeiche wie dä sehr bekannti
ASCII
-Standard oder 256 (8 Bit) Zeiche, wie z. B. ISO
Latin-1
, wobii detä nach Abzug vo dä
Stüürzeiche
96 Elemänt bi ASCII und 192–224 Elemänt bi dä 8-Bit ISO-Zeichesätz als Schrift- und
Sonderzeiche
darschtellbar sind. Diä Zeichekodierige erlaubed die gliichzytig Darschtellig von nur wenige Schprache im gliiche Tekscht, wenn mer sich nöd demit behilft, imene Tegscht verschiideni Schrifte mit underschiidliche
Zeichesätz
z'verwende. Das hät bisher dä internationali
Dateuustuusch
starch behinderet.
In Unicode finded Zeiche vo dä wichtigschte
Industriistandard
-Zeichesätz wie d'
ISO-Norme
ä 1:1-Entsprechig (das bedütet, dass binere Konversion vom Industriistandard zu Unicode und zrugg s'gliiche Ergebnis usechunnt). Hüt erlediged die meischte
Webbrowser
die Darstellig vo dene
Zeichesätz
mit ere Unicode-kodierte Schrift i dä Regel perfekt und ooni dass dr Benutzer öbbis merkt.
ISO 10646 isch die praktisch bedütigsgliichi Bezeichnig vom Unicode-Zeichesatz, wo vo
ISO
verwendet wird; er wird det als
Universal Character Set
(UCS) bezeichnet.
Codes, Spiicherig und Überträgig
ändere
Quälltäxt bearbeite
D'
Codes
vo Unicode-Zeiche werded
hexadezimal
mit voraageschtelltem „U+“ dargschtellt. Derbii chan „x“ als Platzhalter verwendet werde, wenn zämehängendi Beriich gmeint sind, wie z. B. „U+01Fx“ für dä Codebereich U+01F0–U+01FF.
De Coderuum vo Unicode hät urschprünglich 65'536 Zeiche umfasst (UCS-2, 16
Bit). Bald aber hät sich usegschtellt, dass das nit längt. I dä Version
2.0 isch dä Codebereich um wiiteri 16 gliich große Bereich, sogenannti
Planes
(Ebene) erwiiteret worde. So sind jetz maximal 1'114'112 (2
20
+2
16
) Zeiche bzw.
Codepoints
im Codeberiich vo U+00000 bis U+10FFFF vorgsee (UCS-4, 32
Bit). Bis zur Unicode-Version
4.0, sind 96'382 Codes individuelli Zeiche zuegordnet. Das entspricht erst öppe 9% vom gsamte Coderuum.
D Codeberiich (Blöck), wo d'Unicode-Ebene drin iideilt werded, sind i dä Lischte vo dä Unicode-Blöck vollschtändig ufgfüert. Zuesätzlich zu dä gültig kodierte Zeiche isch au sehr langfrischtig, z.
T. no recht ungnau Plaants ufgfüert.
D'Spiicherig und d'Überträgig vo Unicode erfolgt in underschiidliche Formate:
Unicode Transformation Format
(UTF), wobii
UTF-8
am meiste brucht wird, z. B. im
Internet
und i fascht allne
Betriibssystem
. Näbed
UTF-8
hät
UTF-16
e grossi Bedütig, so z. B. als Zeichecodierig in
Java
, wo em Unicode UCS-4 für alli UCS-2 Codepoints entschpricht, und alli andere Codepoints als Zweiersequenze, die sogenannte
Surrogate Pairs
, abbildet.
SCSU (Standard Compression Scheme for Unicode, früener au als RCSU – Reuters' Compression Scheme for Unicode – bezeichnet) isch ä Methode zur platzsparende Schpiicherig, wo d Aaordnig vo dä verschiedene Alphabet i Blöck usnutzt (lueg au bi dä Weblinks).
UTF-EBCDIC
isch ä Unicode-Erwiiterig, wo ufem proprietäre
EBCDIC
-Format vo
IBM
Großrechner
ufbout.
Punycode
dient dezue,
Domainnäme
mit nit-ASCII-Zeiche z'kodiere. Lueg au under:
IDNA
Usserdem gits no d Format
CESU-8
und
GB18030
Normierigs-Inschtituzione
ändere
Quälltäxt bearbeite
S'gmeinnützige
Unicode Consortium
isch 1991 gründet worde und isch für dä Industriistandard Unicode verantwortlich. Vo dä ISO (
International Organization for Standardization
) wird diä internationali
Norm
ISO 10646
usägee. Beidi Inschtituzione schaffed eng zäme. Sit 1993 sind Unicode und ISO 10646 bezüglich dä Zeichekodierig identisch. Während ISO 10646 nume diä eigentlichi Zeichekodierig feschtleit, ghört zum Unicode es umfassends Regelwerch, wo u.
a. für alli Zeiche witeri Eigenschafte, wo für die konkrete Aawendig wichtig si (sogenannti Properties), eidütig feschleit wie Sortierreihefolg, Läserichtig und Regle für s'Kombiniere vo Zeiche.
