Unicodealapú

Unicodealapú megoldás vagy környezet olyan szoftveres rendszer, amelyben a szöveg tárolása és feldolgozása a Unicode kódolási szabványt használja elsődleges alapként. Ennek köszönhetően a világ különféle írásrendszereinek karakterei egységesen kezelhetők, függetlenül a platformtól vagy a fejlesztési környezettől.

Az alapegység a Unicode kódpont, amely numerikus értékkel azonosítja a karaktert. A kódpontok különböző encodings formájában tárolhatók, a leggyakoribbak a UTF-8, UTF-16 és UTF-32. A UTF-8 változó hosszúságú, ASCII-kompatibilis és különösen elterjedt a webes alkalmazásokban.

A helyes szövegkezeléshez kapcsolódó fogalmak közé tartozik a normalizáció (például NFC és NFD), amely ugyanazon karakterlánc egységes reprezentációját biztosítja; a grapheme klaszterek, amelyek felhasználói szemszögből egy egységes karakternek tekinthető több kódpontból álló elemeket jelentenek; és a bidirekcionális rendering, amely a jobboldali írásrendszerek (például arab, héber) helyes megjelenítését szabályozza.

Előnyök közé tartozik a könnyebb nemzetköziesítés és adatcsere, mivel a legtöbb modern formátum (HTML, XML, JSON, adatbázisok) Unicode alapján kezeli a szöveget; továbbá a betűtípusok általában Unicode-kódpontokat és azok glyphjeit társítják.

Hátrányai közé tartozhatnak a régi, nem Unicode-alapú rendszerek átállítási költségei, a normalizációból adódó összetettség és potenciális biztonsági kockázatok, például homograph vagy spoofing-támadások lehetőségei; valamint a font-támogatás és a renderelés hiányosságai bizonyos karakterkészletek esetén. A szabványokat a Unicode Consortium és az ISO/IEC 10646 közösen felügyeli, a szövegfeldolgozás részletes elveit pedig a Unicode szabvány határozza meg, beleértve a rendezési és a bidirekciós eljárásokat.