轉載須注明出處：簡書@Orca_J35

以下內容直接翻譯自 Unicode 術語表：Glossary of Unicode Terms

Unicode 是一種用數(shù)值表示字符的標準，適用于世界上所有的語言，它為不同語言提供了存儲、搜索和替換文本的統(tǒng)一方法。Unicode 作為一種標準，其中包含了用于可視化參考的編碼圖表(code charts)、一組標準字符編碼、一組編碼方案、一組參考數(shù)據(jù)文件以及許多相關項目。我們在網(wǎng)絡上看到的很多資料會將 Unicode 僅視作一個字符集，這種理解是不正確的。

Unicode 轉換格式 (Unicode Transformation Format)：是 Unicode encoding form 或 Unicode encoding scheme 的模糊同義詞，優(yōu)先使用后兩者。

Unicode 簽名 (Unicode Signature)：是一個隱式標記，用于將文件標識為包含特定"編碼模式"的 Unicode 文本。初始化字節(jié)順序標記(BOM)可用作 Unicode 簽名。

Unicode 字符串 (Unicode String)：一個"編碼單元序列 "，其中包含了特定 Unicode "編碼模式"下的"編碼單元"。(See definition D80 in Section 3.9, Unicode Encoding Forms.)

Unicode 字符數(shù)據(jù)庫 (Unicode Character Database)：有關 Unicode 字符屬性和映射關系的規(guī)范及詳細信息的一組文件。

編碼空間 (Codespace)：(1) 可用于編碼字符的數(shù)值范圍。(2) 對于 Unicode 標準，編碼空間的范圍是 0x0 ~ 0x10FFFF。(See definition D9 inSection 3.4, Characters and Encoding.)

字素 (Grapheme)：在特定書寫系統(tǒng)的背景下，最低限度的獨特寫作單位。示例：在英文書寫系統(tǒng)中 ?b? 和 ?d? 是不同的字素，因為它們會形成不同的單詞，如 big 和 dig。但是，小寫拉丁字母 a 和小寫羅馬字母 a 并沒有明顯區(qū)別，因為在這兩種不同形式的基礎上不能區(qū)分出不同的單詞。 (2) 用戶認為的字符

渲染 (Rendering). (1) 為了描繪字符，而選擇并布局字形的過程。(2) 在顯示設備上顯示字形的過程。

傳輸編碼語法 (Transfer Encoding Syntax)：應用于文本和其它數(shù)據(jù)的可逆轉換，數(shù)據(jù)需要經(jīng)過轉換后才允許被傳輸，例如 Base64 和 uuencode。

字形

字形 (glyph)：(1)表示一個或多個"字形圖形"的抽象形式。(2)與字形圖像(glyph image)同義。在顯示 Unicode 字符數(shù)據(jù)時，可以選擇一個至多個字形來描繪特定字符。在合成(composition )和布局(layout)處理期間，會通過渲染引擎選擇這些字形。(See also character.)

字形代碼 (Glyph Code)：用于引用字形的數(shù)字代碼。通常會通過字形代碼來引用字體(font)中包含的字形。字形代碼可以是特定字體的本地代碼；也就是說，包含相同字形的不同字體可以使用不同的代碼。

字形標識符 (Glyph Identifier)：與字形代碼類似，字形標識符是用于引用字體內字形的標簽。字體可以采用本地和全局字形標識符。

字形圖像 (Glyph Image)：已經(jīng)點陣化(rasterized)或以其它方式成像到某些顯示表面的字形表示的具體圖像。The actual, concrete image of a glyph representation having been rasterized or otherwise imaged onto some display surface.

字體 (Font)：字形的集合，用于字符數(shù)據(jù)的可視化描述。字體通常會關聯(lián)一組參數(shù)[例如，size, posture, weight, serifness]，在為參數(shù)設置特定值后，便會生成一個圖像化(imagable)的字形集合。

字符

字符 (Character)：(1)在書面語言中具備語義價值的最小組成部分，泛指抽象的意義和[或]形狀(shape)，而非特定的形狀 (see also glyph)；然而在編碼表(code tables)中，為了便于讀者理解，呈現(xiàn)某種形式的視覺表示是必不可少的。(2)抽象字符的同義詞。(3)Unicode 字符編碼的基本單元。(4) The English name for the ideographic written elements of Chinese origin. [See ideograph (2).]

