Unicode
Unicode es un estándar universal de caracteres que asigna puntos de código a textos y símbolos de sistemas de escritura de todo el mundo.
Definición
Unicode es un estándar para representar textos de numerosos sistemas de escritura, además de símbolos, emoji y controles. Asigna a cada elemento un punto de código escrito como U+ y dígitos hexadecimales, por ejemplo U+0041 para A y U+20AC para €.
Un punto de código es un número abstracto, no una secuencia de bytes. UTF-8, UTF-16 y UTF-32 definen cómo se almacenan o transmiten esos puntos.
Puntos de código y codificaciones
Unicode abarca de U+0000 a U+10FFFF, con zonas reservadas o sin asignar. UTF-8 usa un byte para ASCII y de dos a cuatro para otros puntos asignados; UTF-16 usa una o dos unidades de 16 bits.
ASCII está incluido en Unicode: sus valores 0–127 conservan los mismos puntos de código y la misma representación de un byte en UTF-8.
Ejemplo práctico
El carácter € es el punto U+20AC. En UTF-8 se almacena con los bytes E2 82 AC; en código fuente también puede aparecer como escape. Son representaciones distintas del mismo punto.
Un carácter visible no siempre equivale a un punto: é puede ser U+00E9 o la secuencia U+0065 más el signo combinante U+0301.
Normalización y errores frecuentes
La normalización Unicode lleva secuencias equivalentes a una forma estándar elegida y facilita comparaciones y búsquedas. Debe aplicarse con criterio, pues caracteres visualmente parecidos también pueden ser distintos.
La fuente determina la apariencia y algunos emoji o escrituras combinan varios puntos en un grafema. Por eso difieren las cuentas de bytes, puntos y caracteres visibles. Unicode es codificación, no cifrado.
No. Unicode define caracteres y puntos de código; UTF-8 es una forma de codificar esos puntos como bytes.
No hay una cifra única. En UTF-8 un punto usa de uno a cuatro bytes, y un grafema visible puede reunir varios puntos.
Pueden usar secuencias diferentes pero canónicamente equivalentes, como una letra precompuesta o letra más signo combinante. La normalización adecuada puede igualarlas.