Zur Zyt isch Unicode strenggnoo no ä Undermengi von ISO 10646: Während ISO 10646 Zeichecodes mit bis zu 31 Bit zuelaat, sind bi Unicode maximal 21 Bit erlaubt.
Kodierigskriterie
ändere
Quälltäxt bearbeite
Andersch als anderi Norme gits bi Unicode d'Bsunderheit, dass Zeiche, won emal kodiert worde si, nie wider entfernt werded, zum d'Langläbigkeit vo digitale Date z'gwährleischte. Sött sich die Normierig vomene Zeiche nachträglich als Fähler erwiise, wird allefalls abgraate, das Zeich z verwende. Drum bruucht d'Uufnahm vomene Zeiche in Standard e üsserscht sorgfältigi Prüefig, wo sich au emal über Jahre hiizieh chann.
Im Unicode werded „abschtrakti Zeiche“ (engl.:
characters
) kodiert, nöd
Glyphe
. D Glyphe si die grafisch Darschtellig vo abschtrakte Zeiche, wo extrem underschiidlich usfalle chönd, bim latiinische Alphabet byschpilswiis in
Fraktur
Antiqua
, im
Irischen
und in
Handschrifte
. Für Glyphevariante, wo d'Normierig als sinnvoll und notwendig naagwise wird, sind vorsorglich 256 „Variation Selectors“ vorgseh, wo je noch Umstand am eigentliche Code aaghenkt werde chönnd.
Anderersits händ Schrifte, wo sowohl s'
latiinische
wie au s'
griechische
Alphabet
enthalted, dopplet kodierti identischi Glyphe für die folgende mehrdütige Buechstabe: Α Β Ε Ζ Η Ι Κ Μ Ν Ο Ρ Τ Υ Χ. Vo vile Zeiche gits nöd nur Variante, wo dur d'
Schriftart
bedingt si, sondern au innerhalb vonere Schriftart meh oder minder notwendigi sprach-, schrift- oder kontextabhängigi Glyphevariante und
Ligature
, wo denn zur Darschtellig sogenannti Smartfonttechnike wie
OpenType
nötig sind, aber kei Unicode-Kodierig bruuched. Grundsätzlich werded kei Ligature und suschtigi zämegsetzti Zeiche kodiert, au wenn d'Gründ für die Politik nöd vo jedem verschtande werded. Nume zum Zweck vo der Kompatibilität mit elterä Zeichesätz sind Ligature und zämegsetzti Zeiche enthalte.
In Grenzfäll wird härt um d'Entscheidig grunge, öbs sich um Glyphevariante oder kodierigswürdigi Zeiche, d.
h. underschiidlichi
Graphem
, handlet. Byschpilswiis sind nöd wenigi Fachlüüt der Meinig, s
phönizische Alphabet
chönni mer als Glyphevariante vom
hebräische
betrachte, wil dr gsamti Zeichevorrat vom
Phönizische
det eidütigi Entsprechige hät, und au wil die beide
Schprache
sehr äng verwandt sind. D Uffassig, es handli sich um es separats
Zeichesyschtem
, i der Unicode-Terminologii „script“, hät sich schliesslich duregsetzt. Andersch verhaltets sich bi
CJK
Chinesisch
Japanisch
und
Koreanisch
): Da händ sich im 20. Jahrhundert d'Forme vo vile gliichbedütende Schriftzeiche usenandentwicklet. Trotzdem teiled sich die sprachschpezifische Glyphe die gliiche Codes im Unicode. I der Praxis werded da wohl vor Allem sprachschpezifischi
Schriftarte
verwendet, und die zeichned sich scho dur ussergwöhnlichi Dateigrössene uus. Die einheitlichi Kodierig vo de CJK-Schriftzeiche (Han Unification) isch eini vo de wichtigschte und umfangriichschte Vorarbete für d Entwicklig vom Unicode gsii. Bsunders in Japan isch si durchus umschtritte.
