Especiales (bloque Unicode) - Specials (Unicode block)

Especiales
Distancia U + FFF0..U + FFFF
(16 puntos de código)
Plano BMP
Guiones Común
Asignado 5 puntos de código
No usado 9 puntos de código reservados
2 no caracteres
Historial de versiones de Unicode
1.0.0 (1991) 1 (+1)
2.1 (1998) 2 (+1)
3,0 (1999) 5 (+3)
Nota :

Specials es un bloque Unicode corto asignado al final del plano multilingüe básico , en U + FFF0 – FFFF. De estos 16 puntos de código, se han asignado cinco desde Unicode 3.0:

  • U + FFF9 ANCLA DE ANOTACIONES INTERLINEAR , marca el inicio del texto anotado
  • SEPARADOR DE ANOTACIONES INTERLINEAR U + FFFA , marca el inicio de los caracteres de anotación
  • TERMINADOR DE ANOTACIONES INTERLINEAR U + FFFB , marca el final del bloque de anotaciones
  • U + FFFC CARÁCTER DE REEMPLAZO DE OBJETOS , marcador de posición en el texto para otro objeto no especificado, por ejemplo, en undocumento compuesto.
  • U + FFFD CARÁCTER DE REEMPLAZO utilizado para reemplazar un carácter desconocido, no reconocido o irrepresentable
  • U + FFFE <noncharacter-FFFE> no es un personaje.
  • U + FFFF <noncharacter-FFFF> no es un personaje.

FFFE y FFFF no están sin asignar en el sentido habitual, pero se garantiza que no serán caracteres Unicode en absoluto . Se pueden utilizar para adivinar el esquema de codificación de un texto, ya que cualquier texto que los contenga no es, por definición, un texto Unicode correctamente codificado. El carácter U + FEFF BYTE ORDER MARK de Unicode se puede insertar al principio de un texto Unicode para señalar su carácter final : un programa que lea dicho texto y se encuentre con 0xFFFE sabrá que debe cambiar el orden de los bytes para todos los siguientes caracteres.

Su nombre de bloque en Unicode 1.0 era Especial .

Carácter de reemplazo

Carácter de reemplazo

El carácter de reemplazo (a menudo se muestra como un rombo negro con un signo de interrogación blanco) es un símbolo que se encuentra en el estándar Unicode en el punto de código U + FFFD en la tabla Especiales . Se utiliza para indicar problemas cuando un sistema no puede convertir un flujo de datos en un símbolo correcto. Por lo general, se ve cuando los datos no son válidos y no coinciden con ningún carácter:

Considere un archivo de texto que contiene la palabra alemana für (que significa 'para') en la codificación ISO-8859-1 ( 0x66 0xFC 0x72). Este archivo ahora se abre con un editor de texto que asume que la entrada es UTF-8 . El primer y último byte son codificaciones UTF-8 válidas de ASCII, pero el byte medio ( 0xFC) no es un byte válido en UTF-8. Por lo tanto, un editor de texto podría reemplazar este byte con el símbolo de carácter de reemplazo para producir una cadena válida de puntos de código Unicode . La cadena completa ahora se muestra así: "f r".

Un editor de texto mal implementado podría guardar el reemplazo en formato UTF-8; los datos del archivo de texto se verán así:, 0x66 0xEF 0xBF 0xBD 0x72que se mostrarán en ISO-8859-1 como "f�r" (esto se llama mojibake ). Dado que el reemplazo es el mismo para todos los errores, esto hace que sea imposible recuperar el carácter original. Un diseño mejor (pero más difícil de implementar) es conservar los bytes originales, incluido el error, y solo convertirlos al reemplazo cuando se muestra el texto. Esto permitirá que el editor de texto guarde la secuencia de bytes original, sin dejar de mostrar el indicador de error al usuario.

En un momento, el carácter de reemplazo se usaba a menudo cuando no había un glifo disponible en una fuente para ese carácter. Sin embargo, la mayoría de los sistemas de representación de texto modernos utilizan en cambio el carácter .notdef de una fuente , que en la mayoría de los casos es un cuadro vacío (o "?" O "X" en un cuadro), a veces llamado " tofu " (este navegador muestra ???? ). No hay ningún punto de código Unicode para este símbolo.

Por lo tanto, el carácter de reemplazo ahora solo se ve para errores de codificación, como UTF-8 no válido. Algunos programas intentan ocultar esto traduciendo los bytes de UTF-8 no válido a caracteres coincidentes en Windows-1252 (ya que esa es la fuente más probable de estos errores), de modo que nunca se vea el carácter de reemplazo.

Gráfico Unicode


Tabla de códigos oficiales del Consorcio Unicode especiales (PDF)
  0 1 2 3 4 5 6 7 8 9 A B C D mi F
U + FFFx  IA 
A
 IA 
S
 IA 
T
Notas
1. ^ A partir de la versión 14.0 de Unicode
2. ^ Las áreas grises indican puntos de código no asignados
3. ^ Las áreas negras indican no caracteres (puntos de código que se garantiza que nunca se asignarán como caracteres codificados en el estándar Unicode)

Historia

Los siguientes documentos relacionados con Unicode registran el propósito y el proceso de definir caracteres específicos en el bloque Especiales:

