Z. Kotala, P. Toman: Java
	(Obsah)

C. Unicode

Unicode je šestnáctibitový systém kódování znaků, který je určen pro výměnu, zpracování a zobrazení textu v různých současných a historických jazycích. Toto kódování zavedlo Unicode Consorcium a nadále ho vyvíjí. V současné době je k dispozici verze 2.0, která je podporovaná i v Javě. Unicode je skoro shodný s normou ISO 10646, která jej přejala.

Kódování znaků \u0020 až \u007E je stejné jako v ASCII. Rovněž znaky \u00A0 až \u00FF odpovídají ASCII kódování. To je výhodné pro konverzi textů z kódování Latin-1 do Unicode a naopak. Převod mezi jiným kódováním je však poněkud komplikovanější, což je malá nevýhoda.

Druhou a to hlavní nevýhodou je malá podpora Unicode v současných operačních systémech. To je zapříčiněno velkou datovou náročností textů (jsou dvakrát delší), ale hlavně fontů, které by měly obsahovat přes 30 000 znaků.

Bližší a aktuální informace lze nalézt na [WWW17].

C.1. UTF-8

Java nabízí podporu kódování UTF-8, což je kód s proměnnou šířkou značky - jeden znak může být kódován jedno-, dvou- nebo tří-bytově. Jednoznačnost kódu umožňuje přesně stanovit začátek znaku, což je výhoda při obnově poškozeného souboru. Princip kódování shrnuje následující tabulka:

Znaky	Bitů	Kódování
0000-007F	7	0xxxxxxx
0080-07FF	11	110xxxxx 10xxxxxx
0800-FFFF	16	1110xxxx 10xxxxxx 10xxxxxx

C.2. Akcentované znaky v Unicode

Converted by Selathco v0.9 on 25.09.1999 19:46