Wo de Grundschtei für Unicode gleit worde isch, hät müesse berücksichtigt werde, dass scho e hufe underschiidlichi Kodierige i verbreitetem Iisatz gsii sind. Unicode-basierti Syschtem händ sölle herkömmlich kodierti Date mit gringem Ufwand handhabe chönne. Für das sind für die undere 256 Zeiche die wit verbreiteti
ISO 8859-1
-Kodierig (Latin1) biibhalte worde, genau gliich wie d'Kodierigsarte vo verschiidene nationale Norme, z. B. TIS 620 für Thailändisch (fascht identisch mit
ISO 8859-11
) oder
ISCII
für
indischi Schrifte
, wo i der urschprüngliche Reihefolg nume in höcheri Codeberiich verschobe worde sind.
Jedes Zeiche vo massgebliche aber veraltete Kodierige sind in Standard übernoo worde, au wenns de Massstäb nöd grecht wird, wo normalerwiis aagleit werded. Derbii handlets sich zumene grosse Teil um Zeiche, wo us zwei oder meh Zeiche zämegsetzt sind, wie Buechstabe mit
diakritische Zeiche
. Im übrige verfüegt au hüt no en grosse Teil vo der Software nöt über d'Möglichkeit, Zeiche mit Diakritika ordentlich zäme zsetze. Die exakti Feschtlegig vo äquivalente Kodierige isch Teil vom umfangriiche Regelwerch, wo zum Unicode ghört. Au wenn die hexadekadische Ziffere A bis F formal d'Kriterie für e gsonderti Kodierig erfülled, hät das müesse underbliibe, wil i dr Praxis dene ihri Funktion immer vo de Buechschtabe A bis F übernoo wird.
Vilne Unicode-Zeiche isch kei Glyphe zuegordnet. Au sie gelted als „characters“. Nebed de
Stüürzeiche
wie Ziilevorschuub (U+000A), Tabulator (U+0009) usw. sind elei 19 Zeiche explizit als Leerzeiche definiert, sogar senigi ohni Breiti. Die werded u.
a. als Worttrenner bruucht für Sprache wie
Thai
oder
Tibetisch
, wo ohni Wortzwüscheruum gschriibe werded. Für
bidirektionali Text
, z.
B.
Arabisch
und
Lateinisch
sind siibe Formatierigszeiche nötig.
Byschpiil: Combining Grapheme Joiner (CGJ)
ändere
Quälltäxt bearbeite
De CGJ isch es unsichtbars Sonderzeiche, wo normalerwiis vo de Aawendigsprogramm völlig ignoriert wird (englisch: „default ignorable“). Er söll uusdrücklich nöd zur Kennzeichnig vo Glyphevariante o.
Ä. verwendet werde. Sin Gebruuch isch wie folgt definiert:
I einzelne Schprache gits
Digraphe
und
Trigraphe
, wo grundsätzlich als eigeschtändigi Buechschtabe behandlet, d.
h. gsonderet sortiert werded. Im Ungarische byspilswiis betrifft das: cs, dz, dzs, gy, ly, ny, sz, ty und zs. Zum Uusnahme vo dem bi Bedarf z'kennzeichne, isch de „Combining Grapheme Joiner“ CGJ (U+034F) iigfüehrt worde. De Name bedütet eigentli s Gegeteil, aber, au das ghört zum Standard, au d Näme vo kodierte Zeiche werded nie gänderet.
Träit en Buechschtabe mehreri
Diakritika
drüber oder drunder, werded die normalerwiis vertikal gschtaplet. Für Uusnahmefäll, wo zwei Diakritika nebedenand staa müend, gseht Unicode vor, dass en CGJ dezwüsche gschtellt wird. De Schriftentwickler dörf entscheide und d Erschiinigsform vo de Zeichefolg „Diakritikon1 CGJ Diakritikon2“ feschtlege, wo dänn mittels Schrifttechnik wie
OpenType
druf zueggriffe werde chan.
D Eigeschaft „default ignorable“, wo im Standard feschtgleit isch, qualifiziert de CGJ, i Sonderfäll au anderi fiini Underschiid z'markiere, wo suscht unnötig sind. So chan d'Dateverarbeitig vo dütsche Bibliotheke d Underscheidig vo
Umlut
und
Trema
(meischtens für fremdsprachigi Näme) erfordere. Da empfiehlt Unicode, vor s Trema (U+0308) de CGJ z schtelle, zum das als Umlut z kennzeichne. Di nachträglichi gsondert Kodierig vo de Umluut-Punkt, wo urschprünglich vo
DIN
vorgschlage worde isch, hett zunere chuum vertretbare Inkonsischtenz vo grosse Datemenge gfüehrt.