抽象字符(Abstract Character)：用于組織、控制或表示文本數(shù)據(jù)的信息單元。(See definition D7 in Section 3.4, Characters and Encoding.)。

• 抽象字符沒有具體形式，不應與字形(glyph)混淆
• 抽象字符不一定與用戶認為的“字符”相對應，不應與字素( grapheme )混淆。例如，可能只是字素的一部分，比如一個漢字的部首。

抽象字符序列 (Abstract Character Sequence)：一個或多個抽象字符的有序序列(See definition D8 in Section Section 3.4, Characters and Encoding.)

字符集 (Character Set)：用于表示文本信息的元素的集合(collection)?？蓪⒆址斫鉃榫幋a字符集，至少包含了碼點和抽象字符。

字符倉庫 (Character Repertoire)：一個字符集(Character Set)中所包含的字符集合(collection)。

編碼字符

已編碼字符 (Encoded Character)：抽象字符(abstract character)和碼點(code point)之間的關聯(lián)(或映射)[See definition D11 in Section 3.4, Characters and Encoding.]。抽象字符本身沒有數(shù)值值，但"encoding a character"的步驟會將特定的碼點與特定的抽象字符關聯(lián)。

• An encoded character is also referred to as a coded character.

• 雖然"已編碼字符"在術語中的正式定義是，抽象字符和碼點之間的映射；但非正式地來講，"已編碼字符"可被認為是與為其分配的碼點一起使用的抽象字符。

• 有時，為了與其他標準兼容，單個抽象字符可能會對應多個碼點，比如 "?" 擁有兩個對應的碼點： U+00C5 和 U+212B。

• 單個字符也可由一系列碼點表示，比如 "?" 也可被表示為碼點序列：U+0041 U+030A，而不再是被映射到單個碼點。

  [圖片上傳失敗...(image-b08788-1538236458630)]

已編碼字符序列 (Coded Character Sequence)：一個或多個碼點構成的有序序列。通常，由一系列編碼字符組成，但也可能包含非字符(noncharacters)或保留(reserved)碼點。(See definition D12 in Section 3.4, Characters and Encoding.) 另外，Coded Character Representation 與 coded character sequence 同義

已編碼字符集(coded character set)：是一個字符集，其中的每個字符都分配有數(shù)值碼點，或說每個字符都擁有各自的碼點。通常會簡寫為字符集(character set)、charset、編碼集(code set)。A character set in which each character is assigned a numeric code point.

碼點

碼點(code point)：(1) Unicode 編碼空間(codespace)中的任意值，也就是說可以是 0 ~ 0x10FFFF 中的任意值。(See definition D10 in Section 3.4, Characters and Encoding.) 不是所有碼點都會被分配給已編碼字符。(2) 指已編碼字符集中某個字符的值或位置。
在 Unicode 標準中，碼點采用 16 進制書寫，并加上前綴 U+ (例如，拉丁字母 A 的碼點是 U+0041 )。Unicode 的碼點可以分成 17 個代碼級別(code plane)：

• 第一個代碼級別被稱為基本多語言級別(basic multilingual plane - BMP)，碼點從 U+0000 到 U+FFFF，其中包括經(jīng)典的 Unicode 代碼；

• 其余的 16 個級別碼點從 U+10000 到 U+10FFFF，其中包括一些輔助字符(Supplementary character)

  tips: 可參考 Code point planes and blocks 可獲取更詳細的解釋

碼點類型 (Code Point Type)：Unicode 標準中將碼點分為 7 種基礎類型：Graphic, Format, Control, Private-Use, Surrogate, Noncharacter, Reserved. (See definition D10a in Section 3.4, Characters and Encoding.)

保留碼點(Reserved Code Point)：Unicode 標準中留作將來使用的碼點，也稱為未分配碼點(unassigned code point)

已指定碼點 (Designated Code Point)：任何已分配給抽象字符 [assigned characters ] 或已通過標準賦予了規(guī)定功能的碼點[ surrogate code points and noncharacters ]。該定義排除了保留的代碼點。Designated Code Point 與 assigned code point 同義。(See Section 2.4 Code Points and Characters.)

未分配字符(Unassigned Character)：未分配給抽象字符的碼點，包含代理(surrogate)碼點、非字符(noncharacters)以及保留碼點。 (See Section 2.4, Code Points and Characters.)

已分配字符 (Assigned Character)：已被分配給抽象字符的碼點，是指在 Unicode 標準中已編碼的字符——graphic, format, control, and private-use characters。(See Section 2.4, Code Points and Characters.)

標量值

Unicode 標量值 (Scalar Value)：除開高代理碼點(high-surrogate)和低代理碼點(low-surrogat )之外的任何 Unicode 碼點都是標量值，具體范圍是 0x0 ~ 0xD7FF 和 0xE000 ~ 0x10FFFF。代理碼點不能通過"編碼模式"映射為"編碼單元序列"，只有標量值可被映射為"編碼單元序列"。(See definition D76 in Section 3.9, Unicode Encoding Forms.)

代理

代理字符 (Surrogate Character)：錯誤用詞，它是指具有代理碼點的已編碼字符，不要使用該術語。

代理碼點 (Surrogate Code Point)：位于 U+D800 ~ U+DFFF 之間的 Unicode 碼點屬于作代理碼點，保留共 UTF-16 使用。UTF-16 使用一對代理編碼單元"表示"輔助碼點。

代理對 (Surrogate Pair)：用于表示單個抽象字符，由包含兩個 16-bit 編碼單元的序列構成。代理對中的第一個值被稱作高代理(high-surrogate)編碼單元，第二個值被稱作低代理(low--surrogate)編碼單元。(See definition D75 in Section 3.8, Surrogates.)

高代理碼點 (High-Surrogate Code Point)：位于 U+D800 ~ U+DBFF 間的 Unicode 碼點屬于高代理碼點。(See definition D71 in Section 3.8, Surrogates.)

高代理編碼單元 (High-Surrogate Code Unit)：位于 0xD800 ~ 0xDBFF 間的 16-bit 編碼單元，在 UTF-16 中被用作代理對的第一個編碼單元。(See definition D72 in Section 3.8, Surrogates.)

低代理碼點 (Low-Surrogate Code Point)：位于 U+DC00 ~ U+DFFF 間的 Unicode 碼點屬于低代理碼點。(See definition D73 in Section 3.8, Surrogates.)

低代理編碼單元 (Low-Surrogate Code Unit)：位于 0xDC00~ 0xDFFF 間的 16-bit 編碼單元，在 UTF-16 中被用作代理對的第二個編碼單元。(See definition D74 in Section 3.8, Surrogates.)

編碼單元

編碼單元(code unit)：也稱編碼值(Code Value)，表示用于處理或交換編碼文本的基本單元。Unicode 標準在 UTF-8 編碼模式中使用 8-bit 編碼單元；在 UTF-16 編碼模式中使用 16-bit 編碼單元；在 UTF-32 編碼模式中使用 32-bit 編碼單元。

編碼模式

Unicode 編碼模式 (Unicode Encoding Form)：一組字符編碼模式，用于為每個 Unicode 標量值(scalar value)分配一個唯一的"編碼單元序列"。Unicode 標準定義了三種 Unicode 編碼模式：UTF-8, UTF-16, and UTF-32。(See definition D79 in Section 3.9, Unicode Encoding Forms.)

字符編碼模式 (Character Encoding Form)：簡稱編碼模式，將字符集中的定義(definition)映射到表示數(shù)據(jù)的實際編碼單元。另外，Encoding Form 與 character encoding form 同義

編碼方案

Unicode 編碼方案 (Encoding Scheme)：是指擁有特定字節(jié)序列的 Unicode 編碼模式。如果允許的話，會包含字節(jié)順序標記(byte order mark - BOM)。(See definition D94 in Section 3.10, Unicode Encoding Schemes.)

字符編碼方案 (Character Encoding Scheme)：字符編碼模式加上字節(jié)序列。Unicode 中有 7 中編碼方案：UTF-8, UTF-16, UTF-16BE, UTF-16LE, UTF-32, UTF-32BE, UTF-32LE。另外，Encoding Scheme 與 character encoding scheme 同義

字節(jié)序列

字節(jié)序列 (Byte Serialization)：The order of a series of bytes determined by a computer architecture.

字節(jié)序列標記 (byte order mark - BOM)：Unicode 字符 U+FEFF 用于表示文本的字節(jié)順序(See Section 2.13, Special Characters and Noncharacters, and Section 23.8, Specials.)

Little-endian ：A computer architecture that stores multiple-byte numerical values with the least significant byte (LSB) values first. 低字節(jié)優(yōu)先，小端模式

Big-endian. A computer architecture that stores multiple-byte numerical values with the most significant byte (MSB) values first. 高字節(jié)優(yōu)先，大端模式

UTF

轉換格式 (Transformation Format)：從已編碼字符序列到唯一編碼序列的映射(typically bytes)。

UTF ：Unicode (or UCS) Transformation Format 的縮寫。

UTF-2 ：UTF-8 的曾用名，現(xiàn)已廢棄。

UTF-7 ：Unicode (or UCS) Transformation Format, 7-bit 編碼模式，由 RFC-2152 詳細定義。

UTF-8

UTF-8 ：用于文本的多字節(jié)編碼，會使用 1 ~ 4 個字節(jié)來表示任意 Unicode 字符，并且向后兼容 ASCII。網(wǎng)頁中的 Unicode 以 UTF-8 為主。

UTF-8 編碼模式 (Encoding Form)：一種 Unicode 編碼模式，會為每個 Unicode 標量值分配一個唯一的無符號字節(jié)序列，該序列的長度是 1 ~ 4 字節(jié)。下表展示了 UTF-8 中比特位編碼方式： (See definition D92 in Section 3.9, Unicode Encoding Forms.)

UTF-8 編碼方案 (Encoding Scheme)：一種 Unicode 編碼方案，使用與 UTF-8 "編碼單元序列"自身完全相同的順序來序列化"編碼單元序列"。(See definition D95 in Section 3.10, Unicode Encoding Schemes.)The Unicode encoding scheme that serializes a UTF-8 code unit sequence in exactly the same order as the code unit sequence itself.

UTF-16

UTF-16 ：用于文本的多字節(jié)編碼，會使用 2 或 4 個字節(jié)來表示任意 Unicode 字符，不向后兼容 ASCII 。UTF-16 是許多編程語言中 Unicode 的內部模式，如 Java、C#、JavaScript 以及許多操作系統(tǒng)。

UTF-16 編碼模式 (Encoding Form)：一種 Unicode 編碼模式，會為 U+0000..U+D7FF 和 U+E000..U+FFFF 中的每個 Unicode 標量值分配一個唯一的無符號 16-bit 編碼單元(編碼單元的值與 Unicode 標量值相等)；會為 U+10000..U+10FFFF 中的每個 Unicode 標量值分配一個唯一代理對。下表展示了 UTF-16 中比特位編碼方式： (See definition D91 in Section 3.9, Unicode Encoding Forms.)

UTF-16 編碼方案 (Encoding Scheme)：該編碼方案會將 UTF-16 "編碼單元序列"序列化為 big-endian 或 little-endian 格式的字節(jié)序列。(See definition D98 in Section 3.10, Unicode Encoding Schemes.)

UTF-16BE ：一種 Unicode 編碼方案，會將 UTF-16 "編碼單元序列"序列化為 big-endian 格式的字節(jié)序列。(See definition D96 in Section 3.10, Unicode Encoding Schemes.)

UTF-16LE ：一種 Unicode 編碼方案，會將 UTF-16 "編碼單元序列"序列化為 little-endian 格式的字節(jié)序列。(See definition D96 in Section 3.10, Unicode Encoding Schemes.)

UTF-32

UTF-32 ：用于文本的多字節(jié)編碼，會使用 4 個字節(jié)來表示任意 Unicode 字符；不向后兼容 ASCII 。

UTF-32 編碼模式 (Encoding Form)：一種 Unicode 編碼模式，會為每個 Unicode 標量值分配一個唯一的無符號 32-bit 編碼單元(編碼單元的值與 Unicode 標量值相等)。(See definition D90 in Section 3.9, Unicode Encoding Forms.)

UTF-32 編碼方案 (Encoding Scheme)：該 Unicode 編碼方案會將 UTF-32 "編碼單元序列" 序列化為 big-endian 或 little-endian 格式的字節(jié)序列。(See definition D101 in Section 3.10, Unicode Encoding Schemes.)

UTF-32BE ：一種 Unicode 編碼方案，會將 UTF-32 "編碼單元序列"序列化為 big-endian 格式的字節(jié)序列。(See definition D99 in Section 3.10, Unicode Encoding Schemes.)

UTF-32LE ：一種 Unicode 編碼方案，會將 UTF-32 "編碼單元序列"序列化為 little-endian 格式的字節(jié)序列。 (See definition D100 in Section 3.10, Unicode Encoding Schemes.)

UCS

UCS - Universal Character Set 通用字符集，由 International Standard ISO/IEC 10646 所規(guī)定，與 Unicode 標準相同。

UCS-2 ：ISO/IEC 10646 編碼模式，使用兩個 8 位編碼通用字符集，僅限于基本多語言平面，不能編碼輔助平面。

UCS-4 ：ISO/IEC 10646 編碼模式：使用 4 個 8 位編碼通用字符集，適用于所有平面。