fbpx
Wikipedia

Unicode

Unicode es un estándar de codificación de caracteres diseñado para facilitar el tratamiento informático, transmisión y visualización de textos de numerosos idiomas y disciplinas técnicas, además de textos clásicos de lenguas muertas. El término Unicode proviene de los tres objetivos perseguidos: universalidad, uniformidad y unicidad.

Ejemplos de caracteres Unicode
Carácter alfabético latino "A" (U+0041).
Sílaba devanagari "Aum" (ॐ) (U+0950).
Ideograma chino "yue" (月)(U+6708).

Unicode define cada carácter o símbolo mediante un nombre e identificador numérico, el punto de código (code point). Además incluye otras informaciones para el uso correcto de cada carácter, como sistema de escritura, categoría, direccionalidad, mayúsculas y otros atributos. Unicode trata los caracteres alfabéticos, ideográficos y símbolos de forma equivalente, lo que significa que se pueden mezclar en un mismo texto sin utilizar marcas o caracteres de control.

Este estándar es mantenido por el Unicode Technical Committee (UTC), integrado en el Consorcio Unicode, del que forman parte con distinto grado de implicación empresas como: Microsoft, Apple, Adobe, IBM, Oracle, SAP, Google o Facebook, instituciones como la Universidad de Berkeley, o el Gobierno de la India y profesionales y académicos a título individual.​ El Unicode Consortium mantiene estrecha relación con ISO/IEC, con la que mantiene desde 1991 el acuerdo de sincronizar sus estándares que contienen los mismos caracteres y puntos de código.

La creación de Unicode ha sido un ambicioso proyecto para reemplazar los esquemas de codificación de caracteres ya existentes, muchos de los cuales estaban muy limitados en tamaño y son incompatibles con entornos plurilingües. Unicode se ha convertido en el más extenso y completo esquema de codificación de caracteres, siendo el dominante en la internacionalización y adaptación local del software informático. El estándar ha sido aceptado en un número considerable de tecnologías recientes, como XML, Java y sistemas operativos modernos.

La descripción completa del estándar y las tablas de caracteres están disponibles en la página web oficial de Unicode. La referencia completa se publica, además, en forma de libro cada vez que se completa una nueva versión principal. La versión digital de este libro está disponible de forma gratuita. Las revisiones y adiciones se publican de forma independiente.

Índice

Unicode incluye todos los caracteres de uso común en la actualidad. La versión 13.0 contiene 143924 caracteres provenientes de alfabetos, sistemas ideográficos y colecciones de símbolos (matemáticos, técnicos, musicales, iconos...). La cifra crece con cada versión.

Unicode incluye sistemas de escritura modernos como: latino; escrituras históricas extintas, para propósitos académicos, como por ejemplo: cuneiforme, y rúnico. Entre los caracteres no alfabéticos incluidos en Unicode se encuentran símbolos musicales y matemáticos, fichas de juegos como el dominó, flechas, iconos etc.

Además, Unicode incluye los signos diacríticos como caracteres independientes que pueden ser combinados con otros caracteres y dispone de versiones predefinidas de la mayoría de letras con símbolos diacríticos en uso en la actualidad, como las vocales acentuadas del español.

Unicode es un estándar en constante evolución y se agregan nuevos caracteres continuamente. Se han descartado ciertos alfabetos, propuestos por distintas razones, como por ejemplo el alfabeto klingon.

Relación con otros estándares

Como ya se ha indicado, Unicode está sincronizado con el estándar ISO/IEC conocido como UCS o juego de caracteres universal. Desde un punto de vista técnico, incluye o es compatible con codificaciones anteriores como ASCII7 o ISO 8859-1, los estándares nacionales ANSI Z39.64, KS X 1001, JIS X 0208, JIS X 0212, JIS X 0213, GB 2312, GB 18030, HKSCS, y CNS 11643, codificaciones particulares de fabricantes de software como Apple, Adobe, Microsoft, IBM, etc. Además, Unicode reserva espacio para fabricantes de software que pueden crear extensiones para su propio uso.

El elemento básico del estándar Unicode es el carácter. Se considera un carácter al elemento más pequeño de un sistema de escritura con significado. El estándar Unicode codifica los caracteres esenciales ―grafemas― definiéndolos de forma abstracta y deja la representación visual (tamaño, dimensión, fuente o estilo) al software que lo trate, como procesadores de texto o navegadores web. Se incluyen letras, signos diacríticos, caracteres de puntuación, ideogramas, caracteres silábicos, caracteres de control y otros símbolos. Los caracteres se agrupan en alfabetos o sistemas de escritura. Se considera que son diferentes los caracteres de alfabetos distintos, aunque compartan forma y significación.

Los caracteres se identifican mediante un número o punto de código y su nombre o descripción. Cuando se ha asignado un código a un carácter, se dice que dicho carácter está codificado. El espacio para códigos tiene 1 114 112 posiciones posibles (0x10FFFF). Los puntos de código se representan utilizando notación hexadecimal agregando el prefijo U+. El valor hexadecimal se completa con ceros hasta 4 dígitos hexadecimales cuando es necesario; si es de longitud mayor que 4 dígitos no se agregan ceros.

Tipos de caracteres

Distintas versiones del carácter angstrom (versión preferida), como carácter con signo diacrítico y como símbolo con forma de letra.

Los bloques del espacio de códigos contienen puntos con la siguiente información:

  • Caracteres gráficos: letras, signos diacríticos, cifras, caracteres de puntuación, símbolos y espacios.
  • Caracteres de formato: caracteres invisibles que afectan al proceso del texto próximo. Ejemplos: U+2028 salto de línea, U+2029 salto de párrafo, U+00A0 espacio duro, etc.
  • Códigos de control: 65 códigos definidos por compatibilidad con ISO/IEC 2022. Son los caracteres entre los rangos [U+0000,U+001F], U+007F y [U+0080..U+009F]. Interpretarlos es responsabilidad de protocolos superiores.
  • Caracteres privados: reservados para el uso fuera del estándar por fabricantes de software.
  • Caracteres reservados: códigos reservados para su uso por Unicode. Son posiciones no asignadas.
  • Suplentes inferiores o superiores: Unicode reserva los puntos de código de U+D800 a U+DFFF para su uso como códigos subrogados en UTF-16, en la representación de caracteres suplementarios.
  • No caracteres: son códigos reservados permanentemente para uso interno por Unicode. Los dos últimos puntos de cada plano U+FFFE y U+FFFF.

Composición de caracteres y secuencias

Composición del carácter "ñ". La primera es un carácter independiente, la segunda una n más una virgulilla (en inglés conocida como tilde) combinable.

