UTF-9 i UTF-18

UTF-9 i UTF-18 – systemy kodowania unikodu, wprowadzone dokumentem RFC 4042 jako żart primaaprilisowy.

Ich specyfikację opracował Mark Crispin (wynalazca protokołu IMAP). RFC 4042 został upubliczniony 1 kwietnia 2005.

System ten miał zostać stworzony z myślą o 18- i 36-bitowych architekturach komputerów, w których obsługa systemów UTF-8 czy UTF-16 zbudowanych wokół 8-bitowych bajtów (tj. oktetów) byłaby nieefektywna obliczeniowo i pamięciowo.

Szczegóły

UTF-9 (Unicode Transformation Format-9) jest formatem kodowania znaków o zmiennej długości. Najstarszy bit każdego nonetu (tj. 9-bitowego bajtu) używany jest jako flaga kontynuacji, pozostały oktet to kod znaku w standardzie ISO-10646. Dla znaków 0x0-0xFF oznacza to pełną wsteczną kompatybilność. W UTF-9 możliwe jest zakodowanie wszystkich znaków Unikodu, więc nie ma potrzeby stosowania kodów zastępczych z przedziału U+D800 – U+DBFF

UTF-18 (Unicode Transformation Format-18) jest formatem kodowania znaków o stałej długości. Używa dwóch nonetów. Znaki z zakresu U+0000 – U+2FFFF pozostają bez zmian, zaś z zakresu U+E0000 – U+EFFFF zostają przesunięte o 0x70000, do zakresu 0x30000 – 0x3ffff. Inne wartości nie mogą być reprezentowane w UTF-18.

Przykłady kodowań UTF-9 i UTF-18

Znak	Kod UNICODE	kod UTF-9 (oct)	kod UTF-18 (oct)	kod UTF-8 (dla porównania)
A	U+0041	101	000101	101
Ą	U+0104	401 004	000404	304-204
가	U+AC00	654 000	126000	352 260 200
𝌌	U+1D30C	401 323 014	351414	360 235 214 214

Linki zewnętrzne

• M.M. Crispin M.M., UTF-9 and UTF-18 Efficient Transformation Formats of Unicode, RFC 4042, IETF, 1 kwietnia 2005, DOI: 10.17487/RFC4042, ISSN 2070-1721, OCLC 943595667  (ang.).