UTF-1 - UTF-1

UTF-1

Язык (и)	Международный
Текущее состояние	Неизвестно, представляет в основном исторический интерес.
Классификация	Формат преобразования Unicode, расширенный ASCII, кодирование с переменной шириной
Расширяется	US-ASCII
Преобразует / кодирует	ISO 10646 (Unicode )
Преемник	UTF-8

UTF-1 это метод преобразования ISO 10646 /Unicode в поток байты. Его конструкция не предусматривает самосинхронизация, что делает поиск подстроки и восстановление после ошибок сложно. Он повторно использует символы печати ASCII для многобайтовых кодировок, что делает его непригодным для некоторых применений (например, имена файлов Unix не могут содержать байтовое значение, используемое для прямой 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 распространения и был быстро заменен UTF-8.

Дизайн

Похожий на UTF-8, UTF-1 - это кодирование с переменной шириной который обратно совместим с ASCII. Каждый Unicode кодовая точка представлен либо одним байтом, либо последовательностью из двух, трех или пяти байтов. ASCII поддерживается с помощью однобайтовых кодировок, которые, в отличие от кодировок UTF-8, также включают кодовые точки, отличные от ASCII. U + 0080 через U + 009F.

UTF-1 не использует Коды управления C0 и C1 или пробел в многобайтовой кодировке: байт в диапазоне 0–0x 20 или 0x7F – 0x9F всегда обозначает соответствующую кодовую точку. Этот дизайн с 66 защищенный персонажи пытались быть ISO 2022 совместимый.

UTF-1 использует "по модулю 190-дюймовая арифметика (256 - 66 = 190). Для сравнения, UTF-8 защищает все 128 символов ASCII, и для этого требуется один бит, а второй бит - для самосинхронизации, в результате чего получается арифметика по модулю 64 (8 − 2 = 6; 2⁶ = 64). BOCU-1 защищает только минимальный набор, необходимый для MIME -совместимость (0x00, 0x07–0x0F, 0x1A – 0x1B и 0x20), в результате чего получается арифметика «по модулю 243» (256 - 13 = 243).

кодовая точка	UTF-8	UTF-1
U + 007F	7F	7F
U + 0080	C2 80	80
U + 009F	C2 9F	9F
U + 00A0	C2 A0	A0 A0
U + 00BF	C2 BF	A0 BF
U + 00C0	C3 80	A0 C0
U + 00FF	C3 BF	A0 FF
U + 0100	C4 80	A1 21
U + 015D	C5 9D	A1 7E
U + 015E	C5 9E	A1 A0
U + 01BD	C6 BD	A1 FF
U + 01BE	C6 BE	A2 21
U + 07FF	DF BF	AA 72
U + 0800	E0 A0 80	AA 73
U + 0FFF	E0 BF BF	B5 48
U + 1000	E1 80 80	B5 49
U + 4015	E4 80 95	F5 FF
U + 4016	E4 80 96	F6 21 21
U + D7FF	ED 9F BF	F7 2F C3
U + E000	EE 80 80	F7 3A 79
U + F8FF	EF A3 BF	F7 5C 3C
U + FDD0	EF B7 90	F7 62 BA
U + FDEF	EF B7 AF	F7 62 D9
U + FEFF	EF BB BF	F7 64 4C
U + FFFD	EF BF BD	F7 65 г. н.э.
U + FFFE	EF BF BE	F7 65 AE
U + FFFF	EF BF BF	F7 65 AF
U + 10000	F0 90 80 80	F7 65 B0
U + 38E2D	F0 B8 B8 AD	FB FF FF
U + 38E2E	F0 B8 B8 AE	ФК 21 21 21 21
U + FFFFF	F3 BF BF BF	FC 21 37 B2 7A
U + 100000	F4 80 80 80	FC 21 37 B2 7B
U + 10FFFF	F4 8F BF BF	FC 21 39 6E 6C
U + 7FFFFFFF	FD BF BF BF BF BF	FD BD 2B B9 40

Хотя современный Unicode заканчивается на U + 10FFFF, UTF-1 и UTF-8 были разработаны для кодирования всего 31 бита оригинала. Универсальный набор символов (UCS-4 ), а последняя запись в этой таблице показывает исходный окончательный код.

Смотрите также

• Сравнение кодировок Unicode
• Универсальный набор символов

Рекомендации

• «Стандарт Unicode: Приложение F FSS-UTF» (PDF) (PDF, 768 Кбайт). Версия 1.1. Unicode, Inc.
• ISO / IEC JTC 1 / SC2 / WG2 (1993-01-21). «ISO IR 178: UCS Transformation Format One (UTF-1)» (PDF) (PDF, 256 Кбайт) (1-е изд.). Регистрационный номер 178.
• Чиборра, Роман (1998-11-30). «Форматы преобразования Unicode: UTF-8 и Co». В архиве из оригинала от 07.06.2016. Получено 2016-06-07.
• Ф. Йерго, Ф. «UTF-8, формат преобразования ISO 10646».