3. Polyadické soustavy, reprezentace čísel v počítači

• nekompatibilita s ASCII 
• nekompatibilita s programovacími jazyky a operačními systémy 
• větší textové soubory 
• rozsáhlá grafická reprezentace všech znaků (fonty) 

– dnes 1 114 112 znaků s kódy 0x0 až 0x10FFFF 

• 17 stránek o velikosti 216 
• základní stránka označována jako BMP (basic multilingual plane) 
• flexibilní délka kódu, definuje i varianty kódování  

– UTF-32 (UCS-4) 
– UTF-16 (UCS-2) 
– UTF-8 

–   

Reprezentace textu v počítači 

 UniCode 

– vždy je třeba definovat endianitu – BE, LE, případně BOM (byte 

order mark) 

– kódování UTF32 (UCS-4) 

• pouze 4 bajtové znaky 

– kódování USC-2 

• pouze 2 bajtové znaky 
• umožňuje reprezentovat pouze BMP 

– kódování UTF-16 

• 2 bajtové znaky pro BMP 
• 4 bajtové znaky pro zbytek (surrogate pairs) 
• U+10000 – U+10FFFF  

– 110110xxxxxxxxxx 110111xxxxxxxxxx 
– 0xD800 až 0xDFFF 

• tyto kódy musí být z BMP vyňaty 

–   

Reprezentace textu v počítači 

 UniCode 

– kódování UTF-8 

• pouze 1 až 4 (původně 6) bajtové znaky 
• poskytuje zpětnou kompatibilitu s ASCII 
• U+00000000 - U+0000007F 

– 0xxxxxxx 

• U+00000080 - U+000007FF 

– 110xxxxx 10xxxxxx 

• U+00000800 - U+0000FFFF 

– 1110xxxx 10xxxxxx 10xxxxxx 

• U+00010000 - U+0010FFFF 

– 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 

• U+00200000 - U+03FFFFFF 

– 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 

• U+04000000 - U+7FFFFFFF 

– 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 

–