CompuzillaComputação em palavras simples
← Todos os termos

Dados

Unicode

Unicode é um padrão para representar caracteres de muitos sistemas de escrita por códigos e regras comuns. Codificações como UTF-8 transformam esses códigos em bytes. Caractere, código, byte e desenho exibido na tela são conceitos relacionados, mas distintos.

Escrito pela equipe Compuzilla

Publicado em . Atualizado em .

Siglas: UTF-8

Também chamado de: codificação de caracteres

Neste verbete
Compuzilla sorrindo ao lado de um diagrama: Unicode.

Unicode

  1. Pontos de código
  2. Codificação em bytes
  3. Texto apresentado
A apresentação ainda depende de fontes e composição; os três níveis não têm contagens idênticas. Ilustração: equipe Compuzilla.

Código e codificação

Um ponto de código identifica um elemento no espaço do padrão. UTF-8 é uma forma de representar pontos de código usando sequências de bytes. O programa que lê o arquivo precisa aplicar a codificação correta para reconstruir o texto.

Isso permite trocar caracteres entre sistemas, sem exigir que todos usem a mesma fonte ou desenhem os sinais da mesma maneira.

Contar texto exige cuidado

Algo percebido como um único caractere pode ser formado por mais de um ponto de código, como uma letra combinada com um sinal. Um símbolo também pode usar vários bytes. Assim, contar bytes não equivale a contar letras visíveis.

Unicode não é uma fonte e não garante que um dispositivo tenha o desenho disponível para qualquer caractere. Fontes, composição e regras de apresentação participam da exibição. Uma sequência exibida incorretamente também pode resultar de leitura com codificação inadequada, mesmo que o arquivo esteja intacto.

Próxima leitura

Veja byte para separar o tamanho armazenado da quantidade de caracteres percebidos.

Na prática

  • Em UTF-8, A usa um byte, enquanto letras acentuadas podem precisar de mais bytes.

Continue aprendendo

  • Verbete Byte — Byte é uma unidade de dados que, no uso moderno mais comum, reúne oito bits. Serve para expressar tamanhos de arquivos e capacidades; não corresponde necessariamente a uma letra, porque a codificação de texto pode usar vários bytes por caractere.
  • Verbete Bit — Bit é uma unidade binária de informação, com dois valores possíveis, normalmente representados por 0 e 1. Combinações de bits podem representar números, textos, imagens e instruções, conforme uma regra de codificação.
  • Verbete JSON — JSON é um formato textual para representar e trocar dados estruturados. Usa valores como números, textos, booleanos, listas e objetos. Sua sintaxe é independente de uma linguagem específica, apesar da origem associada a JavaScript.
  • Verbete CSV — CSV é um formato textual para representar registros em campos separados, normalmente por vírgulas. Pode incluir uma primeira linha de cabeçalho. Aplicações usam variações, então separador, codificação e regras de aspas precisam ser conhecidos para a leitura correta.

Fontes para aprofundar