À la découverte d'Unicode/Présentation du répertoire de caractères Unicode/Plans

Un livre de Wikilivres.
Sauter à la navigation Sauter à la recherche
À la découverte d'Unicode
À la découverte d'Unicode
Sommaire

Sommaire

Le contexte

Les textes Unicode

Pour les développeurs

Annexes

Le partitionnement à jour peut être trouvé sur le site officiel d’Unicode. Cependant, vu le rôle important d’Unicode, (ISO 10646) on décrira ici les principaux blocs de caractères. Les noms français sont les noms officiels de l’ISO/CEI 10646, la norme internationale bilingue qui reprend les mêmes caractères qu’Unicode. Ils sont aussi officiels que les noms anglais.

L'ancienne norme Unicode 1.0 est obsolète et incompatible avec la norme ISO 10646 et la norme Unicode 1.1 et toutes ses versions ultérieures ; la principale incompatibilité est celle des blocs de caractères Hangul utilisés pour l’écriture de la langue coréenne qui ont changé de position et dont les anciens points de code ont depuis été assignés à d’autres blocs. La table ci-dessous est compatible avec ISO 10646 (toutes versions) et Unicode 1.1 (ou ultérieur).

Note : La casse des noms de bloc n’est pas normative. « Latin de base » est donc équivalent à « LATIN DE BASE ».


Plan multilingue de base (PMB, 0000 à FFFF)[modifier | modifier le wikicode]

Points de code Nom officiel du bloc Commentaires
Début Fin
0000 007F Latin de base voir norme ISO 646, code ASCII
0080 009F Non-utilisé voir plage non-utilisé norme ISO 8859 et ISO 8859-1
00A0 00FF Supplément Latin-1 voir norme ISO 8859, code ISO 8859-1
0100 017F Latin étendu A
0180 024F Latin étendu B
0250 02AF Alphabet phonétique international (API) Alphabet phonétique international
02B0 02FF Lettres modificatives avec chasse
0300 036F Diacritiques voir Diacritique
0370 03FF Grec et copte
0400 04FF Cyrillique voir Alphabet cyrillique
0500 052F Supplément cyrillique voir Alphabet cyrillique
0530 058F Arménien voir langue Arménien
0590 05FF Hébreu voir Alphabet hébreu
0600 06FF Arabe voir alphabet arabe
0700 074F Syriaque voir langue Syriaque
0780 07BF Thâna
0900 097F Dévanâgarî
0980 09FF Bengali voir langue indienne Bengalî
0A00 0A7F Gourmoukhî
0A80 0AFF Goudjerate
0B00 0B7F Oriya voir langue indienne Oriya
0B80 0BFF Tamoul voir langue indienne Tamoul
0C00 0C7F Télougou voir langue indienne Télougou
0C80 0CFF Kannara voir langue indienne Kannara
0D00 0D7F Malayalam voir langue indienne Malayalam
0D80 0DFF Singhalais voir langue indo-européenne Cingalais
0E00 0E7F Thai voir langue asiatique Thaï
0E80 0EFF Lao voir langue asiatique Lao
0F00 0FFF Tibétain voir langue asiatique Tibétain
1000 109F Birman voir langue asiatique Birman
10A0 10FF Géorgien voir langue Géorgien
1100 11FF Jamos hangûl
1200 137F Éthiopien voir Alphabet éthiopien
13A0 13FF Chérokî
1400 167F Syllabaires autochtones canadiens unifiés
1680 169F Ogam voir Écriture oghamique
16A0 16FF Runes voir Alphabet runique
1700 171F Tagalog ou tagal, voir langue Tagalog
1720 173F Hanounóo
1740 175F Bouhide
1760 177F Tagbanoua
1780 17FF Khmer voir langue Khmer
1800 18AF Mongol voir langue mongol (Монгол хэл, mongγol kele)
1900 194F Limbou
1950 197F Taï-le
19E0 19FF Symboles khmers voir langue Khmer
1D00 1D7F Supplément phonétique
1E00 1EFF Latin étendu additionnel
1F00 1FFF Grec étendu
2000 206F Ponctuation générale voir aussi ponctuation
2070 209F Exposants et indices
20A0 20CF Symboles monétaires
20D0 20FF Signes combinatoires pour symboles
2100 214F Symboles de type lettre
2150 218F Formes numérales
2190 21FF Flèches
2200 22FF Opérateurs mathématiques voir Opérateurs mathématiques
2300 23FF Signes techniques divers 2336 à 237A = symboles APL
2400 243F Pictogrammes de commande
2440 245F Reconnaissance optique de caractères voir Reconnaissance optique de caractères
2460 24FF Alphanumériques cerclés
2500 257F Filets
2580 259F Pavés
25A0 25FF Formes géométriques
2600 26FF Symboles divers
2700 27BF Casseau
27C0 27EF Divers symboles mathématiques - A
27F0 27FF Supplément A de flèches
2800 28FF Combinaisons Braille voir Braille
2900 297F Supplément B de flèches
2980 29FF Divers symboles mathématiques-B
2A00 2AFF Opérateurs mathématiques supplémentaires
2B00 2BFF Divers symboles et flèches
2D30 2D6F Alphabet Tifinagh et néo-Tifinagh voir Alphabet berbère et Tifinagh (langue berbère)
2E80 2EFF Formes supplémentaires des clés CJC voir Chinois, japonais et coréen (CJC)
2F00 2FDF Clés chinoises (K'ang-hsi ou Kangxi) voir Dictionnaire de caractères de Kangxi
2FF0 2FFF Description idéophonographique
3000 303F Symboles et ponctuation CJC voir ponctuation et Chinois, japonais et coréen (CJC)
3040 309F Hiragana voir Hiragana (langue japonaise)
30A0 30FF Katakana voir Katakana (langue japonaise)
3100 312F Bopomofo voir Bopomofo (notation taïwanaise et chinoise)
3130 318F Jamos de compatibilité hangûls
3190 319F Kanboun
31A0 31BF Bopomofo étendu voir Bopomofo (notation taïwanaise et chinoise)
31F0 31FF Extension phonétique katakana voir Katakana (langue japonaise)
3200 32FF Lettres et mois CJC cerclés voir Chinois, japonais et coréen (CJC)
3300 33FF Compatibilité CJC voir Chinois, japonais et coréen (CJC) (unités de mesure)
3400 4DB5 Supplément A aux idéophonogrammes unifiés CJC voir Chinois, japonais et coréen (CJC)
4DC0 4DFF Hexagrammes du Classique des mutations ou Yi Jing voir Yi Jing, Hexagramme
4E00 9FA5 Idéophonogrammes unifiés CJC voir Chinois, japonais et coréen (CJC)
A000 A48F Syllabaire yi des Monts frais
A490 A4CF Clés yi
AC00 D7A3 Hangûl
D800 DB7F Demi-zone haute points de code invalides isolément

