.\" -*- coding: UTF-8 -*-
.\" Copyright (C) Markus Kuhn, 1996, 2001
.\"
.\" %%%LICENSE_START(GPLv2+_DOC_FULL)
.\" This is free documentation; you can redistribute it and/or
.\" modify it under the terms of the GNU General Public License as
.\" published by the Free Software Foundation; either version 2 of
.\" the License, or (at your option) any later version.
.\"
.\" The GNU General Public License's references to "object code"
.\" and "executables" are to be interpreted as the output of any
.\" document formatting or typesetting system, including
.\" intermediate and printed output.
.\"
.\" This manual is distributed in the hope that it will be useful,
.\" but WITHOUT ANY WARRANTY; without even the implied warranty of
.\" MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
.\" GNU General Public License for more details.
.\"
.\" You should have received a copy of the GNU General Public
.\" License along with this manual; if not, see
.\" .
.\" %%%LICENSE_END
.\"
.\" 1995-11-26 Markus Kuhn
.\" First version written
.\" 2001-05-11 Markus Kuhn
.\" Update
.\"
.\"*******************************************************************
.\"
.\" This file was generated with po4a. Translate the source file.
.\"
.\"*******************************************************************
.TH UTF\-8 7 "6 marca 2019 r." GNU "Podręcznik programisty Linuksa"
.SH NAZWA
UTF\-8 \- zgodne z ASCII wielobajtowe kodowanie Unikodowe
.SH OPIS
Zestaw znaków \fBUnicode 3.0\fP zajmuje szesnastobitową przestrzeń
kodową. Najprostsze kodowanie Unikodowe (znane jako \fBUCS\-2\fP) składa się z
sekwencji słów szesnastobitowych. Takie łańcuchy mogą zawierać jako część
wielu znaków 16\-bitowych bajty takie jak '\e0' lub '/', które mają specjalne
znaczenie w nazwach plików i innych parametrach funkcji z biblioteki
C. Dodatkowo, większość narzędzi uniksowych spodziewa się plików ASCII i nie
potrafi bez znacznych modyfikacji czytać słów 16\-bitowych jako znaków. Z
tych powodów \fBUCS\-2\fP nie jest pożądanym zewnętrznym kodowaniem \fBUnicode\fP w
nazwach plików, plikach tekstowych, zmiennych środowiskowych itd. \fBISO
10646 Universal Character Set (UCS)\fP, nadzbiór Unicode, zajmuje nawet
przestrzeń 31\-bitową i oczywiste dlań kodowanie \fBUCS\-4\fP (sekwencja słów
32\-bitowych) stwarza te same problemy.
.PP
Kodowanie \fBUTF\-8\fP dla \fBUnicode\fP i \fBUCS\fP nie ma tych problemów i jest
słuszną metodą używania zestawu znaków \fBUnicode\fP w systemach operacyjnych
wzorowanych na UNIX\-ie.
.SS WŁAŚCIWOŚCI
Kodowanie \fBUTF\-8\fP ma następujące przydatne właściwości:
.TP 0.2i
*
\fBUCS\fP znaki od 0x00000000 do 0x0000007f (klasyczne znaki \fBUS\-ASCII\fP)
zakodowane są po prostu jako bajty 0x00 do 0x7f (zgodność z ASCII). Oznacza
to, że pliki i łańcuchy które zawierają tylko siedmiobitowe znaki ASCII mają
takie samo kodowanie i w \fBASCII\fP i w \fBUTF\-8\fP.
.TP
*
Wszystkie znaki \fBUCS\fP > 0x7f zakodowane są jako wielobajtowy ciąg
składający się tylko z bajtów w zakresie 0x80 do 0xfd, tak więc żadne bajty
ASCII nie mogą się pojawić jako część innego znaku i nie występują tam
problemy z np. \&'\e0' czy '/'.
.TP
*
Zachowany jest leksykograficzny porządek sortowania łańcuchów w \fBUCS\-4\fP.
