Slo-Tech - Izšla je nova verzija standarda Unicode za zapis znakov, ki v verziji 7.0 podpira že več kot 110.000 znakov v več kot sto pisavah. Zadnja verzija je prinesla novih 2834 znakov, od katerih večina pripada 23 novim pisavam, ki so sedaj vključene v Unicode.
Ker Unicode podpira že praktično vse pisave v uporabi, se postavi vprašanje, kaj predstavlja največji količina novih pisav. Večinoma gre za stare pisave, ki dandanes niso več v uporabi.
Zanimivo je, da Unicode 7.0 po novem podpira tudi linearno A-pisavo, ki so jo uporabljali Minojci na Kreti in sploh še ni razvozlana. To je prva ali druga nerazvozlana pisava, ki je vključena v Unicode, odvisno od statusa znakov na disku iz Festosa, ki so že v Unicodu.
Novosti, ki ne sodijo v mrtve in redko uporabljane pisave, so novih 643 znakov iz wingdingsov in webdingsov. Resne spremembe pa so dopolnitve znakov v pisavah Severne Amerike, Kitajske, Indije in Afrike ter nekaj manjših dodatkov, kot so znak za rubelj in podobno. Celoten seznam je že precej obsežen.
Unicode sam po sebi nič, ker je samo standard, ki mapira znake na številke. Koliko byteov zasedejo ti znaki pa je odvisno od kodiranja. Teh je pa več:
UTF-8 (najpogostejši): 1-4 bajte odvisno na kateri "ravnini" je znak. Cel ASCII in večina ločil je 1 bajt, evropski posebni znaki (slovenski šumniki, cirilica, itd.) so na drugi ravnini in so 2 bajta, 3,4 so pa večinoma azijske pisave.
UTF-16: (uporabljan interno v Windowsih - starejša UCS2 verzija, Javi, .NET in še kje): 2-4 byte, odvisno od ravnine. UTF-32: vedno 4 bajte.
Tako da v praksi ni več nobenega izgovora da ne bi uporabljal UTF-8 za prezentacijo podatkov v bazah in datotekah. Predvsem je treba s kovinsko palico pretepst vse ko še izvažajo (in shranjujejo) podatke v razne arhaične windows-1250 in cp852 zapise, ki so totalno nekompatibilni z modernim večjezičnim svetom.
UTF-16: (uporabljan interno v Windowsih - starejša UCS2 verzija, Javi, .NET in še kje): 2-4 byte, odvisno od ravnine. UTF-32: vedno 4 bajte.
Windows od Viste ali 7 naprej uporablja UTF-16 in ne več UCS-2.
Je pa pri dolžini znakov treba upoštevati še oznake za kombiniranje. Npr. č se lahko zapiše kot U+010D (č), ali pa kot U+0063,U+030C (c, ̌ - rezultat je vizualno identičen: č, le da se zdaj za zapis v UTF-8 uporabijo trije bajti).
There are only two hard things in Computer Science:
cache invalidation, naming things and off-by-one errors.
