.\" Copyright (C) Markus Kuhn, 1995
.\"
.\" 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, write to the Free
.\" Software Foundation, Inc., 675 Mass Ave, Cambridge, MA 02139,
.\" USA.
.\"
.\" 1995-11-26 Markus Kuhn <mskuhn@cip.informatik.uni-erlangen.de>
.\" First version written
.\" 中文版版权所有 mapping, Laser www.linuxforum.net 2000
.TH UNICODE 7 "1995-12-27" "Linux" "Linux Programmer's Manual"
.SH NAME
Unicode \- 16 位统一超级字符集
.SH 描述 (DESCRIPTION)
国际标准
.B ISO 10646
定义了
.BR "通用字符集 (Universal Character Set, UCS)".
.B UCS
包含所有别的字符集标准里的字符,并且保证了
.BR "互换兼容性 (round-trip compatibility)",
也就是说，当一个字符串在
.B UCS
和任何别的字符集之间转换时, 转换表可以保证不会有信息丢失现象发生．

.B UCS
包含了表示几乎所有已知的语言所必需的字符．该字符集既包
括那些使用扩展拉丁语的语言,也包括下面的这些语言: Greek, 
Cyrillic, Hebrew,Arabic, Armenian, Gregorian, Japanese, 
Chinese, Hiragana, Katakana, Korean, Hangul, Devangari, 
Bengali, Gurmukhi, Gujarati, Oriya, Tamil, Telugu, 
Kannada, alayam, Thai, Lao, Bopomofo,等等.而另外的语言,例如
Tibetian, Khmer, Runic, Ethiopian, Hieroglyphics, 
各种 Indo-European 语言, 还有许多其他的语言, 正在被加入其
中.1993 年发布该标准的时候, 还不清楚怎样才能对后面加入的这些
语言中的大部分作更好的编码. 另外, 这些语言所需的字符, 以及由
TeX, PostScript, MS-DOS, Macintosh, Videotext, OCR, 还有很
多字处理系统所提供的大量的图形, 印刷体, 数学和科学符号, 都已
被包括进来, 还包括了一些特别编码以保证和所有其它已存在字符集
标准的可逆转换兼容性.


.B UCS
标准 (ISO 10646) 描述了一个 31 位字符集的体系, 不过, 目前
只使用了前面 65534 个编码位置 (0x0000-0xfffd, 它们被称为
.BR "基本多语言块  (Basic Multilingual Plane,BMP))",
分配给了字符, 而且我们
估计只有那些很古怪的字符(比如． Hieroglyphics)为了专门
的科学目的, 才会在将来的某个时候, 需要 16 位的 BMP 之外的部分.

从 0x0000 到 0x007f 之间的
.B UCS
字符和经典
.B US-ASCII
字符集是一样的,
而从 0x0000 到 0x00ff 之间的字符等于
.B ISO 8859-1 Latin-1
字符集．
.SH 组合字符 (COMBINING CHARACTERS)
一些
.B UCS
编码被分配给了
.BR "组合字符(combining characters)".
这样的情形有点类似于打字机上的重音键. 一个组合字符只是
给前面的字符添加一个重音. 在
.BR UCS
里最重要的重音字符都有他们自己的编码,
不过, 组合字符机制允许给任一字符添加重音和其他的可识别记号.
组合字符总是跟在那些他们所修饰的字符后面. 例如,德语符号 Umlaut-A 
(带分音符的大写拉丁字母 A)既可以表示为
.B UCS
编码 0x00c4, 也可以
用一个正常的"大写拉丁字母 A"后面跟一个"组合分音符号":
0x0041 0x0308 来表示．
.SH 实现级别 (IMPLEMENTATION LEVELS)
由于不是所有系统都支持象组合字符这样的高级机制, ISO 10646
指明了
.BR UCS
的三种实现级别:
.TP 0.9i
级别 1 (Level 1)
不支持组合字符和 Hangul Jamo 字符(朝鲜语的一种更复
杂的专用的编码, Hangul 音节编码成两或三个亚字符).
.TP
级别 2 (Level 2)
类似于级别1, 却在一些语言里面也支持一些组合字符.
(比如． Hebrew, Arabic, Devangari, Bengali, Gurmukhi,
Gujarati, Oriya, Tamil, Telugo, Kannada, Malayalam, Thai 和 Lao).
.TP
级别 3 (Level 3)
支持所有
.B UCS
字符.
.PP
Unicode 协会发布的 Unicode 1.1 标准和 ISO 10646 所描述的
那样, 在第 3 执行级别只包括了
.B UCS (基本多语言块 Basic Multilingual Plane).
Unicode 1.1 还为一些 ISO 10646 的字符定义加
入了一些语义定义.
.SH LINUX 下的 UNICODE (UNICODE UNDER LINUX)
在 Linux 下, 为了降低组合字符的实现复杂性, 目前只包括了执
行级别 1 下的
.B BMP.
更高的执行级别更适合于专门的字处理格式,
而不是一个普通的系统字符集. 在 linux 下 C 的类型
.B wchar_t
是一个
有符号位的 32 位整型并且其值解释为
.B UCS4
编码．

