Unicode

Unicode je medzinárodný štandard kódovania znakov (písmen, číslic, atď) v počítači. Na rozdiel od predchádzajúcich štandardov sa Unicode snaží zahrnúť znaky v každej známej abecede. Vďaka tomu možno v jednom textovom dokumente zapísať texty z rôznych jazykov používajúcich rôzne písma.

Postup pri premene znaku na postupnosť bajtov má dva kroky. V prvom kroku sa znaku priradí nejaké prirodzené číslo. Názov "Unicode" označuje tento prvý krok. V druhom kroku sa prirodzené číslo zapíše ako postupnosť bajtov. Existuje viacero možných kódovaní, napríklad "UTF-8" a "UTF-16".

Slovenská abeceda v Unicode

Písmená "dz", "dž" a "ch" nemajú v Unicode osobitný kód; zapisujú sa ako dvojica písmen.

		dec		hex		UTF-8
A	a	65	97	41	61	41	61
Á	á	193	225	c1	e1	c3 81	c3 a1
Ä	ä	196	228	c4	e4	c3 84	c3 a4
B	b	66	98	42	62	42	62
C	c	67	99	43	63	43	63
Č	č	268	269	10c	10d	4c 8c	4c 8d
D	d	68	100	44	64	44	64
Ď	ď	68	100	10e	10f	c4 8e	c4 8f
E	e	69	101	45	65	45	65
É	é	201	233	c9	e9	c3 89	c3 a9
F	f	70	102	46	66	46	66
G	g	71	103	47	67	47	67
H	h	72	104	48	68	48	68
I	i	73	105	49	69	49	69
Í	í	205	237	cd	ed	c3 8d	c3 ad
J	j	74	106	4a	6a	4a	6a
K	k	75	107	4b	6b	4b	6b
L	l	76	108	4c	6c	4c	6c
Ĺ	ĺ	313	314	139	13a	c4 b9	c4 ba
Ľ	ľ	317	318	13d	13e	c4 bd	c4 be
M	m	77	109	4d	6d	4d	6d
N	n	78	110	4e	6e	4e	6e
Ň	ň	327	328	147	148	c5 87	c5 88
O	o	79	111	4f	6f	4f	6f
Ó	ó	211	243	d3	f3	c3 93	c3 b3
Ô	ô	212	244	d4	f4	c3 94	c3 b4
P	p	80	112	50	70	50	70
Q	q	81	113	51	71	51	71
R	r	82	114	52	72	52	72
Ŕ	ŕ	340	341	154	155	c5 94	c5 95
S	s	83	115	53	73	53	73
Š	š	352	353	160	161	c5 a0	c5 a1
T	t	84	116	54	74	54	74
Ť	ť	356	357	164	165	c5 a4	c5 a5
U	u	85	117	55	75	55	75
Ú	ú	218	250	da	fa	c3 9a	c3 ba
V	v	86	118	56	76	56	76
W	w	87	119	57	77	57	77
X	x	88	120	58	78	58	78
Y	y	89	121	59	79	59	79
Ý	ý	221	253	dd	fd	c3 9d	c3 bd
Z	z	90	122	5a	7a	5a	7a
Ž	ž	381	382	17d	17e	c5 bd	c5 be

Kódová oblasť "Basic Latin":

	0	1	2	3	4	5	6	7	8	9	a	b	c	d	e	f
40		A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
50	P	Q	R	S	T	U	V	W	X	Y	Z
60		a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
70	p	q	r	s	t	u	v	w	x	y	z

Kódová oblasť "Latin 1":

	0	1	2	3	4	5	6	7	8	9	a	b	c	d	e	f
c0		Á			Ä					É				Í
d0				Ó	Ô						Ú			Ý
e0		á			ä					é				í
f0				ó	ô						ú			ý

Kódová oblasť "Latin Extended A":

	0	1	2	3	4	5	6	7	8	9	a	b	c	d	e	f
100													Č	č	Ď	ď
110
120
130										Ĺ	ĺ			Ľ	ľ
140								Ň	ň
150					Ŕ	ŕ
160	Š	š			Ť	ť
170														Ž	ž

Kódy písmen po sebe síce nenasledujú v abecednom poradí, ale to nevadí. Nie je možné vytvoriť univerzálne poradie písmen, ktoré by vyhovovalo všetkým abecedám. Ak má počítačový program zoradiť slová podľa abecedy, potrebuje poznať abecedu daného jazyka, a potom usporiada slová podľa daného poradia písmen, nie podľa ich kódov.

UTF-8

Kódovanie UTF-8 zakóduje každý znak Unicode premenlivým počtom bajtov. Znaky s číslami od 0 do 127 sa kódujú ako jeden bajt:

0gfedcba -> 0gfedcba

Znaky s číslami od 128 do 2047 sa kódujú ako dva bajty:

00000kji hgfedcba -> 110kjihg 10fedcba

Znaky s číslami od 2048 do 65535 sa kódujú ako tri bajty:

ponmlkji hgfedcba -> 1110ponm 10lkjihg 10fedcba

Znaky s číslami od 65536 do 1114111 (maximum v Unicode) sa kódujú ako štyri bajty:

000utsrq ponmlkji hgfedcba -> 11110uts 10rqponm 10lkjihg 10fedcba

Unicode (po anglicky)