Unicode incluye un mecanismo para formar caracteres y así extender el repertorio de compatibilidad con los símbolos existentes. Un carácter base se complementa con marcas: signos diacríticos, de puntuación o marcos. El tipo de cada carácter y sus atributos definen el papel que pueden jugar en una combinación. Por este motivo, puede haber varias opciones que representen el mismo carácter. Para facilitar la compatibilidad con codificaciones anteriores, se proporcionan caracteres precompuestos; en la definición de dichos caracteres se hace constar qué caracteres intervienen en la composición.

Un grupo de caracteres consecutivos, independientemente de su tipo, forma una secuencia. En caso de que varias secuencias representen el mismo conjunto de caracteres esenciales, el estándar no define una de ellas como 'correcta', sino que las considera equivalentes. Para poder identificar dichas equivalencias, Unicode define los mecanismos de equivalencia canónica y de equivalencia de compatibilidad basados en la obtención de formas normalizadas de las cadenas a comparar.

Repertorio unificado chino, coreano y japonés

En el estándar Unicode, los ideogramas de Asia oriental (popularmente llamados «caracteres chinos») se denominan «ideogramas han». Estos ideogramas se desarrollaron en China y fueron adaptados por culturas próximas para su propio uso.Japón, Corea y Vietnam desarrollaron sus propios sistemas alfabéticos o silábicos para usar en combinación con los símbolos chinos: hiragana y katakana (en Japón), hangul (en Corea) y yi (en Vietnam). La evolución natural de los sistemas de escritura y los distintos momentos de entrada de los caracteres en las distintas culturas han marcado diferencias en los ideogramas utilizados. Unicode considera las distintas versiones de los ideogramas como variantes de un mismo carácter abstracto, es decir, como resultado de la aplicación de un tipo de letra diferente en cada caso y considera las variantes nacionales como pertenecientes a un mismo sistema de escritura. La versión original del estándar se desarrolló a partir de los estándares industriales existentes en los países afectados.

El organismo encargado de desarrollar el repertorio de caracteres es el Ideographic Rapporteur Group (IRG). IRG es un grupo de trabajo integrado en ISO/IEC JTC1/SC2/WG2, incluyendo a China, Hong Kong, Macao, Taipei Computer Association, Singapur, Japón, Corea del Sur, Corea del Norte, Vietnam y Estados Unidos de América.

La base de datos de caracteres CJK se denomina Unihan y contiene, además, información auxiliar sobre significado, conversiones, datos necesarios para utilizarlos en los diferentes lenguajes que los utilizan. A continuación se muestran los bloques que describen este repertorio. IRG define los caracteres de los siete grupos unificados; los dos grupos siguientes contienen caracteres para compatibilidad con estándares anteriores.

Bloque Rango de códigos Comentarios
Ideogramas unificados CJK 4E00-9FFF Ideogramas de uso común. Tamaño de código: 2 bytes.
Ideogramas unificados CJK - Extensión A 3400-4DFF Ideogramas de uso poco habitual. Tamaño de código: 2 bytes.
Ideogramas unificados CJK - Extensión B 20000-2A6DF Ideogramas de uso poco habitual e históricos.
Ideogramas unificados CJK - Extensión C 2A700-2B73F Ideogramas de uso poco habitual e históricos.
Ideogramas unificados CJK - Extensión D 2B740-2B81F Ideogramas de uso poco habitual e históricos.
Ideogramas unificados CJK - Extensión E 2B820-2CEAF Ideogramas de uso poco habitual e históricos.
Ideogramas unificados CJK - Extensión F 2CEB0-2EBEF Ideogramas de uso poco habitual e históricos.
Ideogramas de compatibilidad F900-FAFF Duplicados, variantes unificables y caracteres corporativos. Tamaño de código: 2 bytes.
Suplemento de ideogramas de compatibilidad 2F800-2FA1F Variantes unificables.

Secuencias de descripción ideográfica

Se admite que nunca se podrá finalizar la tarea de incluir ideogramas en el estándar debido, principalmente, a que la creación de nuevos ideogramas continúa. A fin de suplir eventuales carencias, Unicode ofrece un mecanismo que permite la representación de los símbolos que faltan denominado «secuencias de descripción ideográfica». Se basa en que en la práctica, la totalidad de los ideogramas se puede descomponer en piezas más pequeñas que, a su vez, son ideogramas. Aunque sea posible la representación de un símbolo mediante una secuencia, el estándar especifica que siempre que exista una versión codificada su uso debe ser preferente. No hay un método para la «descomposición canónica» de ideogramas ni algoritmos de equivalencia por lo que las operaciones sobre el texto, como búsqueda u ordenación, pueden fallar.

Unicode define 12 caracteres de control para la descripción de ideogramas representando distintas posibilidades de combinación espacial de otros caracteres han.

Principios de diseño

El estándar fue diseñado con los siguientes objetivos:

  • Universalidad: Un repertorio suficientemente amplio que albergue a todos los caracteres probables en el intercambio de texto multlingüe.
  • Eficiencia: Las secuencias generadas deben ser fáciles de tratar.
  • No ambigüedad: Un código dado siempre representa el mismo carácter.

Base de datos de caracteres

El conjunto de caracteres codificados por Unicode, es la UCD (unicode character database: base de datos de caracteres Unicode). Además de nombre y punto de código, incluye más información: alfabeto al que pertenece, nombre, clasificación, mayúsculas, orientación y otras formas de uso, variantes estandarizadas, reglas de combinación, etc.

Formalmente la base de datos se divide en planos y estos a su vez en áreas y bloques. Con excepciones, los caracteres codificados se agrupan en el espacio de códigos siguiendo categorías como alfabeto o sistema de escritura, de forma que caracteres relacionados se encuentren cerca en las tablas de codificación.

Planos

Por conveniencia se ha dividido el espacio de códigos en grandes grupos denominados planos. Cada plano contiene un máximo de 65 536 caracteres. Dado un punto de código expresado en hexadecimal, los 4 últimos dígitos determinan la posición del carácter en el plano.

  • Plano básico multilingüe: BMP o plano 0. Contiene la mayor parte de los alfabetos modernos, incluidos los caracteres más comunes del sistema CJK, otros caracteres históricos o poco habituales y 64 reservadas para uso privado.
  • Plano suplementario multilingüe: SMP o plano 1. Alfabetos históricos de menor uso y sistemas de uso técnico u otros usos.
  • Plano suplementario ideográfico: SIP o plano 2. Contiene los caracteres del sistema CJK que no se incluyen en el plano 0. La mayoría son caracteres muy raros o de interés histórico.
  • Plano de propósito especial: SSP o plano 14. Área para caracteres de control que no se han introducido en el plano 0.
  • Planos de uso privado: planos 15 y 16. Reservados para uso privado por fabricantes de software.