Iigabe-Methode
ändere
Quälltäxt bearbeite
Will mer es Unicode-Zeiche (zum Byspil „⊕“) in
HTML
oder
XML
verwände, suecht mer das zerscht emal us dr entsprächende Tabelle (i dem Fall: Mathematischi Symbol). Det isch sini Zeichenummere
hexadezimal
aagee. Mit dere Zeichenummere erschtellt mer dänn e Zeiche-Entität durs Voraaschtelle vo „
#x“ und Aafüege vomene Semikolon, ebe „⊕“. Diä Zeichenummere cha i de Zeiche-Entität au dezimal, dänn aber ohni füehrends „x“, aagee werde, zum Byspil „⊕“ fürs gliiche Zeiche. D
Text Encoding Initiative
TEI
hät Empfählige usgarbeitet, Unicode i
XML
-Dateie in ere liechter verschtändliche Form iizgee. Derbii handlets sich um en Satz vo benannte Zeiche (engl.:
named entites
), wo i s
Stylesheet
integriert wird. Allgemein üblichi benännti Zeiche sind z.
B. d'Umlut wie „Ä“ statt „Ä" für Ä.
Im
Vi Improved
chan mer Unicode-Zeiche (Vorussetzig: Unicode-basierti
Locale
oder als Unicode, zum Byspil
UTF-8
, erchännti Datei) iigee, indem mer Strg+V,U und dänn di hexadezimali Zeichenummere truckt, also zum Byspil Strg+V,U,2,0,A,C fürs Euro-Zeiche. E alternatiivi Iingabemöglichkeit isch d'Benutzig vo de Digraph-Methode vom Vim.
In
Emacs
ab Version 21.4 cha mer Unicode-Zeiche iigee, indem mer META-x
ucs-insert
und dänn di hexadezimali Zeichenummere iigit.
Under
Windows
(ab
Windows 2000
) cha i vile Programm de Code hexadezimal iigee werde. Mit nachfolgendem Alt-x, innerhalb vo MS Word 2003 aber Alt-c, wird s'Zeiche erzügt. Die Taschtekombination cha under
Windows XP
au benutzt werde, zum de Code vo vor em Cursor stehende Zeiche aaz'zeige.
Öb das entsprechendi Unicode-Zeiche au tatsächlich am Bildschirm erschiint, hangt dervo ab, öb die verwendeti
Schriftart
Glyphe
für das gwünschti Zeiche (also e Grafik für di gewünschti Zeichenummere) enthaltet. Oft, z.
B. under Windows wird, falls di verwendeti Schrift es Zeiche nöd enthaltet, nach Möglichkeit es Zeiche us enere andere Schrift iigfüegt. I dere
Typografie
gilt so öppis als Fehler namens
Zwiebelfisch
. In Webbrowser hingäge isch das zwar hässlich aber überuus nützlich.
Schriftarte
ändere
Quälltäxt bearbeite
Underdesse hät de Zeichesatz vo Unicode/ISO en Umfang erreicht, wo sich nümme vollschtändig in einere Schriftdatei underbringe laat.
Postscript
-CFF-,
TrueType-
und
OpenType
-Schriftdateie chönd maximal 65'536 Zeiche enthalte. So verschtaat's sich vo elei, dass Unicode/ISO-Konformität vo ere Schrift nöd bedüütet, dass de kompletti Zeichesatz enthalte sii mues, sondern lediglich, dass die enthalteni Zeicheuuswahl normgrächt kodiert isch. Normalerwys wird e Uuswahl troffe wo am Verwendigszweck oder Verbreitigsgebiet aagmesse isch. Die derzyt umfangrychschti Schrift – i zwei Dateie uufgteilt – isch
Code 2000/Code 2001
vom James Kass.
Ä Übersicht über vili koschteloosi und kommerzielli, umfangriichi und spezialisierti Unicode-Schrifte büütet
Allan Wood
Dialäkt:
Bodeseealemannisch (Linzgau)
Installiere vu Schriftarte
ändere
Quälltäxt bearbeite
So kaa me d neetige Schrifte im Windows noochinstalliere:
Unter Windows 98:
1. Am besten one vu de obe erwähnte Schriftarte rabladen und installiere, bzw. d TTF-Datei i de Ordner Fonts (normalerwiis C:\Windows\Fonts) inikopiere.
2. Unter "Start -> Einstellungen -> Systemsteuerung" findet me s Symbol "Software". Obe uf "Windows Setup" klicke und d "Sprachunterstützung" mit "Details..." erwiitere.
