WikiSysop: Bot: Automatski unos stranica

2021-08-27T02:36:35Z

Bot: Automatski unos stranica

Nova stranica

'''UTF-8''' (''Unicode Transformation Format 8'') je način zapisa kodnih točaka u standardu [[Unicode]] pomoću nizova 8-bitnih ''[[bajt]]ova''.

Prednost kodiranja je u tome što je "unatrag" kompatibilan sa 7-bitnim [[ASCII]] standardom. Slova većine europskih i bliskoistočnih pisama se kodiraju s najviše 16 bita.

==Standardi==
Postoji nekoliko vrijedećih, vrlo malo različitih definicija u različitim dokumentima:
* {{RFC|3629}} / STD 63 (2003), gdje se UTF-8 opisuje kao dio protokola na [[Internet]]u
* ''The Unicode Standard, Version 4.0'', §3.9–§3.10 (2003)
* ISO/IEC 10646-1:2000 Annex D (2000)

==Shema kodiranja==
Kodiranje ovisi o vrijednosti kodne točke. Kodne točke do iznosa 127 se zapisuju kao jedan 8-bitni bajt, te se stoga poklapaju s 7-bitnim ASCII kodiranjem. U ostalim slučajevima se vrijednost kodne točke zapisuje kao niz od dva ili više 8-bitnih [[bajt]]ova. U takvom nizu od dva ili više bajtova, svaki bajt ima najznačajniji bit postavljen na 1. Prvi bajt u takvom nizu ima barem prva dva najznačajnija bita postavljene na 1, a svi ostali imaju drugi najznačajniji bit na 0 (dakle počinju kao 10...). Broj uzastopnih jedinica na značajnijem kraju prvog bajta označava ukupnu duljinu niza bajtova za prikaz jedne kodne točke.Uzimajući u obzir dozvoljena područja kodnih točki, to daje veliku redundantnost, a opet kompaktnost.

Sljedeća tablica prikazuje primjerom kodiranje za kodne točke u 21-bitnom prostoru, što je dovoljno za sadašnju verziju Unicode standarda. No koncept iza UTF-8 kodiranja je sposoban i za pohranu 32-bitnih vrijednosti, u kojem slučaju bi bilo potrebno do 6 bajtova.

{| class="wikitable"
! style="width: auto;" | Opseg kodne točke ([[heksadekadski brojevni sustav|hex.]])
! style="width: auto;" | Shema bitova
! style="width: auto;" | Zapis u UTF-8 (bitovi)
! style="width: 25%;" | Napomene
|-
| rowspan="2" | 000000–00007F 128 kodova
| 00000000 00000000 0zzzzzzz
| 0zzzzzzz
| rowspan="2" | kompatibilno s ASCII, prvi (jedini) bajt počinje s 0
|-
| sedam z
| sedam z; vrijednosti 00–7F
|-
| rowspan="2" | 000080–0007FF 1920 kodova
| 00000000 00000yyy yyzzzzzz
| style="text-align: left;" | 110yyyyy 10zzzzzz
| rowspan="2" align="top" | prvi bajt počinje s 110, ostali s 10
|-
| tri y, dva y, šest z
| pet y, šest z; vrijednosti C2–DF i 80–BF
|-
| rowspan="2" | 000800–00D7FF 00E000–00FFFF 61440 kodova 
| 00000000 xxxxyyyy yyzzzzzz
| style="text-align: left;" | 1110xxxx 10yyyyyy 10zzzzzz
| rowspan="2" align="top" | prvi bajt počinje s 1110, ostala 2 s 10
|-
| četiri x, četiri y; dva y, šest z
| četiri x, šest y, šest z; vrijednosti E0–EF i2x 80–BF
|-
| rowspan="2" | 010000–10FFFF 1048576 kodova 
| 000wwwxx xxxxyyyy yyzzzzzz
| style="text-align: left;" | 11110www 10xxxxxx 10yyyyyy 10zzzzzz
| rowspan="2" | prvi bajt počinje s 11110, ostala 3 s 10
|-
| tri w, dva x; četiri x, četiri y; dva y, šest z
| tri w; šest x; šest y; šest z; vrijednosti F0–F4 i 3x 80–BF
|}

Na primjer, znak [[alef (slovo)|alef]] (א), koji ima u standardu Unicode kod U+05D0, se zapisuje pomoću UTF-8 ovako:
* Upada u opseg U+0080 do U+07FF. Tablica pokazuje da se kodira pomoću 2 bajta, ''110''yyyyy ''10''zzzzzz.
* 0x05D0 je ekvivalentno binarnom 0000-0101-1101-0000, to podijelimo u tri dijela: 00000-10111-010000; prvi dio se ne kodira, drugi su ''yyyyy'', a treći ''zzzzzz''.
* Konačni rezultat su dva bajta, prikazani kao 0xD7 0x90. To je zapis alefa (א) u UTF-8.

== Vidi još ==

=== U Wikipediji ===
* [[Unicode]]
* [[UTF-16]]
* [[UTF-32]]
* [[Heksadekadski brojevni sustav]]
* [[Binarni brojevni sustav]]

=== Vanjske poveznice ===
* [http://www.unicode.org Web-stranica konzorcija Unicode]
* {{jezikk|en}} [http://www.cl.cam.ac.uk/~mgk25/ucs/utf-8-history.txt Rob Pike o stvaranju UTF-8]

[[Kategorija:Kodne stranice]]
[[Kategorija:Norme]]
[[Kategorija:Računarstvo]]
[[Kategorija:Tipografija]]

[[fi:Unicode#UTF-8]]

UTF-8 - Povijest promjena

WikiSysop: Bot: Automatski unos stranica