Áreas y bloques

Los distintos planos se dividen en áreas de direccionamiento en función de los tipos generales que incluyen. Esta división es convencional, no reglada y puede variar con el tiempo. Las áreas se dividen, a su vez, en bloques. Los bloques están definidos normativamente y son rangos consecutivos del espacio de códigos. Los bloques se utilizan para formar las tablas impresas de caracteres pero no deben tomarse como definiciones de grupos significativos de caracteres.

Formas de codificación

Los puntos de código de Unicode se identifican por un número entero. Según su arquitectura, un ordenador utilizará unidades de 8, 16 o 32 bits para representar dichos enteros. Las formas de codificación de Unicode reglamentan la forma en que los puntos de código se transformarán en unidades tratables por el computador.

Unicode define tres formas de codificación bajo el nombre UTF (Unicode transformation format: formato de transformación Unicode):

  • UTF-8: codificación orientada a byte con símbolos de longitud variable.
  • UTF-16: codificación de 16 bits de longitud variable optimizada para la representación del plano básico multilingüe (BMP).
  • UTF-32: codificación de 32 bits de longitud fija, y la más sencilla de las tres.

Las formas de codificación se limitan a describir el modo en que se representan los puntos de código en formato inteligible por la máquina. A partir de las 3 formas identificadas se definen 7 esquemas de codificación.

Esquemas de codificación

Los esquemas de codificación tratan de la forma en que se serializa la información codificada.​ La seguridad en los intercambios de información entre sistemas heterogéneos requiere la implementación de sistemas que permitan determinar el orden correcto de los bits y bytes y garantizar que la reconstrucción de la información es correcta. Una diferencia fundamental entre procesadores es el orden de disposición de los bytes en palabras de 16 y 32 bits, lo que se denomina endianness. Los esquemas de codificación deben garantizar que los extremos de una comunicación saben cómo interpretar la información recibida. A partir de las 3 formas de codificación se definen 7 esquemas. A pesar de que comparten nombres, no debe confundirse esquemas y formas de codificación.

Esquema de codificación Endianness Admite BOM
UTF-8 No aplicable
UTF-16 Big-endian o Little-endian
UTF-16BE Big-endian No
UTF-16LE Little-endian No
UTF-32 Big-endian o Little-endian
UTF-32BE Big-endian No
UTF-32LE Little-endian No

Unicode define una marca especial, la marca de orden de bytes (BOM, Byte Order Mark), al inicio de un fichero o una comunicación para hacer explícita la ordenación de bytes. Cuando un protocolo superior especifica el orden de bytes, la marca no es necesaria y puede omitirse dando lugar a los esquemas de la lista anterior con sufijo BE o LE. En los esquemas UTF-16 y UTF-32, que admiten BOM, si este no se especifica se asume que la ordenación de bytes es big-endian.

La unidad de codificación en UTF-8 es el byte por lo que no necesita una indicación de orden de byte. El estándar ni requiere ni recomienda la utilización de BOM, pero lo admite como marca de que el texto es Unicode o como resultado de la conversión de otros esquemas.

El proyecto Unicode se inició a finales de 1987, tras conversaciones entre Joe Becker, Lee Collins y Mark Davis (ingenieros de las empresas Apple y Xerox).​ Como resultado de su colaboración, en agosto de 1988 se publicó el primer borrador de Unicode bajo el nombre de Unicode88.​ En esta primera versión se consideraba que sólo se codificarían los caracteres necesarios para el uso moderno, por lo que se utilizaron códigos de 16 bits.

Durante el año 1989 se sumaron colaboradores de otras compañías como Microsoft o Sun Microsystems. El 3 de enero de 1991 se formó el Consorcio Unicode, y en octubre de 1991 se publicó la primera versión del estándar. La segunda versión, que ya incluía la escritura ideográfica han se publicó en junio de 1992. A continuación se muestra una tabla con las distintas versiones del Estándar Unicode con sus adiciones o modificaciones más importantes.

Versión Fecha Publicación Edición ISO/IEC 10646 asociada Escrituras Caracteres
# Adiciones notables
1.0 octubre de 1991 ISBN 0-201-56788-1 (Vol. 1). 24 7161 El repertorio inicial cubre los alfabetos: árabe, armenio, bengalí, bopomofo, cirílico, devanagari, georgiano, griego/copto, guyaratí, gurmukhi, hangul, hebreo, hiragana, kannada, katakana, lao, latino, malayalam, oriya, támil, télugu, thai, y tibetano.
1.0.1 junio de 1992 ISBN 0-201-60845-6 (Vol.2). 25 28 359 Definido el primer conjunto de 20 902 ideogramas CJK unificados.
1.1 junio de 1993 ISO/IEC 10646-1:1993 24 34 233 Se agregan 4306 caracteres hangul, más al conjunto original de 2350. Se elimina el alfabeto tibetano.
2.0 julio de 1996 ISBN 0-201-48345-9 ISO/IEC 10646-1:1993 con enmiendas 5, 6 y 7 25 38 950 Eliminado el conjunto original de caracteres hangul; se agrega un nuevo conjunto de 11 172 caracteres hangul en una nueva ubicación. Se reincorpora el alfabeto tibetano en una nueva ubicación y con un juego de caracteres diferente. Se define el sistema de códigos subrogados y se crean los planos 15 y 16 de caracteres para uso privado.
2.1 mayo de 1998 ISO/IEC 10646-1:1993 con enmiendas 5, 6 y 7, y dos caracteres de la enmienda 18 25 38 952 Se agrega el símbolo del euro.
3.0 septiembre de 1999 ISBN 0-201-61633-5 ISO/IEC 10646-1:2000 38 49 259 Ideogramas cheroqui. Escrituras etíope, jemer, mongol, Myanmar, ogham, alfabeto rúnico, cingalés, siríaco, thaana, silabario unificado de los indígenas canadienses, y yi además de los patrones braille.
3.1 marzo de 2001 ISO/IEC 10646-1:2000

ISO/IEC 10646-2:2001

41 94 205 Se agregan los alfabetos deseret, gótico y etrusco, y los símbolos de notación musical moderna, música bizantina, y 42 711 ideogramas de CJK unificado.
3.2 marzo de 2002 ISO/IEC 10646-1:2000 con la enmienda 1