D800 à D83F : codets hauts utilisés en UTF-16 pour les points de code du plan multilingue complémentaire
D840 à D87F : codets hauts utilisés en UTF-16 pour les points de code du plan idéographique complémentaire
D880 à DB3F : codets hauts utilisés en UTF-16 pour les points de code des plans complémentaires réservés
D840 à D87F : codets hauts utilisés en UTF-16 pour les points de code du plan complémentaire réservé

DB80 DBFF Partie à usage privé de la demi-zone haute points de code invalides isolément

DB80 à DBBF : codets hauts utilisés en UTF-16 pour les points de code de la zone supplémentaire A à usage privé
DBC0 à DBFF : codets hauts utilisés en UTF-16 pour les points de code de la zone supplémentaire B à usage privé

DC00 DFFF Demi-zone basse points de code invalides isolément

DC80 à DFFD : codets bas utilisés en UTF-16 pour des points de code assignés aux caractères valides ou réservés des plans complémentaires (assignés, réservés ou à usage privé)
DFFE à DFFF : codets bas pouvant être utilisés en UTF-16 pour la représentation de points de code assignés aux non-caractères en fin de chaque plan, lorsque le codet haut est le dernier assigné dans la demi-zone haute pour chaque plan complémentaire (assigné, réservé ou à usage privé)

☒E000 F8FF Zone à usage privé
F900 FAFF Idéogrammes de compatibilité CJC voir Chinois, japonais et coréen (CJC)
FB00 FB4F Formes de présentation alphabétiques
FB50 FDFF Formes A de présentation arabes voir alphabet arabe
FDD0 FDEF non-caractères
FE00 FE0F Sélecteurs de variante
FE20 FE2F Demi-signes combinatoires
FE30 FE4F Formes de compatibilité CJC voir Chinois, japonais et coréen (CJC)
FE50 FE6F Petites variantes de forme
FE70 FEFF Formes B de présentation arabes
FF00 FFEF Formes de demi et pleine chasse
FFF0 FFFD Caractères spéciaux
FFFE FFFF non-caractères

Plan multilingue complémentaire (PMC, 10000 à 1FFFF)[modifier | modifier le wikicode]

Points de code Nom officiel du bloc Commentaires
Début Fin
10000 1007F Syllabaire linéaire B ou syllabaire mycénien
10080 100FF Idéogrammes du linéaire B
10100 1013F Nombres égéens
10300 1032F Alphabet italique
10330 1034F Gotique voir langue Gotique
10380 1039F Ougaritique voir langue Ougaritique
10400 1044F Déséret
10450 1047F Shavien
10480 104AF Osmanya
10800 1083F Syllabaire chypriote
1D000 1D0FF Symboles musicaux byzantins
1D100 1D1FF Symboles musicaux occidentaux
1D300 1D35F Symboles du Classique du mystère suprême
1D400 1D7FF Symboles mathématiques alphanumériques
1FFFE 1FFFF non-caractères

