🎯 Unicode

Em poucas palavras

O Unicode é o padrão global de codificação de caracteres que atribui um número único (chamado code point) a cada caractere, símbolo ou emoji de praticamente todos os sistemas de escrita do mundo, independentemente da plataforma, programa ou idioma.

---

📝 Notas e Desenvolvimento

🧩 O Problema que ele Resolve

Antes do Unicode, existiam centenas de sistemas de codificação diferentes (como ASCII ou ISO-8859-1). Isso causava o famoso “Mojibake” (quando você abre um arquivo e vê símbolos estranhos como é em vez de é), pois cada sistema interpretava os mesmos números como caracteres diferentes.

🔢 Code Points vs. Encodings

É crucial entender a diferença entre o “mapa” e a “implementação”:

• Code Point: É o valor numérico abstrato. Ex: O caractere A é sempre U+0041.
• Encodings (Codificações): São as formas de transformar esses números em bits para armazenamento.
  • UTF-8: A mais comum. Usa de 1 a 4 bytes. É retrocompatível com ASCII.
  • UTF-16: Usa 2 ou 4 bytes. Comum em sistemas internos do Windows e Java.
  • UTF-32: Usa sempre 4 bytes. Simples para processamento, mas gasta muito espaço.

🌍 Abrangência

• Suporta mais de 150.000 caracteres.
• Inclui alfabetos latinos, cirílicos, ideogramas chineses (CJK), scripts antigos (hieróglifos) e Emojis.
• Caracteres Combinados: Permite criar variações, como o á sendo a junção de a + ´.

---

📚 Referências e Fontes

🔗 Conexões do Cofre

🌐 Referências Externas

• Artigo clássico de Joel Spolsky: The Absolute Minimum Every Software DeveloperMust Know About Unicode and Character Sets
• O consórcio que mantém o padrão: Unicode Official Site
• Excelente explicação visual sobre bytes e bits: Computerphile: Unicode (YouTube)

💬 Citações Diretas