ISO/IEC 10646-2:2001

45 95 221 Agregadas las escrituras filipinas: buhid, hanunó'o, tagalo, y tagbanwa.
4.0 abril de 2003 ISBN 0-321-18578-1 ISO/IEC 10646:2003 52 96 447 Se agrega el silabario chipriota, limbu, lineal B, osmanya, shaviano, tai le, y ugarítico, y los hexagramas I Ching.
4.1 marzo de 2005 ISO/IEC 10646:2003 con enmienda 1 59 97 720 Agregados buginés, glagolítico, kharoshthi, new tai lue, persa antiguo, syloti nagri, y nifinagh. Se separa el copto del alfabeto griego. Símbolos griegos antiguos para música y numeración.
5.0 julio de 2006 ISBN 0-321-48091-0 ISO/IEC 10646:2003 con enmiendas 1 y 2 y cuatro caracteres de la enmienda 3 64 99 089 Agregados: balinés, cuneiforme, n'ko (mandé), phags-pa, y fenicio.
5.1 abril de 2008 ISO/IEC 10646:2003 más enmiendas 1, 2, 3 y 4 75 100 713 Agregados: escritura caria, cham, kayah li, escritura lepcha, alfabeto licio, alfabeto lidio, alfabeto ol chiki, rejang, saurashtra, sundanés, y el silabario vai. Los jeroglíficos del disco de Festos, fichas de mahjong y de dominó. Adiciones importantes para el birmano, letras y abreviaturas de amanuense utilizadas en manuscritos medievales y la adición de la ß mayúscula.
5.2 octubre de 2009 ISBN 978-1-936213-00-9 ISO/IEC 10646:2003 más enmiendas de 1 a 6 90 107 361 Agregados: bamúm, javanés, lisu, meetei mayek, samaritano, tai tham, y tai viet. Se ha ampliado el devanagari con la adición del alfabeto sánscrito. Ampliaciones importantes para abjasio, el silabario unificado de los indígenas canadienses, copto, khamti shan, malayo, myanmar. También se agregan símbolos y caracteres históricos como los jeroglíficos egipcios de Gardiner, arameo imperial, avéstico, kaithi, antiguo árabe del Sur y turco antiguo.
6.0 octubre de 2010 ISBN 978-1-936213-01-6 ISO/IEC 10646:2011 93 109 449

La versión 6.0 es la primera versión principal del estándar publicada exclusivamente en soporte electrónico. Agregados mandeo, batak y brahmi, ampliaciones de lenguajes africanos como tifinagh, etíope y bamúm. Otras adiciones importantes son: 222 ideogramas CJK, 1000 símbolos incluyendo los pictogramas emoji, el nuevo símbolo oficial para la rupia y símbolos alquímicos además de ampliaciones de los atributos de los caracteres y otras modificaciones normativas y algorítmicas.

6.1 2012 ISBN 978-1-936213-02-3 ISO/IEC 10646:2012 110 116 Incluye extensiones de varios alfabetos existentes; son significativas las adiciones al alfabeto árabe que incluyen 143 símbolos matemáticos alfabéticos, y los alfabetos Pollard Miao, Sorang Sompeng, escritura meroítica, Chakma, Alfabeto sharada y 13 emoticonos.
6.2 2012 ISBN 978-1-936213-07-8 ISO/IEC 10646:2012 más símbolo de la lira turca. 110 117 Publicación especial para la introducción de la Lira turca
6.3 2013 ISBN 978-1-936213-08-5 ISO/IEC 10646:2012 con adiciones 110 122 Revisión del algoritmo de texto bidireccional con la adición de 5 caracteres especiales. El nuevo algoritmo bidireccional mejora la representación conjunta de textos de diferentes fuentes respetando el orden correcto de los caracteres.
7.0 2014 ISBN 978-1-936213-09-2 ISO/IEC 10646:2012 con adiciones y signo del rublo 112 956 Agrega 23 nuevos sistemas de escritura.
8.0 2015 ISBN 978-1-936213-10-8
9.0 2016 ISBN 978-1-936213-13-9
10.0 2017 ISBN 978-1-936213-16-0 139 136 690 Entre otros se agrega el símbolo de Bitcoin, 56 caracteres emoji y los sistemas de escritura: Masaram Gondi, Nü Shu, Soyombo y la escritura mongola cuadrada de Zanabazar. Se introduce la extensión F de caracteres unificados CJK.
11.0 5 de junio de 2018 ISBN 978-1-936213-19-1 137 374 Dogra, letras capitales de Georgian Mtavruli, Gunjala Gondi, Hanifi Rohingya, Makasar, Medefaidrin, Old Sogdian, Sogdian, y varios símbolos (5 nuevos ideogramas unificados CJK, 66 emoji adicionales, copyleft, media estrella, símbolos astrológicos adicionales y de ajedrez chino Xiangqi)
  1. «Resumen histórico». Unicode, Inc. Consultado el 21 de mayo de 2009.
  2. «About the Unicode Standard». Unicode, Inc. Consultado el 21 de mayo de 2009.
  3. «The Unicode Consortium Members». Unicode, Inc. Consultado el 15 de mayo de 2012.
  4. The Unicode Consortium (octubre de 2006). «Appendix C. Relationship to ISO/IEC10646». En Julie D. Allen, Joe Becker (et al.), ed. Unicode 5.0 standard(en inglés). Addisson-Wesley. ISBN 0-321-48091-0.
  5. «Archive of Notices of Non-Approval». Unicode, Inc. Archivado desde el original el 3 de marzo de 2016. Consultado el 21 de mayo de 2009.
  6. The Unicode Consortium (octubre de 2006). Julie D. Allen, Joe Becker (et al.), ed. Unicode 5.9 standard(en inglés). Addisson-Wesley. ISBN 0-321-48091-0.
  7. The Unicode Consortium (octubre de 2006). «16. Special Areas and Format Characters». En Julie D. Allen, Joe Becker (et al.), ed. Unicode 5.0 standard(en inglés). Addisson-Wesley. ISBN 0-321-48091-0.
  8. «On the Encoding of Latin, Greek, Cyrillic, and Han».
  9. «12. East Asian Scripts». Unicode 5.0 Standard.
  10. The Unicode Consortium (octubre de 2006). «2.5 Encoding Forms». En Julie D. Allen, Joe Becker (et al.), ed. Unicode 5.0 standard(en inglés). Addisson-Wesley. ISBN 0-321-48091-0.
  11. «Chronology of Unicode Version 1.0».
  12. Becker, Joseph D. (10 de septiembre). Unicode 88(en inglés). Unicode Consortium. p. 10. Consultado el 29 de mayo de 2009.
  13. The Unicode Consortium, Joan Aliprand, et al. (enero de 2000). «Appendix D. Changes from Unicode Version 2.0». The Unicode Standard. Version 3.0 standard(en inglés). Addisson-Wesley. ISBN 0-201-61633-5. Archivado desde el original el 17 de noviembre de 2008. Consultado el 28 de julio de 2009.
  14. The Unicode Consortium (octubre de 2006). «Appendix D. Changes from previous versions». En Julie D. Allen, Joe Becker (et al.), ed. Unicode 5.0 standard(en inglés). Addisson-Wesley. ISBN 0-321-48091-0.
  15. Archivo de datos de Unicode 5.1
  16. Unicode 5.2.0
  17. Unicode 6.0.0

