跳至內容

通用字元集

本頁使用了標題或全文手工轉換
維基百科，自由的百科全書
「Universal Coded Character Set (UCS)」的各地常用譯名
中國大陸通用多八位編碼字符集（UCS）
臺灣廣用多八位元組編碼字元集(UCS)

通用字元集（英語：Universal Character Set, UCS）是由ISO制定的ISO 10646（或稱ISO/IEC 10646）標準所定義的標準字元集。

通用字元集又稱Universal Multiple-Octet Coded Character Set，中國大陸譯為通用多八位編碼字符集，台灣譯為廣用多八位元組編碼字元集。

概要

[編輯]

通用字元集包括了其他所有字元集。它保證了與其他字元集的雙向相容，即，如果你將任何文字字串翻譯到UCS格式，然後再翻譯回原編碼，你不會遺失任何資訊。

UCS包含了已知文字的所有字元。除了拉丁字母、希臘字母、西里爾字母、方體亞拉姆字母、阿拉伯字母、亞美尼亞字母、格魯吉亞字母，還包括漢字、假名、諺文這樣的方塊文字，UCS還包括大量的圖形、印刷、數學、科學符號。

ISO/IEC 10646定義了一個31位元的字元集。

UCS不僅給每個字元分配一個代碼，而且賦予了一個正式的名字。表示一個UCS或Unicode值的十六進制數通常在前面加上「U+」，例如「U+0041」代表字元「A」。

版本

[編輯]
  • ISO/IEC 10646-1:1993 = Unicode 1.1 = GB 13000.1-93《資訊科技 通用多八位編碼字元集（UCS）第一部分：體系結構與基本多文種平面》。
  • ISO/IEC 10646-1:1993 第五至第七修訂版 = Unicode 2.0
  • ISO/IEC 10646-1:1993 plus Amendments 5 to 7 = Unicode 2.1 excluding Euro Sign and Object Replacement Character, which are included in Amendment 18
  • ISO/IEC 10646-1:2000 = Unicode 3.0
  • ISO/IEC 10646-1:2000 和 ISO/IEC 10646-2:2001 = Unicode 3.1
  • ISO/IEC 10646-1:2000 第一修訂版和 ISO/IEC 10646-2:2001 = Unicode 3.2
  • ISO/IEC 10646:2003 = Unicode 4.0 = GB 13000-2010
  • ISO/IEC 10646:2003 第一修訂版 = Unicode 4.1
  • ISO/IEC 10646:2003 第一、第二修訂版 = Unicode 5.0 excluding Devanagari Letters GGA, JJA, DDDA and BBA, which are included in Amendment 3
  • ISO/IEC 10646:2003 第一至第四修訂版 = Unicode 5.1
  • ISO/IEC 10646:2003 第一至第六修訂版 = Unicode 5.2
  • ISO/IEC 10646:2003 第一至第八修訂版 = ISO/IEC 10646:2011 = Unicode 6.0 包括 Indian Rupee Sign
  • ISO/IEC 10646:2012 = Unicode 6.1
  • ISO/IEC 10646:2012 = Unicode 6.2，但不含 土耳其里拉符號（ISO 直到第一修訂版才加入）
  • ISO/IEC 10646:2012 = Unicode 6.3，但不含 土耳其里拉符號，也不含五個雙向控制字元 (Arabic Letter Mark, Left-To-Right Isolate, Right-To-Left Isolate, First Strong Isolate, Pop Directional Isolate)，ISO 直到第二修訂版）
  • ISO/IEC 10646:2012 第一、第二修訂版 = Unicode 7.0 ，但不含俄羅斯盧布符號
  • ISO/IEC 10646:2014 第一修訂版 = Unicode 8.0[1]，但不含格魯吉亞拉里符號、九個CJK統一表一字和41個繪文字
  • ISO/IEC 10646:2014 第一、第二修訂版 = Unicode 9.0 ，但不含Adlam, Newa, 日本的電視用符號、74個繪文字
  • ISO/IEC 10646:2017 = Unicode 10.0，但不含285個變體假名, 3 Zanabazar Square characters和 56個繪文字
  • ISO/IEC 10646:2020 = Unicode 13.0.0

實現級別

[編輯]

並不是所有的系統都需要支援像組合字元這樣的的先進機制。因此ISO 10646指定了如下三種實現級別：

  • 級別1：不支援組合字元和諺文字母字元。
  • 級別2：類似於級別1，但在某些文字中，允許一列固定的組合字元，因為如果沒有最起碼的幾個組合字元，UCS就不能完整地表達這些語言。
  • 級別3：支援所有的通用字元集字元，如，可以在任意一個字元上加上一個箭頭或一個鼻音化符號.

