Unicodemerkkejä

Unicodemerkkejä ovat Unicode-standardiin kuuluvia merkejä, joille on varattu yksilöllinen koodipiste. Unicode on maailmanlaajuinen standardi tekstin tallentamiseen ja siirtämiseen, jonka tarkoituksena on yhdistää erilaiset kirjoitusjärjestelmät, symbolit ja emoji samaan merkkijärjestelmään ja taata yhteensopivuus eri laitteiden välillä.

Merkkejä hallitaan koodipisteillä, joiden arvoja merkitään muodossa U+XXXX. Koodipisteiden kokonaismäärä ulottuu U+0000–U+10FFFF, ja ne jaetaan useisiin tasoihin (planeiksi). Suurin osa yleisistä merkeistä sijaitsee BMP-alueella (U+0000–U+FFFF). Unicode kattaa sekä latinalaiset että kiinalaiset, kyrilliset, arabi- ja muut kirjoitusjärjestelmät sekä erikoismerkit ja symbolit.

Merkkejä voidaan tallentaa eri encodauksilla, kuten UTF-8, UTF-16 ja UTF-32. UTF-8 on yleisin verkossa; se käyttää 1–4 tavua per merkki ja on ASCII-yhteensopiva. UTF-16 tarvitsee 2 tai 4 tavua, ja UTF-32 kiinteillä 4 tavuilla. Näillä encodauksilla pyritään sekä tilan tehokkaaseen käyttöön että yhteensopivuuteen vanhempien järjestelmien kanssa.

Käytössä on Unicode-normalisointi, joka sisältää muodot NFC, NFD, NFKC ja NFKD. Normalisointi varmistaa, että erilaisten merkkijonojen voidaan katsoa edustavan samaa sisältöä. Joidenkin merkkien esittämistä hallitaan Variation Selector -merkin U+FE0E (tekstiesitys) tai U+FE0F (emoji-esitys). Esimerkkejä unicodemerkkeistä ovat U+1F600 grinning face ja U+20AC euromerkki.

Unicode kattaa käytännössä kaikki nykyiset kirjoitusjärjestelmät sekä tarvittavat symbolit ja emoji. Sen käyttö ulottuu ohjelmoinnista verkkosivuille ja tietokantoihin sekä käyttöliittymien lokalisaatioon, jolloin teksti voidaan esittää johdonmukaisesti eri kielillä ja laitteilla.