Unicode
unicode, estándar, codificación, caracteres, idioma, vigilar, editar, estándar, codificación, caracteres, diseñado, para, facilitar, tratamiento, informático, transmisión, visualización, textos, numerosos, idiomas, disciplinas, técnicas, además, textos, clásic. Unicode estandar de codificacion de caracteres Idioma Vigilar Editar Unicode es un estandar de codificacion de caracteres disenado para facilitar el tratamiento informatico transmision y visualizacion de textos de numerosos idiomas y disciplinas tecnicas ademas de textos clasicos de lenguas muertas El termino Unicode proviene de los tres objetivos perseguidos universalidad uniformidad y unicidad 1 Ejemplos de caracteres UnicodeCaracter alfabetico latino A U 0041 Silaba devanagari Aum ॐ U 0950 Ideograma chino yue 月 U 6708 Unicode define cada caracter o simbolo mediante un nombre e identificador numerico el punto de codigo code point Ademas incluye otras informaciones para el uso correcto de cada caracter como sistema de escritura categoria direccionalidad mayusculas y otros atributos Unicode trata los caracteres alfabeticos ideograficos y simbolos de forma equivalente lo que significa que se pueden mezclar en un mismo texto sin utilizar marcas o caracteres de control 2 Este estandar es mantenido por el Unicode Technical Committee UTC integrado en el Consorcio Unicode del que forman parte con distinto grado de implicacion empresas como Microsoft Apple Adobe IBM Oracle SAP Google o Facebook instituciones como la Universidad de Berkeley o el Gobierno de la India y profesionales y academicos a titulo individual 3 El Unicode Consortium mantiene estrecha relacion con ISO IEC con la que mantiene desde 1991 el acuerdo de sincronizar sus estandares que contienen los mismos caracteres y puntos de codigo 4 La creacion de Unicode ha sido un ambicioso proyecto para reemplazar los esquemas de codificacion de caracteres ya existentes muchos de los cuales estaban muy limitados en tamano y son incompatibles con entornos plurilingues Unicode se ha convertido en el mas extenso y completo esquema de codificacion de caracteres siendo el dominante en la internacionalizacion y adaptacion local del software informatico El estandar ha sido aceptado en un numero considerable de tecnologias recientes como XML Java y sistemas operativos modernos La descripcion completa del estandar y las tablas de caracteres estan disponibles en la pagina web oficial de Unicode La referencia completa se publica ademas en forma de libro cada vez que se completa una nueva version principal La version digital de este libro esta disponible de forma gratuita Las revisiones y adiciones se publican de forma independiente Indice 1 Alcance del estandar 1 1 Relacion con otros estandares 2 Repertorio de caracteres 2 1 Tipos de caracteres 2 2 Composicion de caracteres y secuencias 2 3 Repertorio unificado chino coreano y japones 2 3 1 Secuencias de descripcion ideografica 3 Elementos del estandar Unicode 3 1 Principios de diseno 3 2 Base de datos de caracteres 3 2 1 Planos 3 2 2 Areas y bloques 4 Tratamiento de la informacion 4 1 Formas de codificacion 4 2 Esquemas de codificacion 5 Historia 6 Vease tambien 7 Referencias 8 Enlaces externosAlcance del estandar EditarUnicode incluye todos los caracteres de uso comun en la actualidad La version 13 0 contiene 143924 caracteres provenientes de alfabetos sistemas ideograficos y colecciones de simbolos matematicos tecnicos musicales iconos La cifra crece con cada version Unicode incluye sistemas de escritura modernos como latino escrituras historicas extintas para propositos academicos como por ejemplo cuneiforme y runico Entre los caracteres no alfabeticos incluidos en Unicode se encuentran simbolos musicales y matematicos fichas de juegos como el domino flechas iconos etc Ademas Unicode incluye los signos diacriticos como caracteres independientes que pueden ser combinados con otros caracteres y dispone de versiones predefinidas de la mayoria de letras con simbolos diacriticos en uso en la actualidad como las vocales acentuadas del espanol Unicode es un estandar en constante evolucion y se agregan nuevos caracteres continuamente Se han descartado ciertos alfabetos propuestos por distintas razones como por ejemplo el alfabeto klingon 5 Relacion con otros estandares Editar Como ya se ha indicado Unicode esta sincronizado con el estandar ISO IEC conocido como UCS o juego de caracteres universal Desde un punto de vista tecnico incluye o es compatible con codificaciones anteriores como ASCII7 o ISO 8859 1 los estandares nacionales ANSI Z39 64 KS X 1001 JIS X 0208 JIS X 0212 JIS X 0213 GB 2312 GB 18030 HKSCS y CNS 11643 codificaciones particulares de fabricantes de software como Apple Adobe Microsoft IBM etc Ademas Unicode reserva espacio para fabricantes de software que pueden crear extensiones para su propio uso 6 Repertorio de caracteres EditarEl elemento basico del estandar Unicode es el caracter Se considera un caracter al elemento mas pequeno de un sistema de escritura con significado El estandar Unicode codifica los caracteres esenciales grafemas definiendolos de forma abstracta y deja la representacion visual tamano dimension fuente o estilo al software que lo trate como procesadores de texto o navegadores web Se incluyen letras signos diacriticos caracteres de puntuacion ideogramas caracteres silabicos caracteres de control y otros simbolos Los caracteres se agrupan en alfabetos o sistemas de escritura Se considera que son diferentes los caracteres de alfabetos distintos aunque compartan forma y significacion Los caracteres se identifican mediante un numero o punto de codigo y su nombre o descripcion Cuando se ha asignado un codigo a un caracter se dice que dicho caracter esta codificado El espacio para codigos tiene 1 114 112 posiciones posibles 0x10FFFF Los puntos de codigo se representan utilizando notacion hexadecimal agregando el prefijo U El valor hexadecimal se completa con ceros hasta 4 digitos hexadecimales cuando es necesario si es de longitud mayor que 4 digitos no se agregan ceros Tipos de caracteres Editar Distintas versiones del caracter angstrom version preferida como caracter con signo diacritico y como simbolo con forma de letra Los bloques del espacio de codigos contienen puntos con la siguiente informacion 7 Caracteres graficos letras signos diacriticos cifras caracteres de puntuacion simbolos y espacios Caracteres de formato caracteres invisibles que afectan al proceso del texto proximo Ejemplos U 2028 salto de linea U 2029 salto de parrafo U 00A0 espacio duro etc Codigos de control 65 codigos definidos por