本地化设置指明系统字符编码是使用诸如
.B UTF-8
还是
.BR "ISO 8859-1" 这样的编码．
象库函数
.BR wctomb,
.BR mbtowc,
或者
.B wprintf
就可以用于内部
.B wchar_t
字符及字符串与系统字符编码之间做转换.
.SH 私有区 (PRIVATE AREA)
在
.BR BMP
里, 0xe000 到 0xf8ff 的范围被标准保留做私用因而永远不会
被分配给任何字符. 对于 Linux 社区, 该私有区被再细分为可以被任何终端用户
独立使用的 0xe000 到 0xefff 的范围, 以及从 0xf000 到 0xf8ff 给所有 linux
用户所共用的 linux 区.H. Peter Anvin(<Peter.Anvin@linux.org>,
Yggdrasil Computing,Inc) 现在维护登记分配到 linux 区的字符.
该区包括一些 Unicode 中缺少的 DEC VT100 的图形字符, 这使控制台
的字体缓冲区可以直接获得这些字符, 该区还包括一些象 Klingon
这样的古老语言所使用的字符.
.SH 文献 (LITERATURE)
.TP 0.2i
*
Information technology \- Universal Multiple-Octet Coded Character
Set (UCS) \- Part 1: Architecture and Basic Multilingual Plane.
International Standard ISO 10646-1, International Organization
for Standardization, Geneva, 1993.

这是
.BR UCS
的正式规范, 非常正式, 也很厚, 还非常贵. 如果要定
购信息, 去看看 www.iso.ch.
.TP
*
The Unicode Standard \- Worldwide Character Encoding Version 1.0.
The Unicode Consortium, Addison-Wesley,
Reading, MA, 1991.

Unicode 已经有 1.1.4 版可用,与 1.0 版的差别可以在 ftp.unicode.org 找到. 
Unicode 2.0 也将在 1996 年出版一本书.
.TP
*
S. Harbison, G. Steele. C \- A Reference Manual. Fourth edition,
Prentice Hall, Englewood Cliffs, 1995, ISBN 0-13-326224-3.

一本很好的 C 语言编程参考书. 现在的第四版包含了 1994 年对标准
ISO C 的第一次修正 (ISO/IEC 9899:1990), 添加了大量
处理多种字符集的新的 C 库函数.
.SH 缺憾 (BUGS)
在写这个手册页的时候,linux 对
.B UCS
的 C 语言库支持远未完成.
.SH 作者 (AUTHOR)
Markus Kuhn <mskuhn@cip.informatik.uni-erlangen.de>
.SH 又见(SEE ALSO)
.B utf-8(7)，
.B http://www.linuxforum.net/books/UTF-8-Unicode.html

.SH "[中文版维护人]"
.B mapping <mapping@263.net>
.SH "[中文版最新更新]"
.BR 2000/11/06
.SH "《中国linux论坛man手册页翻译计划》:"
.BI http://cmpp.linuxforum.net
.SH "跋"
.br
本页面中文版由中文 man 手册页计划提供。
.br
中文 man 手册页计划：\fBhttps://github.com/man-pages-zh/manpages-zh\fR