Originalskrift i flerspråkiga bibliotekskataloger - BADA - Högskolan i ...

de andra teckenuppsättningarna och 16 bitar var inte längre tillräckligt. Dessutom var det
svårt för vissa systems gränssnitt att hantera 16-bitar och de krävde en form av Unicode som
kunde hanteras i 8-bitars-koder. Andra system föredrog enheter av 32 bitar. Resultatet blev att
man utvecklade olika transformeringsformat (UTF) av Unicode, UTF-8 UTF-16 och UTF-32
som vart och ett passade bäst i en viss programmeringsmiljö och som också snabbt kunde
konverteras till andra format efter behov. De olika formaten innebär att man kan använda ett
eller fler kodelement per tecken. Målet är att alla skriftsystem ska täckas i en unik repertoar,
vare sig det handlar om modern, klassisk eller teknisk tillämpning. 67
2. Ett effektivt system
Alla kodpositioner har samma värde eller status. Det finns inga koder där det krävs en
sekvens med shift eller escape utan alla koder nås på ett jämlikt sätt. Så långt som möjligt
kodas också en skrifts tecken tillsammans vilket gör dem lättare att finna och också gör
implementeringen lättare. 68
3. Tecken – inte former
När man från början skulle representera text i datorbaserad form tänkte man sig att varje
textelement som syntes på papperet var unikt och skulle således ha en unik kod. Man gav
alltså individuella koder till varje sätt att skriva ett tecken eller bokstav även om betydelsen i
grund och botten var densamma. Man kodifierade det man såg. Unicode har gått ifrån detta. I
stället för att identifiera enskilda textelement identifierar man kodelement. Vare sig den
latinska bokstaven g har formen g eller g har den samma kod och samma namn. Samma sak
gäller de olika sätten man kan skriva ett östasiatiskt tecken på eller de arabiska bokstäverna
som kan ha olika form beroende på dess position i ordet. Systemet kodar tryckningen på
tangenterna som t ex ”U+0041 LATIN LETTER CAPITAL A”, eller ”U+0647 ARABIC
LETTER HEH”, men det är programvaran/fonten som använder koden som ett index för att
hitta själva bilden av koden, dvs formen, som i dessa fall kan vara AAAAAAA, eller ? ? ? ? .
Unicode har alltså att göra med kodningen och betydelsen av tecknen, ingenting annat. Den
här principen är fundamental för Unicode och beskrivs som att man skiljer mellan
”character”, tecken, och ”glyph”, form. Tecknet är det skrivna språkets minsta komponent
som har ett semantiskt värde och formen är enbart en synlig representation av tecknet. Det här
är viktigt eftersom vissa språk, t ex arabiska och olika indiska skriftsystem innefattar många
fler former än semantiska tecken. 69
4. Semantiska egenskaper
Unicode anser vissa semantiska egenskaper som inneboende i tecknet och betraktas då som en
del av standarden. Det kan handla om sådant som t ex gemena och versaler, nummer och
siffror, skriftens riktning eller egenskaper som kräver sekvenser av tecken. 70
5. Ren text
Unicode har att göra med den rena texten, själva sekvensen av teckenkoder. Texten är det
grundläggande materialet för den text vi ser där information som språk, fontstorlek, färg,
hypertextlänkar osv lagts till. Den enkla rena texten är standardiserad och får bara innehålla
tillräcklig information för att den ska vara läsbar. 71
67 Ibid., s. 12
68 Ibid., s. 13
69 Ibid., s. 13 f
70 Ibid.
71 Aliprand, 1998, s. 100 ff
The Unicode Standard : version 3.0, 2000, s. 13 ff
30