compatibilidad con ISO IEC 2022 Son los caracteres entre los rangos U 0000 U 001F U 007F y U 0080 U 009F Interpretarlos es responsabilidad de protocolos superiores Caracteres privados reservados para el uso fuera del estandar por fabricantes de software Caracteres reservados codigos reservados para su uso por Unicode Son posiciones no asignadas Suplentes inferiores o superiores Unicode reserva los puntos de codigo de U D800 a U DFFF para su uso como codigos subrogados en UTF 16 en la representacion de caracteres suplementarios No caracteres son codigos reservados permanentemente para uso interno por Unicode Los dos ultimos puntos de cada plano U FFFE y U FFFF Composicion de caracteres y secuencias Editar Composicion del caracter n La primera es un caracter independiente la segunda una n mas una virgulilla en ingles conocida como tilde combinable Unicode incluye un mecanismo para formar caracteres y asi extender el repertorio de compatibilidad con los simbolos existentes Un caracter base se complementa con marcas signos diacriticos de puntuacion o marcos El tipo de cada caracter y sus atributos definen el papel que pueden jugar en una combinacion Por este motivo puede haber varias opciones que representen el mismo caracter Para facilitar la compatibilidad con codificaciones anteriores se proporcionan caracteres precompuestos en la definicion de dichos caracteres se hace constar que caracteres intervienen en la composicion Un grupo de caracteres consecutivos independientemente de su tipo forma una secuencia En caso de que varias secuencias representen el mismo conjunto de caracteres esenciales el estandar no define una de ellas como correcta sino que las considera equivalentes Para poder identificar dichas equivalencias Unicode define los mecanismos de equivalencia canonica y de equivalencia de compatibilidad basados en la obtencion de formas normalizadas de las cadenas a comparar Repertorio unificado chino coreano y japones Editar En el estandar Unicode los ideogramas de Asia oriental popularmente llamados caracteres chinos se denominan ideogramas han Estos ideogramas se desarrollaron en China y fueron adaptados por culturas proximas para su propio uso 8 9 Japon Corea y Vietnam desarrollaron sus propios sistemas alfabeticos o silabicos para usar en combinacion con los simbolos chinos hiragana y katakana en Japon hangul en Corea y yi en Vietnam La evolucion natural de los sistemas de escritura y los distintos momentos de entrada de los caracteres en las distintas culturas han marcado diferencias en los ideogramas utilizados Unicode considera las distintas versiones de los ideogramas como variantes de un mismo caracter abstracto es decir como resultado de la aplicacion de un tipo de letra diferente en cada caso y considera las variantes nacionales como pertenecientes a un mismo sistema de escritura La version original del estandar se desarrollo a partir de los estandares industriales existentes en los paises afectados El organismo encargado de desarrollar el repertorio de caracteres es el Ideographic Rapporteur Group IRG IRG es un grupo de trabajo integrado en ISO IEC JTC1 SC2 WG2 incluyendo a China Hong Kong Macao Taipei Computer Association Singapur Japon Corea del Sur Corea del Norte Vietnam y Estados Unidos de America 8 La base de datos de caracteres CJK se denomina Unihan y contiene ademas informacion auxiliar sobre significado conversiones datos necesarios para utilizarlos en los diferentes lenguajes que los utilizan A continuacion se muestran los bloques que describen este repertorio IRG define los caracteres de los siete grupos unificados los dos grupos siguientes contienen caracteres para compatibilidad con estandares anteriores Bloque Rango de codigos ComentariosIdeogramas unificados CJK 4E00 9FFF Ideogramas de uso comun Tamano de codigo 2 bytes Ideogramas unificados CJK Extension A 3400 4DFF Ideogramas de uso poco habitual Tamano de codigo 2 bytes Ideogramas unificados CJK Extension B 20000 2A6DF Ideogramas de uso poco habitual e historicos Ideogramas unificados CJK Extension C 2A700 2B73F Ideogramas de uso poco habitual e historicos Ideogramas unificados CJK Extension D 2B740 2B81F Ideogramas de uso poco habitual e historicos Ideogramas unificados CJK Extension E 2B820 2CEAF Ideogramas de uso poco habitual e historicos Ideogramas unificados CJK Extension F 2CEB0 2EBEF Ideogramas de uso poco habitual e historicos Ideogramas de compatibilidad F900 FAFF Duplicados variantes unificables y caracteres corporativos Tamano de codigo 2 bytes Suplemento de ideogramas de compatibilidad 2F800 2FA1F Variantes unificables Secuencias de descripcion ideografica Editar Se admite que nunca se podra finalizar la tarea de incluir ideogramas en el estandar debido principalmente a que la creacion de nuevos ideogramas continua A fin de suplir eventuales carencias Unicode ofrece un mecanismo que permite la representacion de los simbolos que faltan denominado secuencias de descripcion ideografica Se basa en que en la practica la totalidad de los ideogramas se puede descomponer en piezas mas pequenas que a su vez son ideogramas Aunque sea posible la representacion de un simbolo mediante una secuencia el estandar especifica que siempre que exista una version codificada su uso debe ser preferente No hay un metodo para la descomposicion canonica de ideogramas ni algoritmos de equivalencia por lo que las operaciones sobre el texto como busqueda u ordenacion pueden fallar Unicode define 12 caracteres de control para la descripcion de ideogramas representando distintas posibilidades de combinacion espacial de otros caracteres han Elementos del estandar Unicode EditarPrincipios de diseno Editar El estandar fue disenado con los siguientes objetivos Universalidad Un repertorio suficientemente amplio que albergue a todos los caracteres probables en el intercambio de texto multlingue Eficiencia Las secuencias generadas deben ser faciles de tratar No ambiguedad Un codigo dado siempre representa el mismo caracter Base de datos de caracteres Editar El conjunto de caracteres codificados por Unicode es la UCD unicode character database base de datos de caracteres Unicode Ademas de nombre y punto de codigo incluye mas informacion alfabeto al que pertenece nombre clasificacion mayusculas orientacion y otras formas de uso variantes estandarizadas reglas de combinacion etc Formalmente la base de datos se divide en planos y estos a su vez en areas y bloques Con excepciones los caracteres codificados se agrupan en el espacio de codigos siguiendo categorias como alfabeto o sistema de escritura de forma que caracteres