3. Office-CD iilege und bi "Benutzerdefinierter Installation" bloos di entsprechende Schriftarte uuswähle.
4. Windows-Internetupdate starte und d Sproochunterstützunge und Schrifte i de Rubrik 'nicht dringende Updates' aawähle und installiere. (bloos we me de Internet Explorer dezue nimmt)
Unter Windows 2000:
I de Systemsteuerung findet sich e Symbol
Ländereinstellungen
. Im Feld
Allgemein
giit s eine Liste
Spracheinstellungen
fir s System. Doo mo me be alle Sproochfamilene wo aazoegt were sollde, e Häkle mache.
Unter Windows XP:
I de Systemsteuerung findet sich e Symbol Regioons- und Sproochoptionen. Im Feld
Sprachen
moss bei
Dateien für ostasiatische Sprachen installieren
und/oder bei
Dateien für Sprachen mit komplexen Schriftzeichen und Zeichen mit Rechts-nach-Links-Schreibung installieren
e Häkle gsetzt were.
Dialäkt:
Züritüütsch
Versione vo Unicode
ändere
Quälltäxt bearbeite
I dä letschte Jahre sind neui Versione jewiils im Früehjahr erschine, wobii i dä letschte Zyt jährlich um diä 1'000 Zeiche neu uufgnoo werded.
DP 10646 1989 (Vorschlaag für dä Entwurf vo ISO 10646, unabhängig vo Unicode)
DIS-1 10646 1990 (Erschte Entwurf für ISO 10646, unabhängig vo Unicode)
Unicode 1.0.0 Oktober 1991
Unicode 1.0.1 Juni 1992 (Modifikatione zum ä Zämefüehrig mit ISO 10646 z'ermögliche)
Unicode 1.1.0 Juni 1993 (Unicode und ISO-Norm erschtmals vereiniget: Codes idäntisch zu ISO 10646-1: 1993)
Unicode 1.1.5 Juli 1995
Unicode 2.0.0 Juli 1996 (Abgliich mit ISO 10646 Erwiiterige)
Unicode 2.1.2 Mai 1998 (unter anderem Iifüehrig vom Eurozeiche)
Unicode 2.1.5 August 1998
Unicode 2.1.8 Dezember 1998
Unicode 2.1.9 April 1999
Unicode 3.0.0 September 1999 (Abgliich mit ISO 10646-1: 2000)
Unicode 3.0.1 August 2000
Unicode 3.1.0 März 2001 (Abgliich mit ISO 10646-2: 2001)
Unicode 3.1.1 August 2001
Unicode 3.2.0 März 2002
Unicode 4.0.0 April 2003 (Abgliich mit ISO 10646: 2003)
Unicode 4.0.1 März 2004
Unicode 4.1.0 März 2005
Unicode 5.0.0 geplant für März 2006
Software
ändere
Quälltäxt bearbeite
S'
freye
Programm „gucharmap“ (für
Linux
UNIX
) stellt dä Unicode-Zeichesatz uf em Bildschirm dar und büütet zuesätzlichi Informatione zu dä einzelne Zeiche.
Microsoft
Windows
liferet entschprechend "charmap.exe" (Zeichetabelle) mit. Under
Apple
Mac OS X
stellt dä
Finder
ebefalls ä Zeichepalette zur Verfüegig.
Literatur
ändere
Quälltäxt bearbeite
Joan Aliprand u.
a. (Hrsg.):
The Unicode Standard Version 4.0
, Addison Wesley, Boston, Mass. 2003,
ISBN 0-321-18578-1
Weblink
ändere
Quälltäxt bearbeite
www.unicode.org – die offizielli Website vom Unicode Consortium
Englisch
Decode Unicode Projekt - Erchlärige zu 1'400 Unicodezeiche i eim Wiki, dezue 50'000 Glyphe
Deutsch/Englisch
UTF-8- und Unicode-FAQ für Unix/Linux
(Markus Kuhn,
Englisch
S'Unicode-Syschtem - Beschriibig im HTML-Kompendium SELFHTML
Microsoft Word und Unicode-Underschtützig
, (bezieht sich uf alti Versione, i aktuelle Versione sind kei Problem bekannt)
Lischte und Aazeig vo dä Codes nach Kategorie
Lischte und Aazeig vo dä Codes nach Position
Benützig vo Unicode bim Programmiere (C/C++)
Standards:
RFC 3629
(UTF-8, a transformation format of ISO 10646)
RFC 3492
Punycode
, für Sonderzeiche in Domainname)
Dä Artikel basiert uff ere fräie Übersetzig vum Artikel „
Unicode
“ vu de dütsche Wikipedia. E Liste vu de Autore un Versione isch
do
z finde.
Vun "
Kategorie
Artikel uf Züritüütsch
Artikel uf Bodeseealemannisch
Zeichekodierig
Unicode
Abschnitt zuefiege