Plan idéographique complémentaire (PIC, 20000 à 2FFFF)[modifier | modifier le wikicode]

Points de code Nom officiel du bloc Commentaires
Début Fin
20000 2A6D6 Supplément B aux idéogrammes unifiés CJC
2F800 2FA1F Supplément aux idéogrammes de compatibilité CJC
2FFFE 2FFFF non-caractères

Plans complémentaires réservés (30000 à DFFFF)[modifier | modifier le wikicode]

Points de code Nom officiel du bloc Commentaires
Début Fin
3FFFE 3FFFF non-caractères
4FFFE 4FFFF non-caractères
5FFFE 5FFFF non-caractères
6FFFE 6FFFF non-caractères
7FFFE 7FFFF non-caractères
8FFFE 8FFFF non-caractères
9FFFE 9FFFF non-caractères
AFFFE AFFFF non-caractères
BFFFE BFFFF non-caractères
CFFFE CFFFF non-caractères
DFFFE DFFFF non-caractères

Plan complémentaire spécialisé (PCS, E0000 à EFFFF)[modifier | modifier le wikicode]

Points de code Nom officiel du bloc Commentaires
Début Fin
E0000 E007F Étiquettes
E0100 E01EF Supplément de sélecteurs de variante
EFFFE EFFFF non-caractères

Plans complémentaires à usage privé (F0000 à 10FFFF)[modifier | modifier le wikicode]

Points de code Nom officiel du bloc Commentaires
Début Fin
☒F0000 FFFFD Zone supplémentaire A à usage privé
FFFFE FFFFF non-caractères
☒100000 10FFFD Zone supplémentaire B à usage privé
10FFFE 10FFFF non-caractères

Les zones à usage privé indiquées par le symbole ☒ ne contiennent pas les mêmes œils d’une police à l’autre et doivent donc être évités pour le codage de textes destinés aux échanges entre systèmes hétérogènes. Toutefois ces points de codes à usage privé sont valides et peuvent être utilisés dans tout traitement automatisé conforme aux normes Unicode et ISO 10646, y compris entre systèmes différents s’il existe un accord mutuel privé concernant leur usage.

En l’absence d’accord entre les deux parties, des systèmes utilisant ces caractères peuvent rejeter les textes les contenant, car les traitements qu’ils leur font subir pourraient ne pas fonctionner correctement ou causer des problèmes de sécurité; les autres systèmes qui n’attribuent aucune fonction spéciale à ces caractères doivent en revanche les accepter comme valides et les conserver comme partie intégrante des textes, comme s’il s’agissait de symboles graphiques, même s’ils ne savent pas les afficher correctement.

Les non-caractères listés sont des points de code valides, mais ils ne sont pas (et ne seront jamais) assignés à des caractères normalisés. Leur usage dans le codage de textes transmis entre systèmes (même si identiques) est interdit, car il est impossible de les rendre compatibles avec les formes de transformation universelles normalisées (dont UTF-8, UTF-16, UTF-32) les schémas de codage correspondants, et les autres codages normalisés compatibles avec Unicode et ISO 10646 (BOCU-1, SCSU, différentes versions de la norme chinoise GB18030, etc.). Toutefois certains systèmes les génèrent et les utilisent localement, mais pour un traitement strictement interne destiné à faciliter l’implémentation des algorithmes de traitement de textes utilisant les autres caractères normalisés.

Parmi ces derniers non-caractères figurent les points de code valides mais réservés aux demi-zones (privées ou non). Ces points de code ne peuvent pas être utilisés individuellement pour coder un caractère. Ils servent uniquement pour la forme de transformation universelle UTF-16 (et les schémas de codage correspondants) pour représenter sur deux codets (à 16 bits chacun) des points de code valides dans un des 16 plans complémentaires (certaines combinaisons de codets correspondent à des caractères valides de ces plans, standards ou privés, d’autres combinaisons peuvent ne représenter aucun caractère valide car elles correspondraient à des non-caractères de ces plans complémentaires, et sont donc interdites dans les textes conformes à la norme).

Les autres zones libres (non assignées à un bloc nommé normalisé, ou les points de code laissés libres et réservés dans les blocs nommés existants) sont réservés pour un usage ultérieur dans des versions futures d’Unicode et ISO 10646, mais sont valides. Tout système traitant des textes contenant ces points de code réservés doivent les accepter sans les filtrer. Unicode définit des propriétés par défaut pour les hypothétiques caractères correspondants, afin de préserver la compatibilité des systèmes (conformes à la norme Unicode) avec les futurs textes conformes qui les contiendraient. Aucune application conforme ne doit leur assigner un caractère ou une sémantique spéciale (les zones privées sont destinées à cet usage).