relacionados se encuentren cerca en las tablas de codificacion Planos Editar Por conveniencia se ha dividido el espacio de codigos en grandes grupos denominados planos Cada plano contiene un maximo de 65 536 caracteres Dado un punto de codigo expresado en hexadecimal los 4 ultimos digitos determinan la posicion del caracter en el plano Plano basico multilingue BMP o plano 0 Contiene la mayor parte de los alfabetos modernos incluidos los caracteres mas comunes del sistema CJK otros caracteres historicos o poco habituales y 64 reservadas para uso privado Plano suplementario multilingue SMP o plano 1 Alfabetos historicos de menor uso y sistemas de uso tecnico u otros usos Plano suplementario ideografico SIP o plano 2 Contiene los caracteres del sistema CJK que no se incluyen en el plano 0 La mayoria son caracteres muy raros o de interes historico Plano de proposito especial SSP o plano 14 Area para caracteres de control que no se han introducido en el plano 0 Planos de uso privado planos 15 y 16 Reservados para uso privado por fabricantes de software Areas y bloques Editar Los distintos planos se dividen en areas de direccionamiento en funcion de los tipos generales que incluyen Esta division es convencional no reglada y puede variar con el tiempo Las areas se dividen a su vez en bloques Los bloques estan definidos normativamente y son rangos consecutivos del espacio de codigos Los bloques se utilizan para formar las tablas impresas de caracteres pero no deben tomarse como definiciones de grupos significativos de caracteres Tratamiento de la informacion EditarFormas de codificacion Editar Los puntos de codigo de Unicode se identifican por un numero entero Segun su arquitectura un ordenador utilizara unidades de 8 16 o 32 bits para representar dichos enteros Las formas de codificacion de Unicode reglamentan la forma en que los puntos de codigo se transformaran en unidades tratables por el computador Unicode define tres formas de codificacion bajo el nombre UTF Unicode transformation format formato de transformacion Unicode 10 UTF 8 codificacion orientada a byte con simbolos de longitud variable UTF 16 codificacion de 16 bits de longitud variable optimizada para la representacion del plano basico multilingue BMP UTF 32 codificacion de 32 bits de longitud fija y la mas sencilla de las tres Las formas de codificacion se limitan a describir el modo en que se representan los puntos de codigo en formato inteligible por la maquina A partir de las 3 formas identificadas se definen 7 esquemas de codificacion Esquemas de codificacion Editar Los esquemas de codificacion tratan de la forma en que se serializa la informacion codificada 10 La seguridad en los intercambios de informacion entre sistemas heterogeneos requiere la implementacion de sistemas que permitan determinar el orden correcto de los bits y bytes y garantizar que la reconstruccion de la informacion es correcta Una diferencia fundamental entre procesadores es el orden de disposicion de los bytes en palabras de 16 y 32 bits lo que se denomina endianness Los esquemas de codificacion deben garantizar que los extremos de una comunicacion saben como interpretar la informacion recibida A partir de las 3 formas de codificacion se definen 7 esquemas A pesar de que comparten nombres no debe confundirse esquemas y formas de codificacion Esquema de codificacion Endianness Admite BOMUTF 8 No aplicable SiUTF 16 Big endian o Little endian SiUTF 16BE Big endian NoUTF 16LE Little endian NoUTF 32 Big endian o Little endian SiUTF 32BE Big endian NoUTF 32LE Little endian No Unicode define una marca especial la marca de orden de bytes BOM Byte Order Mark al inicio de un fichero o una comunicacion para hacer explicita la ordenacion de bytes Cuando un protocolo superior especifica el orden de bytes la marca no es necesaria y puede omitirse dando lugar a los esquemas de la lista anterior con sufijo BE o LE En los esquemas UTF 16 y UTF 32 que admiten BOM si este no se especifica se asume que la ordenacion de bytes es big endian La unidad de codificacion en UTF 8 es el byte por lo que no necesita una indicacion de orden de byte El estandar ni requiere ni recomienda la utilizacion de BOM pero lo admite como marca de que el texto es Unicode o como resultado de la conversion de otros esquemas Historia EditarEl proyecto Unicode se inicio a finales de 1987 tras conversaciones entre Joe Becker Lee Collins y Mark Davis ingenieros de las empresas Apple y Xerox 11 Como resultado de su colaboracion en agosto de 1988 se publico el primer borrador de Unicode bajo el nombre de Unicode88 12 En esta primera version se consideraba que solo se codificarian los caracteres necesarios para el uso moderno por lo que se utilizaron codigos de 16 bits Durante el ano 1989 se sumaron colaboradores de otras companias como Microsoft o Sun Microsystems El 3 de enero de 1991 se formo el Consorcio Unicode y en octubre de 1991 se publico la primera version del estandar La segunda version que ya incluia la escritura ideografica han se publico en junio de 1992 A continuacion se muestra una tabla con las distintas versiones del Estandar Unicode con sus adiciones o modificaciones mas importantes Version Fecha Publicacion Edicion ISO IEC 10646 asociada Escrituras Caracteres Adiciones notables1 0 octubre de 1991 ISBN 0 201 56788 1 Vol 1 24 7161 El repertorio inicial cubre los alfabetos arabe armenio bengali bopomofo cirilico devanagari georgiano griego copto guyarati gurmukhi hangul hebreo hiragana kannada katakana lao latino malayalam oriya tamil telugu thai y tibetano 13 1 0 1 junio de 1992 ISBN 0 201 60845 6 Vol 2 25 28 359 Definido el primer conjunto de 20 902 ideogramas CJK unificados 13 1 1 junio de 1993 ISO IEC 10646 1 1993 24 34 233 Se agregan 4306 caracteres hangul mas al conjunto original de 2350 Se elimina el alfabeto tibetano 13 2 0 julio de 1996 ISBN 0 201 48345 9 ISO IEC 10646 1 1993 con enmiendas 5 6 y 7 25 38 950 Eliminado el conjunto original de caracteres hangul se agrega un nuevo conjunto de 11 172 caracteres hangul en una nueva ubicacion Se reincorpora el alfabeto tibetano en una nueva ubicacion y con un juego de caracteres diferente Se define el sistema de codigos subrogados y se crean los planos 15 y 16 de caracteres para uso privado 13 2 1 mayo de 1998 ISO IEC 10646 1 1993 con enmiendas 5 6 y 7 y dos caracteres de la enmienda 18 25 38 952 Se agrega el simbolo del euro 13 3 0 septiembre de 1999 ISBN 0 201 61633 5 ISO IEC 10646 1 2000 38 49 259 Ideogramas cheroqui Escrituras etiope jemer mongol Myanmar ogham alfabeto runico cingales siriaco thaana silabario unificado de los