Unicode ist der Standard, der jedem Schriftzeichen der Welt eine eindeutige Nummer gibt. Lateinische Buchstaben, Umlaute, kyrillische, arabische und chinesische Zeichen, mathematische Symbole und Emojis stehen darin in einem gemeinsamen Verzeichnis.
- Unicode
Ein internationaler Standard, der Schriftzeichen aller Schriftsysteme einen eindeutigen Codepunkt zuweist.
Beispiel: „Dank Unicode erscheinen im Kontaktformular polnische und türkische Namen richtig, auch das ł und das ğ.“Gepflegt wird Unicode vom Unicode Consortium, die erste Fassung erschien 1991. Mit jeder neuen Version kommen Zeichen dazu, heute sind es über 150.000.
Verwandt: UTF-8, die Kodierung, mit der Unicode-Zeichen als Bytes gespeichert und übertragen werden.
Wie Unicode Zeichen nummeriert
Jedes Zeichen bekommt einen Codepunkt, geschrieben als U+ mit einer Zahl im Sechzehnersystem. Das große A ist U+0041, das ä U+00E4, das Euro-Zeichen U+20AC. Wie diese Nummer als Bytes gespeichert wird, regelt eine Kodierung wie UTF-8.
In HTML lässt sich jedes Zeichen auch über seine Nummer schreiben, etwa € für das Euro-Zeichen.
Was Unicode gelöst hat
Vorher gab es Dutzende Zeichensätze, je einen für Westeuropa, Osteuropa, Japan und so weiter. Ein Text, mit dem falschen Zeichensatz gelesen, wurde zu Zeichensalat, und Umlaute erschienen als merkwürdige Kombinationen. Mehrere Schriften in einem Dokument waren kaum möglich.
Unicode hat diese Zeichensätze in einem Verzeichnis zusammengeführt. Seitdem können Websites, Datenbanken und Programme jede Sprache gleichzeitig verarbeiten; Hintergründe dazu stehen unter Zeichenkodierung.
Unicode und Emojis
Auch Emojis sind Unicode-Zeichen, und über ihre Aufnahme entscheidet das Unicode Consortium. Viele bestehen aus mehreren Codepunkten, etwa für Hautfarbe oder Familien, was beim Zählen von Zeichen in Programmen gelegentlich für Überraschungen sorgt.