Skip to main content

Unicode é um padrão para a codificação, representação e manipulação de texto com a intenção de suportar todos os caracteres necessários para o texto escrito que incorpora todos os sistemas de escrita, símbolos técnicos e pontuação.

Unicode é um padrão para a codificação, representação e manipulação de texto com a intenção de apoiar todos os caracteres necessários para o texto escrito que incorpora todos os sistemas de escrita, símbolos técnicos e pontuação.

O Unicode atribui a cada caractere um code point (um código numérico) como uma referência única. Exemplos:

code point caractere
U+0041 A
U+0042 B
U+0043 C
U+039B Λ
U+1F4A9 💩

Unicode Transformation Format

UTFs descrevem como codificar code points para representações em bytes. As formas mais comuns são UTF-8 (que codifica os code points como uma seqüência de um, dois, três ou quatro bytes) e UTF-16 (que codifica pontos de código como dois ou quatro bytes). Exemplos:

Code Point UTF-8 UTF-16 (big-endian)
U+0041 41 00 41
U+0042 42 00 42
U+0043 43 00 43
U+039B CE 9B 03 9B
U+039C CE 9C 03 9C

Especificação

O Unicode Consortium também define padrões para algoritmos de ordenação, as regras para a capitalização, normalização de caractere e outras operações de caráter sensível à localidade.

Caracteres

Para obter informações gerais, consulte o artigo Unicode na Wikipedia.

Para uma explicação mais detalhada, veja esta pergunta.