Unicode和ISO 10646的關係

[編輯]

歷史上存在兩個獨立的嘗試創立單一字元集的組織，即

  • 國際標準化組織（ISO）於1984年建立的ISO/IEC JTC1/SC2/WG2，其含義是International Organization for Standardization / International Electrotechnical Commission, Joint Technical Committee #1 [Information Technology], Subcommittee #2 [Coded Character Sets], Working Group #2 [Multi-octet codes]). ISO 10646表示這是ISO 646的擴充。
  • 由Xerox、Apple等軟件製造商於1988年組成的統一碼聯盟。前者開發的ISO/IEC 10646專案，後者開發的統一碼專案。因此最初制定了不同的標準。

1991年前後，兩個專案的參與者都認識到，世界不需要兩個不相容的字元集。於是，它們開始合併雙方的工作成果，並為創立一個單一編碼表而協同工作。1991年，不包含CJK統一漢字集的Unicode 1.0發佈。隨後，CJK統一漢字集的制定於1993年完成，發佈了ISO 10646-1:1993，即Unicode 1.1。

從Unicode 2.0開始，Unicode採用了與ISO 10646-1相同的字庫和字碼；ISO也承諾，ISO 10646將不會替超出U+10FFFF的UCS-4編碼賦值，以使得兩者保持一致。兩個專案仍都獨立存在，並獨立地公佈各自的標準。但統一碼聯盟和ISO/IEC JTC1/SC2都同意保持兩者標準的碼表相容，並緊密地共同調整任何未來的擴充。在發佈的時候，Unicode一般都會採用有關字碼最常見的字型，但ISO 10646一般都盡可能採用Century字型。

Unicode和ISO 10646的異同

[編輯]

統一碼聯盟公佈的Unicode標準包含了ISO/IEC 10646-1實現級別3的基本多文種平面。在兩個標準裡，所有的字元都在相同的位置並且有相同的名字。

ISO/IEC 10646標準，就像ISO/IEC 8859標準一樣，只不過是一個簡單的字元集表。它定義了一些編碼的別名，指定了一些與標準有關的術語，並包括了規範說明，指定了怎樣使用UCS連接其他ISO標準的實現，比如ISO/IEC 6429和ISO/IEC 2022。還有一些與ISO緊密相關的，比如ISO/IEC 14651是關於UCS字串排序的。

Unicode標準，額外定義了許多與字元有關的語意符號學。Unicode詳細說明了繪製某些語言（如阿拉伯語）表達形式的演算法，處理雙向文字（比如拉丁文和希伯來文的混合文字）的演算法，排序與字串比較所需的演算法，等等。

由於Unicode這一名字比較好記，因而它使用更為廣泛。不過一般認為，用於列印ISO/IEC 10646-1標準的字型在某些方面的質素，要高於Unicode 2.0。

兩者部分樣例字形有顯著的區別。ISO/IEC 10646-1標準同樣使用四種不同的風格變體來顯示表意文字如中文、日文、韓文（即CJK），但Unicode 2.0的表裏只有中文的變體。甚至存在「Unicode對日本用戶來說不可接受」的不實傳說。

常見誤解

[編輯]

ISO 10646是字形標準

[編輯]

實際上，ISO/IEC 10646處理的是編碼標準，但因為一些資料的混亂，而使人產生誤會。比如一個常見的例子是：香港有研究人員以「ISO10646HK.NET （頁面存檔備份，存於互聯網檔案館）」為網址，公佈一些字形製作和拼音釐定的檔案。有些人便因此誤以為ISO/IEC 10646是字形標準。

其實，在漢字文化圈中，各地都有其字形標準，例如香港的標準是《常用字字形表》。而ISO/IEC 10646則是作為一套編碼標準，而不是去處理各地標準的細微差異或釐定標準字形。

ISO 10646比Unicode更支援某地編碼

[編輯]

在Unicode和ISO/IEC 10646兩個標準中，雖然兩者部分樣例字形有顯著的區別，所有的字元都在相同的位置並且有相同的名字。ISO/IEC 10646-1標準使用四種不同的風格來顯示中（繁、簡）、日、韓文字，但Unicode的表中，只用簡體中文風格來顯示，像「Unicode對日本用戶來說不可接受」的誤解，便由此產生。

其實，上文已說明，ISO/IEC 10646或Unicode都只是編碼標準，並不處理字形風格標準之問題。字形的風格可以透過改變顯示字體來解決。

參考文獻

[編輯]
  1. ^ Unicode 8.0.0 - Synchronization. [20 February 2015]. （原始內容存檔於2016-06-28）. This version of the Unicode Standard is synchronized with ISO/IEC 10646:2014, plus Amendment 1. Additionally, it includes the accelerated publication of XXXX. 

外部連結

[編輯]
取自 "https://wiki.matr1x.workers.dev/w/index.php?title=通用字符集&oldid=80708887"