दूसरों द्वारा दिए गए उत्तरों पर विस्तार करने के लिए:
हमें बहुत सारी भाषाएं मिली हैं जिनमें बहुत से अक्षर हैं जिन्हें कंप्यूटर को आदर्श रूप में प्रदर्शित करना चाहिए। यूनिकोड प्रत्येक वर्ण को एक अद्वितीय संख्या या कोड बिंदु प्रदान करता है।
कंप्यूटर बाइट के रूप में इस तरह की संख्या से निपटते हैं ... यहां थोड़ा सा इतिहास को छोड़ दें और मेमोरी एड्रेसिंग के मुद्दों को अनदेखा करें, 8-बिट कंप्यूटर एक 8-बिट बाइट का इलाज करेंगे क्योंकि हार्डवेयर पर सबसे बड़ी संख्यात्मक इकाई का आसानी से प्रतिनिधित्व किया जाएगा, 16-बिट कंप्यूटर का विस्तार होगा दो बाइट्स तक, और इसके बाद।
एएससीआईआई जैसे पुराने चरित्र एनकोडिंग (पूर्व-) 8-बिट युग से हैं, और उस समय की कंप्यूटिंग में प्रमुख भाषा को क्रैम करने की कोशिश करते हैं, अर्थात अंग्रेजी में, 0 से 127 तक की संख्या (7 बिट्स) में। वर्णमाला में 26 अक्षरों के साथ, पूंजी और गैर-पूंजी रूप, संख्या और विराम चिह्न दोनों में, जिसने बहुत अच्छा काम किया। ASCII को अन्य, गैर-अंग्रेजी भाषाओं के लिए 8 बिट द्वारा विस्तारित किया गया, लेकिन इस विस्तार द्वारा उपलब्ध कराए गए अतिरिक्त 128 नंबर / कोड पॉइंट को प्रदर्शित की जा रही भाषा के आधार पर विभिन्न वर्णों में मैप किया जाएगा। आईएसओ-8859 मानक इस मानचित्रण के सबसे सामान्य रूप हैं; ISO-8859-1 और ISO-8859-15 (आईएसओ-लैटिन -1, लैटिन 1 के रूप में भी जाना जाता है, और हाँ 8859 आईएसओ मानक के दो अलग-अलग संस्करण भी हैं)।
लेकिन यह पर्याप्त नहीं है जब आप एक से अधिक भाषाओं के चरित्रों का प्रतिनिधित्व करना चाहते हैं, इसलिए सभी उपलब्ध वर्णों को एक ही बाइट में समेटना बस काम नहीं करेगा।
अनिवार्य रूप से दो अलग-अलग प्रकार के एन्कोडिंग हैं: एक अधिक बिट्स जोड़कर मूल्य सीमा का विस्तार करता है। इन एनकोडिंग के उदाहरण यूसीएस 2 (2 बाइट्स = 16 बिट्स) और यूसीएस 4 (4 बाइट्स = 32 बिट्स) होंगे। वे स्वाभाविक रूप से ASCII और ISO-8859 मानकों के समान समस्या से पीड़ित हैं, क्योंकि उनकी मूल्य सीमा अभी भी सीमित है, भले ही यह सीमा बहुत अधिक हो।
अन्य प्रकार के एन्कोडिंग प्रति वर्ण की बाइट संख्या का उपयोग करते हैं, और इसके लिए सबसे अधिक ज्ञात एनटीएफ यूटीएफ एनकोडिंग हैं। सभी UTF एन्कोडिंग लगभग एक ही तरीके से काम करते हैं: आप एक इकाई का आकार चुनते हैं, जो UTF-8 के लिए 8 बिट्स है, UTF-16 के लिए 16 बिट्स है, और UTF-32 के लिए 32 बिट्स है। मानक फिर इनमें से कुछ बिट्स को झंडे के रूप में परिभाषित करता है: यदि वे सेट होते हैं, तो इकाइयों के अनुक्रम में अगली इकाई को उसी चरित्र का हिस्सा माना जाता है। यदि वे सेट नहीं हैं, तो यह इकाई पूरी तरह से एक वर्ण का प्रतिनिधित्व करती है। इस प्रकार सबसे आम (अंग्रेजी) वर्ण केवल UTF-8 (UTF-16 में दो, UTF-32 में दो) पर एक बाइट पर कब्जा कर लेते हैं, लेकिन अन्य भाषा वर्ण छह बाइट्स या अधिक पर कब्जा कर सकते हैं।
मल्टी-बाइट एन्कोडिंग (उपरोक्त स्पष्टीकरण के बाद मुझे मल्टी-यूनिट कहना चाहिए) का लाभ यह है कि वे अपेक्षाकृत स्थान-कुशल हैं, लेकिन नकारात्मक पक्ष यह है कि संचालन, तुलना, आदि खोजने जैसे संचालन को सभी पात्रों को यूनिकोड कोड को डिकोड करना होगा। इस तरह के ऑपरेशन किए जाने से पहले अंक (कुछ शॉर्टकट हैं, हालांकि)।
यूसीएस मानकों और यूटीएफ मानकों दोनों यूनिकोड में परिभाषित कोड बिंदुओं को कूटबद्ध करते हैं। सिद्धांत रूप में, उन एन्कोडिंग का उपयोग किसी भी संख्या को एन्कोड करने के लिए किया जा सकता है (एन्कोडिंग का समर्थन करने वाली सीमा के भीतर) - लेकिन निश्चित रूप से इन एन्कोडिंग को यूनिकोड कोड बिंदुओं को एनकोड करने के लिए बनाया गया था। और यही आपके बीच का रिश्ता है।
विंडोज़ तथाकथित "यूनिकोड" तार को UTF-16 स्ट्रिंग्स के रूप में संभालता है, जबकि अधिकांश UNIXes इन दिनों UTF-8 के लिए डिफ़ॉल्ट हैं। HTTP जैसे संचार प्रोटोकॉल UTF-8 के साथ सबसे अच्छा काम करते हैं, क्योंकि UTF-8 में इकाई का आकार ASCII के समान है, और इस तरह के अधिकांश प्रोटोकॉल ASCII युग में डिज़ाइन किए गए थे। दूसरी ओर, UTF-16 सबसे अच्छा औसत देता है सभी जीवित भाषाओं का प्रतिनिधित्व करते समय स्थान / प्रसंस्करण प्रदर्शन ।
यूनिकोड मानक 32 बिट्स में प्रतिनिधित्व किए जाने की तुलना में कम कोड बिंदुओं को परिभाषित करता है। इस प्रकार सभी व्यावहारिक उद्देश्यों के लिए, यूटीएफ -32 और यूसीएस 4 एक ही एन्कोडिंग बन गए, क्योंकि आपको यूटीएफ -32 में मल्टी-यूनिट पात्रों से निपटने की संभावना नहीं है।
आशा है कि कुछ विवरणों में भर जाता है।