Versión Puntos de código finales Contar  ID de UTC  ID de L2  ID de WG2 Documento
1.0.0 U + FFFD 1 (estar determinado)
U + FFFE..FFFF 2 (estar determinado)
L2 / 01-295R Moore, Lisa (2001-11-06), "Motion 88-M2", Minutos de la reunión UTC / L2 n. ° 88
L2 / 01-355 N2369 (html , documento ) Davis, Mark (2001-09-26), Solicitud para permitir FFFF, FFFE en UTF-8 en el texto de ISO / IEC 10646
L2 / 02-154 N2403 Umamaheswaran, VS (2002-04-22), "9.3 Permitir FFFF y FFFE en UTF-8", Borrador de las actas de la reunión 41 del GT 2, Hotel Phoenix, Singapur, 2001-10-15 / 19
2.1 U + FFFC 1 UTC / 1995-056 Sargent, Murray (1995-12-06), Recomendación para codificar un carácter WCH_EMBEDDING
UTC / 1996-002 Aliprand, Joan; Hart, Edwin; Greenfield, Steve (1996-03-05), "Objetos incrustados", UTC n.º 67 minutos
N1365 Sargent, Murray (1996-03-18), Resumen de la propuesta - Personaje de reemplazo de objeto
N1353 Umamaheswaran, VS; Ksar, Mike (1996-06-25), "8.14", Borrador de las actas de la reunión núm. 30 del GT2 en Copenhague
L2 / 97-288 N1603 Umamaheswaran, VS (1997-10-24), "7.3", Acta de reunión no confirmada, WG 2 Meeting # 33, Heraklion, Creta, Grecia, 20 de junio a 4 de julio de 1997
L2 / 98-004R N1681 Texto de ISO 10646 - AMD 18 para registro PDAM y boleta FPDAM, 1997-12-22
L2 / 98-070 Aliprand, Joan; Winkler, Arnold, "Comentarios adicionales sobre 2.1", Acta de la reunión conjunta UTC y L2 de la reunión en Cupertino, 25-27 de febrero de 1998
L2 / 98-318 N1894 Texto revisado de 10646-1 / FPDAM 18, ENMIENDA 18: Símbolos y otros , 1998-10-22
3,0 U + FFF9..FFFB 3 L2 / 97-255R Aliprand, Joan (1997-12-03), "3.D Proposal for In-Line Notation (ruby)", Actas aprobadas - UTC # 73 y L2 # 170 reunión conjunta, Palo Alto, CA - 4-5 de agosto de 1997
L2 / 98-055 Freytag, Asmus (1998-02-22), Soporte para implementar anotaciones en línea e interlineales
L2 / 98-070 Aliprand, Joan; Winkler, Arnold, "3.C.5. Apoyo a la implementación de anotaciones en línea e interlineales", Acta de la reunión conjunta UTC y L2 de la reunión de Cupertino, 25-27 de febrero de 1998
L2 / 98-099 N1727 Freytag, Asmus (1998-03-18), Soporte para implementar anotaciones interlineales como se usa en la tipografía de Asia oriental
L2 / 98-158 Aliprand, Joan; Winkler, Arnold (1998-05-26), "Anotaciones en línea e interlineales", Borrador del acta - UTC # 76 y reunión conjunta del subgrupo L2 # 173 del NCITS, Tredyffrin, Pensilvania, 20 al 22 de abril de 1998
L2 / 98-286 N1703 Umamaheswaran, VS; Ksar, Mike (1998-07-02), "8.14", Acta de la reunión no confirmada, WG 2 Meeting # 34, Redmond, WA, EUA; 1998-03-16-20
L2 / 98-270 Hiura, Hideki; Kobayashi, Tatsuo (1998-07-29), Sugerencia para la propuesta de anotación en línea e interlineal
L2 / 98-281R (pdf , html ) Aliprand, Joan (1998-07-31), "Anotación en línea e interlineal (III.C.1.c)", Minutos sin confirmar - UTC # 77 y NCITS Subgrupo L2 # 174 REUNIÓN CONJUNTA, Redmond, WA - julio 29-31 de 1998
L2 / 98-363 N1861 Sato, TK (1998-09-01), marcadores de rubí
L2 / 98-372 N1884R2 (pdf , documento ) Whistler, Ken; et al. (1998-09-22), Caracteres adicionales para el UCS
L2 / 98-416 N1882.zip Soporte para implementar anotaciones interlineales , 1998-09-23
L2 / 98-329 N1920 Registro de PDAM combinado y boleta de consideración en WD para ISO / IEC 10646-1 / Amd. 30, ENMIENDA 30: Caracteres latinos adicionales y otros , 1998-10-28
L2 / 98-421R Suignard, Michel; Hiura, Hideki (1998-12-04), Notas sobre los caracteres de anotación interlineal PDAM 30
L2 / 99-010 N1903 (pdf , html , doc ) Umamaheswaran, VS (1998-12-30), "8.2.15", Acta de la reunión 35 del GT 2, Londres, Reino Unido; 1998-09-21-25
L2 / 98-419 (pdf , doc ) Aliprand, Joan (1999-02-05), "Caracteres de anotación interlineal", Actas aprobadas - UTC # 78 y reunión conjunta del subgrupo L2 # 175 del NCITS, San José, CA - 1 al 4 de diciembre de 1998
UTC / 1999-021 Duerst, Martin; Bosak, Jon (8 de junio de 1999), declaración de CG XML de W3C sobre caracteres de anotación
L2 / 99-176R Moore, Lisa (1999-11-04), "Declaración de enlace del W3C sobre caracteres de anotación", Acta de la reunión conjunta UTC / L2 en Seattle, 8-10 de junio de 1999
L2 / 01-301 Whistler, Ken (2001-08-01), "E. Indicado como" fuertemente desaconsejado "para el intercambio de texto sin formato", Análisis de la depreciación de caracteres en el estándar Unicode

Ver también

Referencias