Unicode字符集

Unicode字符集

 

Unicode字符集将characters映射到integer code points。例如，Latin字母A赋的是code point 65。Unicode的容量超过了100万个字符，足够容纳来自世界上手稿（scripts）中的每一个字符。当前版本的Unicode 4.1定义了来自许多语言的97,655个不同字符。

 

最前面的128个Unicode字符（0~127）和ASCII字符集是一致的。ASCII空格是32；因此32也是Unicode空格。

 

紧接着的128个Unicode字符（128~255）和ISO standard 8859-1定义的Latin-1字符集是一致的。

Latin-1的一个轻微的变体被Windows所利用，再加上各种重读字符，元音变音，乱七八糟的问号，以及其他在大多数西欧语言中编写文本需要用到的其他字符。

 

Unicode分割成了块。例如，字符0~127是基本的Latin块，其中包含了ASCII。字符128~255是Latin扩展。

 

尽管内部，Java可以处理完整的Unicode data（毕竟，code point只是numbers），并不是所有的Java环境都能够显示所有Unicode字符。最大的问题就是缺少字体。