.TP
*
Za pomocą \fBUTF\-8\fP można zakodować wszystkie z możliwych 2^31 kodów UCS.
.TP
*
Bajty 0xc0, 0xc1, 0xfe i 0xff nie są nigdy używane w kodowaniu \fBUTF\-8\fP.
.TP
*
Pierwszy bajt ciągu wielobajtowego reprezentującego pojedynczy znak \fBUCS\fP
nie\-ASCII zawsze zawiera się w zakresie 0xc2 do 0xfd i wskazuje jak długi
jest ów ciąg. Wszystkie pozostałe bajty takiego wielobajtowego ciągu
zawierają się w zakresie od 0x80 do 0xbf. Pozwala to na łatwą
resynchronizację i sprawia, że kodowanie jest niezależne od stanu [systemu]
oraz odporne na brakujące bajty.
.TP
*
Znaki \fBUCS\fP zakodowane w \fBUTF\-8\fP mogą mieć długość do sześciu bajtów,
jakkolwiek standard \fBUnicode\fP nie definiuje znaków powyżej 0x10ffff, więc
znaki Unicode mogą mieć maksymalnie cztery bajty w \fBUTF\-8\fP.
.SS KODOWANIE
Do reprezentacji znaku używane są następujące ciągi bajtów. Ciąg, którego
należy użyć zależy od numeru kodu UCS znaku:
.TP 0.4i
0x00000000 \- 0x0000007F:
0\fIxxxxxxx\fP
.TP
0x00000080 \- 0x000007FF:
110\fIxxxxx\fP 10\fIxxxxxx\fP
.TP
0x00000800 \- 0x0000FFFF:
1110\fIxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP
.TP
0x00010000 \- 0x001FFFFF:
11110\fIxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP
.TP
0x00200000 \- 0x03FFFFFF:
111110\fIxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP
.TP
0x04000000 \- 0x7FFFFFFF:
1111110\fIx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP 10\fIxxxxxx\fP
.PP
The \fIxxx\fP bit positions are filled with the bits of the character code
number in binary representation, most significant bit first (big\-endian).
Only the shortest possible multibyte sequence which can represent the code
number of the character can be used.
.PP
The UCS code values 0xd800\(en0xdfff (UTF\-16 surrogates) as well as 0xfffe
and 0xffff (UCS noncharacters) should not appear in conforming UTF\-8
streams. According to RFC 3629 no point above U+10FFFF should be used, which
limits characters to four bytes.
.SS PRZYKŁADY
Znak \fBUnicode\fP 0xa9 = 1010 1001 (znak copyright) kodowany jest w UTF\-8 jako
.PP
.RS
11000010 10101001 = 0xc2 0xa9
.RE
.PP
a znak 0x2260 = 0010 0010 0110 0000 (symbol "nie równa się") kodowany jest
jako:
.PP
.RS
11100010 10001001 10100000 = 0xe2 0x89 0xa0
.RE
.SS "Uwagi o stosowaniu"
Aby włączyć obsługę locale \fBUTF\-8\fP użytkownicy muszą wybrać na przykład
.PP
.RS
export LANG=pl_PL.UTF\-8
.RE
.PP
aby aktywować obsługę \fBUTF\-8\fP w aplikacjach.
.PP
Oprogramowanie, które musi wiedzieć, jakie kodowanie znaków jest używane
powinno zawsze ustawiać locale, na przykład za pomocą
.PP
.RS
setlocale(LC_CTYPE, "")
.RE
.PP
a programiści mogą wówczas sprawdzać wartość wyrażenia
.PP
.RS
strcmp(nl_langinfo(CODESET), "UTF\-8") == 0
.RE
.PP
aby określić, czy zostało wybrane locale \fBUTF\-8\fP i czy wszystko:
standardowe wprowadzanie i wyprowadzanie danych otwartym tekstem,
komunikacja terminalowa, zawartość plików tekstowych oraz zmienne
środowiska, jest zakodowane w \fBUTF\-8\fP.
.PP
Programiści przyzwyczajeni do jednobajtowego kodowania takiego, jak
\fBUS\-ASCII\fP lub \fBISO 8859\fP muszą wiedzieć, że dwa z dotychczasowych założeń
nie są spełnione w locale \fBUTF\-8\fP. Po pierwsze, pojedynczy bajt
niekoniecznie nadal odpowiada pojedynczemu znakowi. Po drugie, ponieważ
nowoczesne emulatory terminali w trybie \fBUTF\-8\fP wspierają również chińskie,
japońskie i koreańskie \fBznaki o podwójnej długości\fP, jak też nie
rozdzielone \fBznaki kombinowane\fP, wyprowadzenie pojedynczego znaku
niekoniecznie przesuwa kursor o jedną pozycję, jak to miało miejsce w
\fBASCII\fP. Do zliczania znaków i pozycji kursora należy obecnie używać
funkcji bibliotecznych takich, jak \fBmbsrtowcs\fP(3) i \fBwcswidth\fP(3).
.PP
Oficjalną sekwencją unikową przełączającą ze schematu kodowania \fBISO 2022\fP
(używaną na przykład przez terminale VT100) do \fBUTF\-8\fP jest ESC % G
("\ex1b%G"). Odpowiadającą jej sekwencją powrotu z \fBUTF\-8\fP do ISO 2022
jest ESC % @ ("\ex1b%@"). Inne sekwencje ISO 2022 (takie jak przełączające
zbiory G0 i G1) nie mają zastosowania w trybie UTF\-8.
.SS BEZPIECZEŃSTWO
Standardy \fBUnicode\fP i \fBUCS\fP wymagają, aby przy generowaniu \fBUTF\-8\fP używać
najkrótszej z możliwych postaci, np. generowanie dwubajtowej sekwencji o
pierwszym bajcie 0xc0 nie jest zgodne ze standardem. \fBUnicode 3.1\fP dodał
wymaganie, aby zgodne ze standardem programy nie akceptowały innych niż
najkrótsze postaci jako swoich danych wejściowych. Jest to związane z
bezpieczeństwem: jeśli wprowadzane przez użytkownika dane są sprawdzane pod
kątem możliwych naruszeń bezpieczeństwa, program może sprawdzać jedynie
wersje \fBASCII\fP wystąpień "/../", ";" lub NUL i przeoczyć, że jest wiele
niezgodnych z \fBASCII\fP sposobów przedstawienia tych rzeczy w nienajkrótszym
kodowaniu \fBUTF\-8\fP.
.SS STANDARDY
.\" .SH AUTHOR
.\" Markus Kuhn
ISO/IEC 10646\-1:2000, Unicode 3.1, RFC\ 3629, Plan 9.
.SH "ZOBACZ TAKŻE"
\fBlocale\fP(1), \fBnl_langinfo\fP(3), \fBsetlocale\fP(3), \fBcharsets\fP(7),
\fBunicode\fP(7)
.SH "O STRONIE"
Angielska wersja tej strony pochodzi z wydania 5.10 projektu Linux
\fIman\-pages\fP. Opis projektu, informacje dotyczące zgłaszania błędów oraz
najnowszą wersję oryginału można znaleźć pod adresem
\%https://www.kernel.org/doc/man\-pages/.
.PP
.SH TŁUMACZENIE
Autorami polskiego tłumaczenia niniejszej strony podręcznika są:
Gwidon S. Naskrent ,
Andrzej Krzysztofowicz
i
Michał Kułach
.
.PP
Niniejsze tłumaczenie jest wolną dokumentacją. Bliższe informacje o warunkach
licencji można uzyskać zapoznając się z
.UR https://www.gnu.org/licenses/gpl-3.0.html
GNU General Public License w wersji 3
.UE
lub nowszej. Nie przyjmuje się ŻADNEJ ODPOWIEDZIALNOŚCI.
.PP
Błędy w tłumaczeniu strony podręcznika prosimy zgłaszać na adres listy
dyskusyjnej
.MT manpages-pl-list@lists.sourceforge.net
.ME .