.\" -*- coding: UTF-8 -*- .\" Copyright (C) Markus Kuhn, 1996, 2001 .\" .\" SPDX-License-Identifier: GPL-2.0-or-later .\" .\" 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 "12 marca 2023 r." "Linux man\-pages 6.05.01" .SH NAZWA UTF\-8 \- zgodne z ASCII wielobajtowe kodowanie Unikodowe .SH OPIS The Unicode 3.0 character set occupies a 16\-bit code space. The most obvious Unicode encoding (known as UCS\-2) consists of a sequence of 16\-bit words. Such strings can contain\[em]as part of many 16\-bit characters\[em]bytes such as \[aq]\e0\[aq] or \[aq]/\[aq], which have a special meaning in filenames and other C library function arguments. In addition, the majority of UNIX tools expect ASCII files and can't read 16\-bit words as characters without major modifications. For these reasons, UCS\-2 is not a suitable external encoding of Unicode in filenames, text files, environment variables, and so on. The ISO/IEC 10646 Universal Character Set (UCS), a superset of Unicode, occupies an even larger code space\[em]31\ bits\[em]and the obvious UCS\-4 encoding for it (a sequence of 32\-bit words) has the same problems. .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 * All UCS characters greater than 0x7f are encoded as a multibyte sequence consisting only of bytes in the range 0x80 to 0xfd, so no ASCII byte can appear as part of another character and there are no problems with, for example, \[aq]\e0\[aq] or \[aq]/\[aq]. .TP * Zachowany jest leksykograficzny porządek sortowania łańcuchów w \fBUCS\-4\fP. .TP * All possible 2\[ha]31 UCS codes can be encoded using UTF\-8. .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\[en]0xdfff (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 to determine whether a UTF\-8 locale has been selected and whether therefore all plaintext standard input and output, terminal communication, plaintext file content, filenames, and environment variables are encoded in UTF\-8. .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) .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 .