indigenas canadienses y yi ademas de los patrones braille 13 3 1 marzo de 2001 ISO IEC 10646 1 2000 ISO IEC 10646 2 2001 41 94 205 Se agregan los alfabetos deseret gotico y etrusco y los simbolos de notacion musical moderna musica bizantina y 42 711 ideogramas de CJK unificado 14 3 2 marzo de 2002 ISO IEC 10646 1 2000 con la enmienda 1 ISO IEC 10646 2 2001 45 95 221 Agregadas las escrituras filipinas buhid hanuno o tagalo y tagbanwa 14 4 0 abril de 2003 ISBN 0 321 18578 1 ISO IEC 10646 2003 52 96 447 Se agrega el silabario chipriota limbu lineal B osmanya shaviano tai le y ugaritico y los hexagramas I Ching 14 4 1 marzo de 2005 ISO IEC 10646 2003 con enmienda 1 59 97 720 Agregados bugines glagolitico kharoshthi new tai lue persa antiguo syloti nagri y nifinagh Se separa el copto del alfabeto griego Simbolos griegos antiguos para musica y numeracion 14 5 0 julio de 2006 ISBN 0 321 48091 0 ISO IEC 10646 2003 con enmiendas 1 y 2 y cuatro caracteres de la enmienda 3 64 99 089 Agregados balines cuneiforme n ko mande phags pa y fenicio 14 5 1 abril de 2008 ISO IEC 10646 2003 mas enmiendas 1 2 3 y 4 75 100 713 Agregados escritura caria cham kayah li escritura lepcha alfabeto licio alfabeto lidio alfabeto ol chiki rejang saurashtra sundanes y el silabario vai Los jeroglificos del disco de Festos fichas de mahjong y de domino Adiciones importantes para el birmano letras y abreviaturas de amanuense utilizadas en manuscritos medievales y la adicion de la ss mayuscula 15 5 2 octubre de 2009 ISBN 978 1 936213 00 9 ISO IEC 10646 2003 mas enmiendas de 1 a 6 90 107 361 Agregados bamum javanes lisu meetei mayek samaritano tai tham y tai viet Se ha ampliado el devanagari con la adicion del alfabeto sanscrito Ampliaciones importantes para abjasio el silabario unificado de los indigenas canadienses copto khamti shan malayo myanmar Tambien se agregan simbolos y caracteres historicos como los jeroglificos egipcios de Gardiner arameo imperial avestico kaithi antiguo arabe del Sur y turco antiguo 16 6 0 octubre de 2010 ISBN 978 1 936213 01 6 ISO IEC 10646 2011 93 109 449 La version 6 0 es la primera version principal del estandar publicada exclusivamente en soporte electronico Agregados mandeo batak y brahmi ampliaciones de lenguajes africanos como tifinagh etiope y bamum Otras adiciones importantes son 222 ideogramas CJK 1000 simbolos incluyendo los pictogramas emoji el nuevo simbolo oficial para la rupia y simbolos alquimicos ademas de ampliaciones de los atributos de los caracteres y otras modificaciones normativas y algoritmicas 17 6 1 2012 ISBN 978 1 936213 02 3 ISO IEC 10646 2012 110 116 Incluye extensiones de varios alfabetos existentes son significativas las adiciones al alfabeto arabe que incluyen 143 simbolos matematicos alfabeticos y los alfabetos Pollard Miao Sorang Sompeng escritura meroitica Chakma Alfabeto sharada y 13 emoticonos 6 2 2012 ISBN 978 1 936213 07 8 ISO IEC 10646 2012 mas simbolo de la lira turca 110 117 Publicacion especial para la introduccion de la Lira turca6 3 2013 ISBN 978 1 936213 08 5 ISO IEC 10646 2012 con adiciones 110 122 Revision del algoritmo de texto bidireccional con la adicion de 5 caracteres especiales El nuevo algoritmo bidireccional mejora la representacion conjunta de textos de diferentes fuentes respetando el orden correcto de los caracteres 7 0 2014 ISBN 978 1 936213 09 2 ISO IEC 10646 2012 con adiciones y signo del rublo 112 956 Agrega 23 nuevos sistemas de escritura 8 0 2015 ISBN 978 1 936213 10 89 0 2016 ISBN 978 1 936213 13 910 0 2017 ISBN 978 1 936213 16 0 139 136 690 Entre otros se agrega el simbolo de Bitcoin 56 caracteres emoji y los sistemas de escritura Masaram Gondi Nu Shu Soyombo y la escritura mongola cuadrada de Zanabazar Se introduce la extension F de caracteres unificados CJK 11 0 5 de junio de 2018 ISBN 978 1 936213 19 1 137 374 Dogra letras capitales de Georgian Mtavruli Gunjala Gondi Hanifi Rohingya Makasar Medefaidrin Old Sogdian Sogdian y varios simbolos 5 nuevos ideogramas unificados CJK 66 emoji adicionales copyleft media estrella simbolos astrologicos adicionales y de ajedrez chino Xiangqi Vease tambien EditarSistema de escritura Historia de la escrituraReferencias Editar Resumen historico Unicode Inc Consultado el 21 de mayo de 2009 About the Unicode Standard Unicode Inc Consultado el 21 de mayo de 2009 The Unicode Consortium Members Unicode Inc Consultado el 15 de mayo de 2012 The Unicode Consortium octubre de 2006 Appendix C Relationship to ISO IEC10646 En Julie D Allen Joe Becker et al ed Unicode 5 0 standard en ingles Addisson Wesley ISBN 0 321 48091 0 Archive of Notices of Non Approval Unicode Inc Archivado desde el original el 3 de marzo de 2016 Consultado el 21 de mayo de 2009 The Unicode Consortium octubre de 2006 Julie D Allen Joe Becker et al ed Unicode 5 9 standard en ingles Addisson Wesley ISBN 0 321 48091 0 The Unicode Consortium octubre de 2006 16 Special Areas and Format Characters En Julie D Allen Joe Becker et al ed Unicode 5 0 standard en ingles Addisson Wesley ISBN 0 321 48091 0 a b On the Encoding of Latin Greek Cyrillic and Han 12 East Asian Scripts Unicode 5 0 Standard a b The Unicode Consortium octubre de 2006 2 5 Encoding Forms En Julie D Allen Joe Becker et al ed Unicode 5 0 standard en ingles Addisson Wesley ISBN 0 321 48091 0 Chronology of Unicode Version 1 0 Becker Joseph D 10 de septiembre Unicode 88 en ingles Unicode Consortium p 10 Consultado el 29 de mayo de 2009 a b c d e f The Unicode Consortium Joan Aliprand et al enero de 2000 Appendix D Changes from Unicode Version 2 0 The Unicode Standard Version 3 0 standard en ingles Addisson Wesley ISBN 0 201 61633 5 Archivado desde el original el 17 de noviembre de 2008 Consultado el 28 de julio de 2009 a b c d e The Unicode Consortium octubre de 2006 Appendix D Changes from previous versions En Julie D Allen Joe Becker et al ed Unicode 5 0 standard en ingles Addisson Wesley ISBN 0 321 48091 0 Archivo de datos de Unicode 5 1 Unicode 5 2 0 Unicode 6 0 0Enlaces externos EditarUnicode Consortium en el sitio web Unicode org Historia de la unificacion han en el sitio web Unicode org Catalogo de sistemas de escritura y hojas de caracteres en el sitio web Unicode org Emojis y su Unicode Todos los caracteres Unicode emoji y fuentes en Windows 10 Datos Q8819 Multimedia UnicodeObtenido de https es wikipedia org w index php title Unicode amp oldid 136848679, wikipedia, wiki, leyendo, leer, libro, biblioteca,

español

, española, descargar, gratis, descargar gratis, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, imagen, música, canción, película, libro, juego, juegos