UTF-1

Série Unicode

Unicode

UCS

UTF-7

UTF-8

UTF-16

UTF-32/UCS-4

SCSU

Punycode

UTF-1 é um formato de transformação de ISO 10646/Unicode em fluxos de bytes, a fim de serialização. Devido ao seu formato não é possível resincronizar se a decodificação começa no meio dum caractere (o que dificulta o truncamento) e rotinas de busca de caractere não podem ser usadas de forma confiável. Dados tais problemas, esse padrão nunca ganhou grande adoção, sendo quase que completamente substituído pelo UTF-8.

Padrão

UTF-1 é uma codificação multi-byte tal qual UTF-8, o que significa que um código Unicode pode estar codificado em um, dois, três ou cinco octetos. Enquanto a faixa do ASCII é codificada como um octeto assim como no UTF-8, os octetos 0x21 - 0x7E também são usados em codificações multi-byte, inviabilizando o UTF-1 para diversos protocolos Internet tais como MIME.

O UTF-1 não usa caracteres de controle SOH: qualquer octeto 0x00 - 0x20 ou 0x7F - x9F corresponde ao código correspondente em ISO-8859-1 (U+0000 - 0020 e U+007F-009F, respectivamente). Esse formato que estipula 66 octetos "protegidos" tenta ser compatível com o ISO 2022.

O esquema de codificação do UTF-1 usa uma aritmética de "módulo 190" (${\displaystyle 256-66=190}$), desenvolvida para codificar todos os 31 bits do Conjunto Universal de Caracteres original (UCS-4). em comparação, o UTF-8 "protege" todos os 128 octetos ASCII, e necessita dos dois bits finais de códificações multi-byte para tal, resultando numa aritmética de "módulo 64" (${\displaystyle 8-2=6}$, ${\displaystyle 2^{6}=64}$). Já BOCU-1 "protege" somente o conjunto mínimo necessário para manter a compatibilidade com MIME (0x00, 0x07–0x0F, 0x1A–0x1B e 0x20), resultando numa aritmética de "módulo 243" (${\displaystyle 256-13=243}$).

Código	UTF-16BE	UTF-16LE	UTF-8	UTF-1
U+007F	007F	7F00	7F	7F
U+0080	0080	8000	C280	80
U+009F	009F	9F00	C29F	9F
U+00A0	00A0	A000	C2A0	A0A0
U+00BF	00BF	BF00	C2BF	A0BF
U+00C0	00C0	C000	C380	A0C0
U+00FF	00FF	FF00	C3BF	A0FF
U+0100	0100	0001	C480	A121
U+015D	015D	5D01	C59D	A17E
U+015E	015E	5E01	C59E	A1A0
U+01BD	01BD	BD01	C6BD	A1FF
U+01BE	01BE	BE01	C6BE	A221
U+07FF	07FF	FF07	DFBF	AA72
U+0800	0800	0008	E0A080	AA73
U+0FFF	0FFF	FF0F	E0BFBF	B548
U+1000	1000	0010	E18080	B549
U+4015	4015	1540	E48095	F5FF
U+4016	4016	1640	E48096	F62121
U+D7FF	D7FF	FFD7	ED9FBF	F72FC3
U+E000	E000	00E0	EE8080	F73A79
U+F8FF	F8FF	FFF8	EFA3BF	F75C3C
U+FDD0	FDD0	D0FD	EFB790	F762BA
U+FDEF	FDEF	EFFD	EFB7AF	F762D9
U+FEFF	FEFF	FFFE	EFBBBF	F7644C
U+FFFD	FFFD	FDFF	EFBFBD	F765AD
U+FFFE	FFFE	FEFF	EFBFBE	F765AE
U+FFFF	FFFF	FFFF	EFBFBF	F765AF
U+10000	D800DC00	00D800DC	F0908080	F765B0
U+38E2D	D8A3DE2D	A3D82DDE	F0B8B8AD	FBFFFF
U+38E2E	D8A3DE2E	A3D82EDE	F0B8B8AE	FC21212121
U+FFFFF	DBBFDFFF	BFDBFFDF	F3BFBFBF	FC2137B27A
U+100000	DBC0DC00	C0DB00DC	F4808080	FC2137B27B
U+10FFFF	DBFFDFFF	FFDBFFDF	F48FBFBF	FC21396E6C

Referências

• «ISO IR 178» (PDF) (em inglês). Consultado em 13 de abril de 2010. Arquivado do original (PDF) em 23 de abril de 2013  Especificação do UTF-1

Ver também

• Conjunto Universal de Caracteres