Unicodestandarden

Unicodestandarden är en internationell standard som beskriver hur tecken från olika skrivsystem kodas, behandlas och manipuleras i datorer och mjukvara. Den syftar till att skapa en gemensam, universell uppsättning kodpunkter och regler för att stödja text i alla språk och skriftsystem, samt för att underlätta utbyte av text mellan olika plattformar och program.

Grundläggande i standarden är Unicode, ett teckenkodningssystem som tilldelar varje tecken en unik kodpunkt, vanligtvis skrivs som U+XXXX. Det omfattar tecken från många språk, symboler, emoji och historiska tecken. Tecken är indelade i teckenplaner; Basic Multilingual Plane täcker U+0000 till U+FFFF och övriga planer används för historiska, supplementära och specialtecken.

Standarden underhålls av Unicode Consortium och är i praktiken harmoniserad med ISO/IEC 10646, så att Unicode och ISO‑standarden motsvarar samma uppsättning tecken. Nyutgåvor tillför nya tecken och uppdaterar egenskaper; uppdateringar kommer kontinuerligt.

Encodingformat som används är UTF-8, UTF-16 och UTF-32. UTF-8 är en variabel längd-kodning som är bakåtkompatibel med ASCII och dominerar på webb och i filer. UTF-16 används i flera operativsystem och programmeringsmiljöer, medan UTF-32 är en fast längd men används sällan i praktiken.

Normering och sortering är centrala delar av standarden. Normaliseringsformerna NFC, NFD, NFKC och NFKD gör tecken jämförbara och konsekventa när de kombinerar tecken. Unicode Collation Algorithm (UCA) styr hur tecken ordnas i sortering. Rendering och fontstöd är avgörande för att tecknen visas korrekt, särskilt för komplexa tecken och emoji.