UTF-1

UTF-1

МИМ / IANA	ISO-10646-UTF-1
Язык(и)	Международный
Текущее состояние	Малоизвестный, представляющий в основном исторический интерес.
Классификация	Формат преобразования Unicode , расширенный ASCII , кодировка переменной ширины
Расширяет	США-ASCII
Преобразует/кодирует	ISO/IEC 10646 ( Юникод )
Преемник	UTF-8

UTF-1 — это метод преобразования ISO/IEC 10646 / Unicode в поток байтов . Его конструкция не обеспечивает самосинхронизацию , что затрудняет поиск подстрок и исправление ошибок. Он повторно использует печатные символы ASCII для многобайтовых кодировок, что делает его непригодным для некоторых целей (например, имена файлов Unix не могут содержать значение байта, используемое для косой черты). UTF-1 также медленно кодирует или декодирует из-за использования деления и умножения на число, которое не является степенью 2. Из-за этих проблем он не получил признания и был быстро заменен UTF-8 .

Дизайн

Подобно UTF-8 , UTF-1 — это кодировка переменной ширины , обратно совместимая с ASCII . Каждая Юникода кодовая точка представлена ​​либо одним байтом, либо последовательностью двух, трех или пяти байтов. Все кодовые точки ASCII представляют собой один байт (кодовые точки U + 0080 через U+009F также являются одиночными байтами).

UTF-1 не использует управляющие коды C0 и C1 или символ пробела в многобайтовых кодировках: байт в диапазоне 0–0x20 или 0x7F–0x9F всегда обозначает соответствующую кодовую точку. Этот дизайн с 66 защищенными символами пытался соответствовать стандарту ISO/IEC 2022 .

UTF-1 использует арифметику « по модулю 190» (256–66 = 190). Для сравнения, UTF-8 защищает все 128 символов ASCII, и для этого требуется один бит, а также второй бит для самосинхронизации, что приводит к арифметике «по модулю 64» ( 8 − 2 = 6 ; 2). ⁶ = 64 ). BOCU-1 защищает только минимальный набор, необходимый для совместимости с MIME (0x00, 0x07–0x0F, 0x1A–0x1B и 0x20), что приводит к арифметике «по модулю 243» (256–13 = 243).

кодовая точка	UTF-8	UTF-1
U + 007F	7F	7F
U + 0080	С2 80	80
U + 009F	С2 9F	9F
U + 00A0	С2 А0	А0 А0
U + 00BF	С2 БФ	А0 БФ
U + 00C0	С3 80	А0 С0
U + 00FF	С3 БФ	А0 ФФ
U + 0100	С4 80	А1 21
U + 015D	С5 9Д	А1 7Е
U + 015E	С5 9Е	А1 А0
U + 01BD	С6 БД	A1 FF
U + 01BE	C6 БЭ	А2 21
U + 07FF	ДФ БФ	АА 72
U + 0800	Е0 А0 80	АА 73
U+0FFF	E0 БФ БФ	Б5 48
U+1000	Е1 80 80	Б5 49
U + 4015	Е4 80 95	F5 ФФ
U + 4016	Е4 80 96	Ф6 21 21
U + D7FF	ЭД 9Ф БФ	Ф7 2Ф С3
U+E000	ЭЭ 80 80	Ф7 3А 79
U+F8FF	ЭФ А3 БФ	Ф7 5С 3С
U+FDD0	ЭФ В7 90	F7 62 БА
U+FDEF	ЭФ Б7 АФ	Ф7 62 Д9
U+FEFF	ЭФ ББ БФ	Ф7 64 4С
U+FFFD	ЭФ БФ БД	F7 65 г. н.э.
U+FFFE	ЭФ БФ БЕ	F7 65 НЕТ
U+FFFF	ЭФ БФ БФ	F7 65 ВЫКЛ.
U+10000	Ф0 90 80 80	Ф7 65 Б0
U + 38E2D	F0 B8 B8 AD	ФБ ФФ ФФ
U + 38E2E	F0 B8 B8 АЕ	ФК 21 21 21 21
U + FFFFF	F3 БФ БФ БФ	ФК 21 37 Б2 7А
U+100000	Ф4 80 80 80	ФК 21 37 Б2 7Б
U + 10FFFF	F4 8F БФ БФ	ФК 21 39 6E 6C
U + 7FFFFFFFF	ФД БФ БФ БФ БФ БФ	ФД БД 2Б Б9 40

Хотя современный Unicode заканчивается на U+10FFFF, и UTF-1, и UTF-8 были разработаны для кодирования полных 31 бит исходного универсального набора символов ( UCS-4 ), и последняя запись в этой таблице показывает эту исходную окончательную кодовую точку. .

См. также

• Сравнение кодировок Unicode
• Универсальный набор символов

Ссылки

• «Стандарт Unicode: Приложение F FSS-UTF» (PDF) (PDF, 768 КиБ). Версия 1.1. Юникод, Инк.
• ISO/IEC JTC 1/SC2/WG2 (21 января 1993 г.). «ISO IR 178: Формат преобразования UCS One (UTF-1)» (PDF) (PDF, 256 КиБ) (1-е изд.). Регистрационный номер 178. Архивировано из оригинала (PDF) 18 марта 2015 г. {{cite web}}: CS1 maint: числовые имена: список авторов ( ссылка )
• Чиборра, Роман (30 ноября 1998 г.). «Форматы преобразования Unicode: UTF-8 и другие» . Архивировано из оригинала 7 июня 2016 г. Проверено 7 июня 2016 г.
• Ф. Йерго, Ф. (ноябрь 2003 г.). «UTF-8, формат преобразования ISO 10646» . дои : 10.17487/RFC3629 . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )