Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1 UNICODE Semistrukturierte Daten 1 Gruppe 8. 2 Inhalt Motivation History – Birth of Unicode Die Organisation Anwendungsgebiete Technische Sichtweise.

Ähnliche Präsentationen


Präsentation zum Thema: "1 UNICODE Semistrukturierte Daten 1 Gruppe 8. 2 Inhalt Motivation History – Birth of Unicode Die Organisation Anwendungsgebiete Technische Sichtweise."—  Präsentation transkript:

1 1 UNICODE Semistrukturierte Daten 1 Gruppe 8

2 2 Inhalt Motivation History – Birth of Unicode Die Organisation Anwendungsgebiete Technische Sichtweise / Charactersets Fonts / Kodierungskriterien Unicode in HTML / XML Links & Resources / Q & A

3 3 Motivation Problem: andere Länder – andere Schriften… Ziel: alle weltweit bekannten Textzeichen in einem Zeichensatz zusammenzufassen Anzahl riesig (allein >9000 chinesische Zeichen) Gesucht: innovative Lösung um alles unter einen Hut zu kriegen

4 4 Was wird nun codiert? Zeilenende Absatzende Schreibrichtung (nach rechts / links) Zeichen (auf mehreren Ebenen) ABER: Darstellung nicht durch jeden Font möglich – meist kostenpflichtig

5 5 Was ist Unicode Internationaler Standard Zeichensatz eine eindeutige Nummer für jedes Zeichen Unicode ist: –Plattformunabhängig –Programm/Programmiersprachen unabhängig –Sprachenunabhängig Erste vereinheitlichende Codierung, die ALLE Zeichen darstellen konnte Durch zentrales gemeinnütziges Konsortium entwickelt und geregelt Einsatzbereich, vor allem für Programme die: –auf mehreren Plattformen laufen –in mehreren Sprachen laufen –ohne großen Aufwand verschiedenste Sprachen implementieren Aktuellste Version: Unicode ist KEIN Font

6 6 History – Birth of Unicode V Xerox works on an idea to merge Japanese and Chinese characters more easily Apple works out a theory to come up with a universal character set for the Apple File Exchange development 1987 Unicode's original "begin at 0 and add the next character" architecture is created Xerox begins discussing multilingual issues, new character encoding is a major topic, fixed- width design is preferable. Earliest documented use of the term "Unicode 1988 Apple advances the idea about fixed-width 16 bit characters First presentation of the Unicode principles in Dallas

7 7 History – Birth of Unicode V Meetings joined by Sun, then Adobe, Claris, HP, NeXT and Pacific Rim Connections (later morphed into Unicode Technical Committee) Decision to incorporate all composite characters in existing ISO registered standards and to guarantee round trip conversion to existing standards. Decision to use logical ordering for bidirectional (Middle Eastern) and Indic text. ANSI proposes a compromised Han Unification and use of C0, C1 to ISO. Apple, Claris, Metaphor, NeXT, and Sun participate on behalf of Unicode. As a result of this compromise, the Unicode working group decides to use existing ISO orderings for script subsets, and use the ISO naming schemes. Unicode is presented to Microsoft, IBM, Unix, ISO SC2, WG Microsoft shows interest in Unicode, also Apple Japan, Microsoft KK, IBM becomes active First implementation of a WYSIWYG prototype for demonstration Final review draft of Unicode is distributed internationally Decision to use logical ordering for all South Asian scripts, add length marks

8 8 History – Birth of Unicode V Creation of the Unicode Technical Committee (UTC) first articles about Unicode appears in the New York Times Novell joins first unofficial 2-day Unicode Workshop a success first Unicode book appears finally 1992 The Unicode Standard Version 1.0, Volume 2 is printed. Article "Kiss your ASCII Goodbye" appears in PC Magazine.

9 9 Die Organisation Unicode durch zentrales Konsortium geregelt Non-Profit Organisation Zusammenarbeit mit W3C und ISO Zuständig für Zeichensatz ISO/IEC Ziel: Entwicklung und Erweiterung Mitglieder aus allen Global Playern der IT-Wirtschaft (IBM, Microsoft, Apple, Cisco, Oracle, …) Zu finden unter:

10 10 Die Organisation Ursprüngliche Vorstandsmitglieder von Unicode Inc: Larry Tesler, Vice President Advanced Products, Apple Computer, Inc. Robert Carr, Vice President Software Development, GO Corporation Richard Holleman, Director of Telecommunications, IBM Corporation Charles Irby, Vice President of Development, Metaphor Computer Systems Paul Maritz, Vice President Advanced Operating Systems, Microsoft Corporation Bud Tribble, Vice President Software Engineering, NeXT Computer Inc. Jay Israel, Vice President Advanced Technology, Novell, Inc. David Richards, Director of Development, The Research Libraries Group. John Gage, Vice President Desktop Development, Sun Microsystems Inc. Geschäftsführer bzw. Gründungsmiglieder: Mark Davis, President Mike Kernaghan, Vice-President Joe Becker, Technical Vice-President Ken Whistler, Secretary Bill English, Treasurer

11 11 Anwendungsgebiete (1) Datenbanken Adabas Caché and Ensemble FrontBase IBM Ingres Justsystem Goro Microsoft Access, SQL Server Mimer SQL NCR Teradata Onix Oracle 8 PostgreSQL Progress Software Qwikly Sybase Unisys UREP

12 12 Anwendungsgebiete (2) Betriebssysteme Apple Mac OS 9.2, Mac OS X 10.1, Mac OS X Server, ATSUI Compaq's Tru64 UNIX, Open VMS GNU/Linux with glibc or newer - FAQ support IBM AIX, AS/400, OS/2 Inferno by Vita Nuova Microsoft Windows CE, NT, 2000, XP SCO UnixWare Sun Solaris Symbian Platform

13 13 Anwendungsgebiete (3) Standards XML XHTML XSL LDAP CORBA 3.0 WAP (WML) … Suchmaschinen Alta Vista Yahoo Google Fastsearch

14 14 Anwendungsgebiete (4) Programmiersprachen, Entwicklungsumgebungen Ada 95 CLISP Common Lisp G2 5.0 Rev. 0 by Gensym Corporation, GAWK Java JavaScript (ECMAScript) Led C++ class library Microsoft VJ++ Visual Studio 7.0 (forthcoming) Visual Basic Perl Python XML Spy 3.0 from Icon Information-Systems GmbH

15 15 Technische Sichtweise UTF (Unicode Transformation Format) –Spezifiziert zu jedem Zeichen eine eindeutige Byte Sequenz Verschiedene Standards: –UTF 8: Hauptsächlich WEB –UTF 16: Hauptsächlich Java und Windows –UTF 32: Hauptsächlich UNIX –UTF 7: – ohne MIME (Vollständigkeitshalber) –UTF-EBCDIC: Mainframe (Vollständigkeitshalber) Konvertierungen zwischen UTF 8 / 16 / 32: –Verlustfrei –Schnell –Algorithmische Konvertierung

16 16 Technische Sichtweise UTF-8 ASCII compatible –characters in the range U+0000U+007F can be encoded as a single byte. Ken Thompson had turned AT&T Bell Labs Plan 9 into the worlds first operating system to use UTF-8 Default encoding for xml

17 17 Technische Sichtweise UTF 8 / 16 / 32 (1) UTF 8UTF 16UTF 32 Größe8 bit16 bit32 bit min. Bytes/Zeichen 123 max. Bytes/Zeichen 444 Bsp 1: 1 UTF16 Zeichen kann als 2 UTF8 dargestellt werden Bsp 2: 1 UTF32 2 UTF16 4 UTF8 Zeichen

18 18 UTF 8 UTF 16 UTF 32 Beispiel für Zeichen in den jeweiligen Kodierungen: ZeichenUTF 8UTF 16UTF 32 eU+65U+0065U $U+24U+0024U Hah (Arabic) U+DA 85U+0685U yi (Xip) U+EA 91 A0U+A460U+0000 A460

19 19 Technische Sichtweise UTF 8 / 16 / 32 (2) Besonderheiten / Unterschiede UTF 16 und UTF32: UTF16/32 BE: Big Endian: MSB (most significant bit first) UTF16/32 LE: Little Endian: LSB (least significant bit first) UTF16/32: std: MSB, oder BOM (byte order mark) BytesEncoding FF FE 00 00UTF32 LE FE FFUTF32 BE FF FEUTF16 LE FE FFUTF16 BE

20 20 Technische Sichtweise Schriften Unicode definiert nicht Sprachen – sondern Schriften Grund: Viele Sprachen haben gleiche Zeichen – diese können vereinheitlicht werden In der Letzten Version werden folgende Schriften unterstützt:

21 21 Character Sets Schriften

22 22 Character Sets Sonderzeichen

23 23 Character Sets – Ranges (1) U+0000 * – U+007F * Controls and Basic Latin (~ASCII): U+0080 * – U+00FF * Controls and Latin-1 * Utf16

24 24 Character Sets – Ranges (2) U+0600 * – U+06FF * Arabic U+0685 * Hah U+06B4 * Gaf U+069C * Seen Ausrichtung: Right to Left* Utf16

25 25 Character Sets – Ranges (3) U+0F00 * – U+0FFF * Tibetan U+0F47 * Ja U+0F5C * Dzha U+0F43 * Gha Ausrichtung: Left to Right* Utf16

26 26 Fonts Grundsätzlich: Font bildet eine Byte Sequence auf ein Bildzeichen ab Unicode Font: Byte Sequenzen des jeweiligen Unicode Typs sind als Abbildungen auf Bildzeichen verfügbar Bsp: Arial Unicode MS: ab MS Office 2002 inkludiert, Zeichen, Bildzeichen

27 27 Fonts in Java Unicode Fonts in Java: 1.Kopieren der font-files in das Java-Font Verzeichnis: jre/lib/fonts 2.font.properties Datei anpassen bzw. neu erstellen (wenn ein mapping zwischen logischen und physischem Font oder eine Lokalisierung benötigt wird) zB: font.properties.ko (für koreanisch) zB: serif.0=Arial,ANSI_CHARSET (für Mapping auf Arial) zB: serif.1=WingDings,SYMBOL_CHARSET,NEED_CONVERTED fontcharset.serif.1=sun.awt.windows.CharToByteWingDings 3.Javacode Example: new Font(serif", Font.PLAIN, 12)

28 28 Eingabemethoden Eingabe chinesischer Zeichen –Grundsätzlich über jede Tastatur möglich –Aufgrund der vielen Zeichen: Tastenkombinationen die meistgebrauchten Zeichen = 1 Taste Alle weiteren Zeichen = Tastenkombination (<1%)

29 29 Kodierungskriterien Stetigkeit von kodierten Zeichen: Vor Normierung äußerst sorgfältige Prüfungen Einmal kodierte Zeichen dürfen nicht mehr entfernt werden Somit Gewährleistung der Langlebigkeit digitaler Daten BMB (Basic Multilingual Plane) vs. Astral Plane

30 30 Kodierungskriterien Unicode kodiert abstrakten Zeichen (Idee eines Buchstaben) – keine Glyphen (konkrete grafische Darstellung) Ermöglichung von Glyphenvarianten: 256 Variation Selectors werden ggf. dem Code nachgestellt

31 31 Unicode in HTML Definition von Encoding in HTML durch Meta-Angabe: Allerdings: Auto-Detection durch Browser (Byte Order Mark), sollte zumindest bis zur Meta-Angabe möglich sein

32 32 Unicode in XML XML: Default-Encoding: Unicode über Byte Order Mark Wenn kein BOM, dann UTF-8 XML-Prozessoren müssen UTF-8 und UTF-16 unterstützen

33 33 Unicode in HTML/XML Numerische Character Referenz: Dezimal:   Hexadezimal:   Dokument muss nicht in einem Unicode- Format gespeichert werden, kann aber trotzdem numerische Referenzen auf Codepoints enthalten!

34 34 Unicode und XML Text: Serie von Characters (Daten und Markup) Character: Atomare Texteinheit Erlaubte Character Range: #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] (ohne surrogate blocks, FFFE und FFFF)

35 35 Unicode und XML Aber: Namen sind Subsets von Markup und Text NameChar ::= Letter | Digit | '.' | '-' | '_' | ':' | CombiningChar | Extender Name ::= (Letter | '_' | ':') (Namechar)* Wobei: Letters nicht nur A-Z!

36 36 Unicode in XML Manche Characters nicht für XML geeignet Im Unicode Standard veraltet Problematisch ohne zusätzliche Daten Funktionalität durch Markup sinnvoller Kollidieren mit Markup

37 37 Unicode in XML Beispiele Problem: Überlagerung von Control Codes und XML- Markup z.B.: Line and paragraph separator Codepoint: U U+2029 Lösung:, oder entsprechende Weiters: Widersprüche zwischen Control Codes und Markup möglich. Frage nach Priorität z.B.: Sprachidentifikation Codepoint: U+E U+E007F Lösung: xhtml:lang oder xml:lang

38 38 Links and Ressources Unicode Organisation Homepage: –http://www.unicode.org Unicode General Information: –http://de.wikipedia.org/wiki/Unicode Unicode Characters: –http://www.decodeunicode.org/ Filecodierungsinformationen: –http://www.fileformat.info/info/unicode/char/search.htm XML 1.0 (3rd Ed) W3C Recommendation –http://www.w3.org/TR/REC-xml/

39 39 Questions & Answers Fragen zu Unicode bitte jetzt stellen


Herunterladen ppt "1 UNICODE Semistrukturierte Daten 1 Gruppe 8. 2 Inhalt Motivation History – Birth of Unicode Die Organisation Anwendungsgebiete Technische Sichtweise."

Ähnliche Präsentationen


Google-Anzeigen