一、Unicode的淵源
1、Unicode的誕生
Unicode編碼字符集（Unicode Coded Character Set）源自于美國。我們知道，最早的編碼字符集是采用的7位二進(jìn)制編碼，如美國信息交換標(biāo)準(zhǔn)代碼（ASCII）。7位二進(jìn)制編碼可以有27 = 128個(gè)編碼位組，最多能為128個(gè)字符進(jìn)行編碼。然而當(dāng)字符中包含文字字符（如漢字及世界其它國家文字等）時(shí)，128個(gè)編碼位組顯然是不夠用的。
欲具體了解ASCII編碼字符介紹的請進(jìn)入。
于是，在1987年初，美國的施樂（Xerox）公司的Joe Becker倡議將計(jì)算機(jī)字符集編碼碼位擴(kuò)充到更的多位數(shù)，以收納世界上各國各種文字，并開始研究，其研究的內(nèi)容主要體現(xiàn)在下表1-1所示的方面，但重點(diǎn)是兩個(gè)：
表 1-1：Unicode起步所研究的內(nèi)容
一是采用的編碼位數(shù)。其實(shí)在當(dāng)時(shí)，國際上已有不少字符集編碼標(biāo)準(zhǔn)采用了16位（雙字節(jié)）編碼，如我國的GB 2312-80、臺灣的Big5等。于是，Xerox公司的研究時(shí)考慮16位編碼，采用16位編碼，其碼位位組可達(dá)216 = 65536個(gè)編碼位組。當(dāng)初Xerox公司研究的時(shí)65536個(gè)編碼位組是否能夠容納全世界所有文字字符的編碼。最終研究的結(jié)果是，采用16位二進(jìn)制編碼（雙字節(jié)），應(yīng)該可以對全世界所有文字字符進(jìn)行編碼。這里需要指出的是，他們這種決定對于漢字，尤其是中、日、韓所用漢字采用統(tǒng)一編碼，且是按抽象字符編碼，而不是對字形或者字意編碼。
二是采用的碼位長度。決定采用雙字節(jié)編碼后，面臨兩個(gè)選擇：一是采用變長編碼形式（如我國的 GB 2312標(biāo)準(zhǔn)），對于 ASCII 字符使用一個(gè)字節(jié)，其它字符使用兩個(gè)字節(jié)；另一種是采用定長編碼形式，不管是不是 ASCII 字符，所有字符編碼統(tǒng)一使用兩個(gè)字節(jié)。最終研究的結(jié)果是，采用定長編碼形式。采用定長編碼形式的好處是顯而易見的，就是避免了使用代碼擴(kuò)充技術(shù)。
鑒于上述的研究，最終的研究成果于 1988 年 8 月以草案的形式發(fā)布（后稱為 Unicode 88）。他們將其字符集編碼標(biāo)準(zhǔn)被命名為“Unicode”，在我國又翻譯稱統(tǒng)一碼、聯(lián)合碼或萬國碼。為了推動(dòng)Unicode的開發(fā)與應(yīng)用，1991年當(dāng)時(shí)的美國一些信息技術(shù)公司，如IBM、DEC、Sun、Xerox、Apple、Microsoft、Novell等公司共同出資在加州成立Unicode聯(lián)盟（The Unicode Consortium），并由協(xié)會設(shè)立非贏利的Unicode公司，來推動(dòng)Unicode的開發(fā)與應(yīng)用工作。
欲具體了解GB 2312-80漢字編碼字符介紹的請進(jìn)入。
2、Unicode標(biāo)準(zhǔn)的歷程
于是，在Unicode 88草案的基礎(chǔ)上，于1991年10 月發(fā)布了 Unicode 的第一版（Unicode 1.0.0）。該版僅包含 24 種語言文字共 7163 個(gè)字符，但該版本中并未包括CJK漢字。在1992年6月發(fā)布了 Unicode 的第二版（Unicode 1.0.1）；該版本中加入了20902 個(gè)CJK統(tǒng)一漢字。下表1-2-1匯總了Unicode標(biāo)準(zhǔn)版本信息，包括版本號與發(fā)布年份等。2021 年 9 月發(fā)布Unicode 14.0.0版本，該版本支持 159 種文字，共包含 144697 個(gè)字符（包括控制字符、文字符號、表情符號等）。目前，Unicode 15.0.0 版本已于2022年9月發(fā)布。該版本增加了 4488 個(gè)字符（包括20 個(gè)新的表情符號（Emoji）字符和4193個(gè)CJK表意文字），共有 149186個(gè)字符。
表 1-2-1：Unicode標(biāo)準(zhǔn)的版本信息（截止到2023年1月）
注意，Unicode標(biāo)準(zhǔn)新的版本將是代替以前的版本。Unicode 標(biāo)準(zhǔn)的版本號是由三個(gè)字段組成，分別依次表示主要版本、次要版本和更新版本。它們的含義區(qū)別詳見下表1-2-2。
表 1-2-2：Unicode標(biāo)準(zhǔn)新的版本號的含義區(qū)別
二、與ISO的合作
1、關(guān)于ISO的研究
