unicode(7) Miscellaneous Information Manual unicode(7) NOM Unicode - Jeu de caracteres universel DESCRIPTION The international standard ISO/IEC 10646 defines the Universal Character Set (UCS). UCS contains all characters of all other character set standards. It also guarantees "round-trip compatibility"; in other words, conversion tables can be built such that no information is lost when a string is converted from any other encoding to UCS and back. UCS contient les caracteres necessaires pour representer presque toutes les langues connues. Il inclut non seulement les alphabets latin, grec, cyrillique, hebreu, arabe, armenien et georgien, mais egalement les ideogrammes chinois, japonais, sino-coreens et les ecritures : hiragana, katakana, hangul, devanagari, bengali, gourmoukhi, goudjarati, oriya, tamoul, telougou, kannara, malayalam, thai, laotien, khmer, bopomofo, tibetain, runes, ethiopien, syllabaires canadiens, cheroki, mongol, ogam, birman, cingalais, thana, yi, et d'autres. Pour les ecritures qui n'ont pas encore ete integrees, des recherches sont en cours pour optimiser l'encodage et elles seront probablement ajoutees. Cela inclut non seulement des hieroglyphes et des langues indo-europeennes historiques, mais aussi des ecritures artistiques comme les tengwar de Feanor, les cirth ou le klingon. UCS contient egalement un grand nombre de symboles graphiques, typographiques, mathematiques et scientifiques comme ceux fournis par TeX, PostScript, APL, MS-DOS, MS-Windows, Macintosh, les polices OCR et par de nombreux traitements de texte et systemes d'edition, et de plus en plus sont ajoutes. The UCS standard (ISO/IEC 10646) describes a 31-bit character set architecture consisting of 128 24-bit groups, each divided into 256 16-bit planes made up of 256 8-bit rows with 256 column positions, one for each character. Part 1 of the standard (ISO/IEC 10646-1) defines the first 65534 code positions (0x0000 to 0xfffd), which form the Basic Multilingual Plane (BMP), that is plane 0 in group 0. Part 2 of the standard (ISO/IEC 10646-2) adds characters to group 0 outside the BMP in several supplementary planes in the range 0x10000 to 0x10ffff. There are no plans to add characters beyond 0x10ffff to the standard, therefore of the entire code space, only a small fraction of group 0 will ever be actually used in the foreseeable future. The BMP contains all characters found in the commonly used other character sets. The supplemental planes added by ISO/IEC 10646-2 cover only more exotic characters for special scientific, dictionary printing, publishing industry, higher-level protocol and enthusiast needs. La representation des caracteres UCS sur des mots de 2 octets est appelee UCS-2 (seulement pour les caracteres du BMP), alors que UCS-4 est la representation des caracteres par un mot de 4 octets. De plus, il existe deux formes d'encodage : UTF-8 pour la retrocompatibilite avec les logiciels traitant l'ASCII et UTF-16 pour la gestion retrocompatible des caracteres non PMB jusqu'a 0x10ffff par des logiciels UCS-2. The UCS characters 0x0000 to 0x007f are identical to those of the classic US-ASCII character set and the characters in the range 0x0000 to 0x00ff are identical to those in ISO/IEC 8859-1 (Latin-1). Caracteres composes Quelques codes de l'UCS ont ete assignes a des caracteres composes. Ils sont semblables aux touches mortes d'accents sur les machines a ecrire. Un caractere compose ajoute simplement un accent sur le caractere precedent. Les caracteres accentues les plus importants ont leur propre code dans l'UCS. Cependant, le mecanisme des caracteres composes permet d'ajouter des accents ou des signes diacritiques sur n'importe quel caractere de base. Les caracteres composes suivent toujours le caractere qu'ils modifient. Par exemple, le caractere << A >> (lettre majuscule latine A accent grave) peut etre represente soit par le code UCS precompose 0x00C0, soit par la combinaison d'un A majuscule normal, suivi d'un << diacritique accent grave >>, 0x0041 0x0308. Les caracteres composes sont essentiels par exemple pour l'encodage de l'ecriture thaie ou pour les notations mathematiques et l'alphabet phonetique international. Niveaux d'implementation As not all systems are expected to support advanced mechanisms like combining characters, ISO/IEC 10646-1 specifies the following three implementation levels of UCS: Niveau 1 Les caracteres composes et les caracteres jamos hangul (un encodage special de l'ecriture coreenne, ou les glyphes de syllabes hangul sont encodes par 2 ou 3 codes de voyelle ou consonne) ne sont pas pris en charge. Niveau 2 Outre le niveau 1, les caracteres composes sont maintenant permis pour certaines langues ou ils sont essentiels (par exemple, le thai, le laotien, l'hebreu, l'arabe, le devanagari ou le malayalam). Niveau 3 Tous les caracteres UCS sont geres. The Unicode 3.0 Standard published by the Unicode Consortium contains exactly the UCS Basic Multilingual Plane at implementation level 3, as described in ISO/IEC 10646-1:2000. Unicode 3.1 added the supplemental planes of ISO/IEC 10646-2. The Unicode standard and technical reports published by the Unicode Consortium provide much additional information on the semantics and recommended usages of various characters. They provide guidelines and algorithms for editing, sorting, comparing, normalizing, converting, and displaying Unicode strings. Unicode sous Linux Sous GNU/Linux, le type C wchar_t est un entier 32 bits signe, et sa valeur est toujours interpretee par la bibliotheque C comme un code UCS (dans tous les parametres regionaux), une convention signalee par la bibliotheque C de GNU pour les applications en definissant la constante __STDC_ISO_10646__ comme indiquee dans la norme ISO C99. L'UCS/Unicode peut etre employe comme l'ASCII dans les flux d'entree-sortie, les communications avec les terminaux, les fichiers textes, les noms de fichier et les variables d'environnement dans un encodage multioctet UTF-8 compatible ASCII. Pour signaler l'utilisation de l'UTF-8 comme encodage pour toutes les applications, des parametres regionaux (locale) adequats doivent etre configures dans les variables d'environnement (par exemple, << LANG=fr_FR.UTF-8 >>). The nl_langinfo(CODESET) function returns the name of the selected encoding. Library functions such as wctomb(3) and mbsrtowcs(3) can be used to transform the internal wchar_t characters and strings into the system character encoding and back and wcwidth(3) tells how many positions (0-2) the cursor is advanced by the output of a character. Zone d'utilisation privee (PUA ou << Private Use Areas >>) L'intervalle entre 0xe000 et 0xf8ff du plan multilingue de base (<< Basic Multilingual Plane >>) ne sera jamais assigne a aucun caractere par la norme et est reserve pour une utilisation privee. Pour la communaute Linux, cette zone privee a ete divisee en deux. L'intervalle entre 0xe000 et 0xefff peut etre utilise individuellement par n'importe quel utilisateur final. L'intervalle s'etendant de 0xf000 a 0xf8ff est reserve a Linux et les extensions y sont coordonnees entre les divers utilisateurs de Linux. L'enregistrement des caracteres assignes a la zone Linux est maintenu par LANANA et le registre lui-meme est disponible dans les sources du noyau Linux sous Documentation/admin-guide/unicode.rst (ou Documentation/unicode.txt avant Linux 4.10). Deux autres plans sont reserves a un usage prive. Le plan 15 (zone d'utilisation privee supplementaire PUA-A, intervalle 0xf0000-0xffffd) et le plan 16 (zone d'utilisation privee PUA-B, intervalle 0x100000-0x10fffd). Litterature - Information technology -- Universal Multiple-Octet Coded Character Set (UCS) -- Part 1: Architecture and Basic Multilingual Plane. International Standard ISO/IEC 10646-1, International Organization for Standardization, Geneva, 2000. Il s'agit des specifications officielles de l'UCS. Disponible sur . - The Unicode Standard, Version 3.0. The Unicode Consortium, Addison-Wesley, Reading, MA, 2000, ISBN 0-201-61633-5. - S. Harbison, G. Steele. C : A Reference Manual. Quatrieme edition, Prentice Hall, Englewood Cliffs, 1995, ISBN 0-13-326224-3. Un bon livre de reference sur le langage de programmation C. La quatrieme edition couvre maintenant l'amendement 1 de 1994 a la norme ISO C90, qui ajoute un grand nombre de fonctions de bibliotheque C pour manipuler les jeux de caracteres larges et multioctets, mais ne couvre pas encore l'ISO C99, qui ameliore encore plus la gestion des caracteres larges et multioctets. - Unicode Technical Reports. - Markus Kuhn : UTF-8 and Unicode FAQ for UNIX/Linux. - Bruno Haible : Unicode HOWTO. VOIR AUSSI locale(1), setlocale(3), charsets(7), utf-8(7) TRADUCTION La traduction francaise de cette page de manuel a ete creee par Christophe Blaess , Stephan Rafin , Thierry Vignaud , Francois Micaux, Alain Portal , Jean-Philippe Guerard , Jean-Luc Coulon (f5ibh) , Julien Cristau , Thomas Huriaux , Nicolas Francois , Florentin Duneau , Simon Paillard , Denis Barbier , David Prevot et Gregoire Scano Cette traduction est une documentation libre ; veuillez vous reporter a la GNU General Public License version 3 concernant les conditions de copie et de distribution. Il n'y a aucune RESPONSABILITE LEGALE. Si vous decouvrez un bogue dans la traduction de cette page de manuel, veuillez envoyer un message a . Pages du manuel de Linux 6.06 28 janvier 2024 unicode(7)