其實(shí)，早在1984年，國際標(biāo)準(zhǔn)化組織（ISO）就啟動(dòng)了通用多八位編碼字符集（UCS）的項(xiàng)目研究，初始的技術(shù)方案遭到了美國上述部分信息技術(shù)公司的抵觸的。從“通用多八位編碼”的名字就可以看出ISO采用的多字節(jié)編碼，即單字節(jié)、雙字節(jié)乃至四字節(jié)的不定長編碼的方案，對于ASCII 字符仍采用單字節(jié)長度編碼；對于世界文字字符常采用雙字節(jié)編碼，同時(shí)設(shè)計(jì)了四字節(jié)編碼，需要時(shí)可將文字字符置于四字節(jié)編碼區(qū)。顯然，ISO研究制定的字符編碼體系是優(yōu)越的，其容量宏大（編碼位組多）、字符編碼使用靈活（可按文字的字形、部首、筆畫等進(jìn)行編碼）、兼容早期字符編碼方案（ASCII 字符編碼）；適用于世界各種文字及符號，包括世界上曾經(jīng)出現(xiàn)過但現(xiàn)今很少使用的、以及今后將新產(chǎn)生的文字符號。
欲具體了解國際標(biāo)準(zhǔn)化組織（ISO）介紹的請進(jìn)入。
與ISO 方案相比，Unicode 88草案中的方案明顯存在以下不足：
一是定長雙字節(jié)編碼無法與ASCII 字符編碼兼容。我們知道，采用7位編碼的ASCII 字符的編碼標(biāo)準(zhǔn)是在上世紀(jì)六十年代就開始實(shí)行了，這期間已大量地應(yīng)用于多種編程軟件及規(guī)范標(biāo)準(zhǔn)之中。Unicode 88開始對ASCII 字符采用雙字節(jié)編碼，就要求已應(yīng)用的7位編碼的ASCII 字符的編碼方案都重新修訂過來，這顯然是不現(xiàn)實(shí)的、是不切合實(shí)際的。
二是編碼位組容量相對捉襟見肘。Unicode 88采用16位二進(jìn)制編碼，可以提供65536個(gè)編碼位組，在Unicode最初的研究中其容量是夠用的。因?yàn)檠芯康某霭l(fā)點(diǎn)是僅編碼現(xiàn)用的世界各國文字字符、很少考慮按字形編碼（尤其是CJK漢字，不考慮其文字的表意）等等。顯然這種出發(fā)點(diǎn)是好的，它可以簡化編碼體系，然而它卻限制了要編碼的文字符號，嚴(yán)重影響了實(shí)際中文字信息化的處理與通信。
2、Unicode與UCS的融合
從標(biāo)準(zhǔn)的組織制定形式上來講， ISO以國家成員體為基礎(chǔ)而制定的；Unicode則是以公司為基礎(chǔ)的集團(tuán)制定的。相對于字符集編碼標(biāo)準(zhǔn)，ISO由各成員國的參與，標(biāo)準(zhǔn)的研究制定顯然更充分些、更周全些。鑒于上述Unicode 88草案方案的不足，1991年，在包括中國在內(nèi)的各ISO成員過和信息領(lǐng)域的許多信息技術(shù)（IT）大企業(yè)的推動(dòng)下，Unicode與UCS兩大標(biāo)準(zhǔn)實(shí)現(xiàn)了相互對齊、合二而一。Unicode 1.0版和ISO/IEC第一個(gè)ISO草案DIS 10646.1進(jìn)行了雙方都可接受的修改，將它們的組合庫合并為一個(gè)單一的數(shù)字字符編碼。這項(xiàng)工作在Unicode 1.1版中達(dá)到了高潮。
此后，這兩個(gè)標(biāo)準(zhǔn)一直保持著協(xié)調(diào)關(guān)系、同步發(fā)展。ISO/IEC 10646 -1:1993和Unicode 1.1標(biāo)準(zhǔn)的編碼字符（碼位和名稱）完全相同。Unicode 3.0版等同于ISO/IEC 10646-1：2000，Unicode3.1版等同于ISO/IEC 10646-2：2001。總體上，ISO/IEC 10646-1：2000與Unicode 3.0，ISO/IEC 10646-2：2001與 Unicode 3.1的內(nèi)容、編碼、命名是完全相同的。但在一些細(xì)節(jié)上，兩個(gè)標(biāo)準(zhǔn)仍然有一些差別的。關(guān)于Unicode標(biāo)準(zhǔn)與ISO/IEC 10646標(biāo)準(zhǔn)各版本之間的關(guān)系詳見下附件2。
附件 2：Unicode標(biāo)準(zhǔn)與ISO/IEC 10646標(biāo)準(zhǔn)各版本之間的關(guān)系
三、Unicode編碼字符集介紹
截止到2023年1月，Unicode 15.0.0 版本是Unicode編碼字符集的最新版本。它是由核心規(guī)范（其目錄詳見下表3所示）、代碼圖表、標(biāo)準(zhǔn)的附錄、Unicode字符數(shù)據(jù)庫（UCD）等構(gòu)成；若要詳細(xì)了解該版本核心規(guī)范具體內(nèi)容的請查閱下附件3；若要Unicode V15.0.0標(biāo)準(zhǔn)其它內(nèi)容請?jiān)谄?/span>Unicode聯(lián)盟網(wǎng)站查閱。
表 3：Unicode V15.0.0核心規(guī)范目錄
附件 3：Unicode編碼字符集標(biāo)準(zhǔn)核心規(guī)范（V 15.0.0）
事實(shí)上，Unicode編碼字符集（Unicode Coded Character Set）與國際標(biāo)準(zhǔn)ISO/IEC 10646完全兼容并同步發(fā)展的一種通用的字符編碼標(biāo)準(zhǔn)，雖然他們各自發(fā)布自己版本的標(biāo)準(zhǔn)。
欲進(jìn)一步了解UCS編碼字符介紹的請進(jìn)入。
