Der Unicode Zeichensatz — Einführung

Den Unicode-­Zeichensatz kann man sich als eine Erweiterung des einfachen 7-bit ASCII-Zeichensatzes vorstellen. Während der ASCII-­Zeichensatz 128 Zeichen beschreibt, ist es mit dem Unicode-­Zeichensatz möglich, sämtliche Zeichen der heutzutage existie­renden Schriftsprachen zu kodieren. Darüber hinaus werden auch alte Schrift­sprachen, mathematische Formel­zeichen, typo­graphische Symbole (dingbats), allgemeine Symbole, diakritische Zeichen usw. kodiert. Der Unicode-­Zeichensatz umfasst damit bis jetzt 1.114.112 Zeichen.

Der Unicode-­Zeichensatz beschreibt allerdings nicht, wie ein Zeichen auszusehen hat, sondern er definiert Zeichen und ihre Kodierung. Eine Definition lautet beispielsweise LATIN CAPITAL LETTER A WITH DIAERESIS (lateinischer Groß­buchstabe A mit Umlaut) und die entsprechende Kodierung 196dez bzw. 00C4hex. Wie dieses Zeichen letzt­endlich auf dem Bildschirm oder auf Papier dargestellt wird, bleibt den verwendeten Programmen überlassen. Die tausende existierenden Schriftarten stellen dieses Zeichen dann gemäß ihres individuellen Schriftbildes dar, wie folgende Abbildung zeigt.

Ein großer Teil der Schrift­zeichen heutiger Schrift­sprachen ist schon mit zwei Byte kodierbar. Dieser Kodierungs­raum (code space) enthält 65536 Zeichen und wird als Basic Multilingual Plain BMP bezeichnet. Für die Kodierung weiterer Zeichen sind drei Bytes notwendig, es wird jedoch mit dem aktuellen Unicode Standard sogar eine Kodierung mit vier Byte ermöglicht. Dies entspricht einer möglichen Kodierung von 2³² = 4.294.967.296 Zeichen.

Der Unicode wird über eine weitere Kodierung, UTF, in eine neue Bytesequenz gebracht, welche an die weiter verarbeitenden Programme weiter geleitet wird. Es existieren mehrere Formen des UTF: UTF-5, UTF-7, UTF-8, UTF-16 und UTF-32. Am weitesten verbreitet und bekanntesten ist das UTF-8 Format, welches nahezu alle Browser, Textverarbeitungs­programme usw. umsetzen können. Gleichzeitig dient die Angabe UTF-8 in meta-tags von Webseiten und den Kodierungs­einstellungen der Browser der Kenntlich­machung des verwandten Zeichensatzes.

Nun ist bei weitem nicht jede beliebige Schriftart automatisch in der Lage, den kompletten Unicode-­Zeichensatz auch darzustellen. Insbesondere Fantasie­schriftarten wie z.B. Parchment decken in der Regel höchstens den Latin-1 Zeichensatz oder die ISO-8859 Gruppe ab. Im folgenden ist eine kleine Auflistung von Schriftarten, welche in der Lage sind, über die ISO-8859-Gruppe hinaus gehende Zeichensätze darzustellen. Durch klick auf einen Schrift­arten­namen gelangst Du zu einem Beispiel des entsprechenden Schriftbildes.

Übersicht Unicode-kompatibler Schriftarten mit Bezugsquellen

Schriftart	darstellbare Zeichen	Schriftfamilie	Information	Größe	Download[1]
[1]die in der Liste aufgeführten herunter­ladbaren Schriftarten sind zwar bis auf eine (Code2000) kostenlos; die unentgeltliche Nutzung bezieht sich jedoch ausschließlich auf den privaten Gebrauch. Zur kommerziellen Nutzung siehe die entsprechenden Websites
Bitstream CyberBase	1249	serif	Netscape - Public FTP Server	171kB
Bitstream CyberBit	29934	serif	Netscape - Public FTP Server	6227kB
APL Unicode Font Extended - SImPL	~1000	monospace	Vector.org - APL-Fonts	209kB
Code2000	34810	serif	http://home.att.net/~jameskass/ Shareware	1219kB
Fixedsys Excelsior	>4100	monospace	http://www.fixedsys.org/	233kB
Gentium	1387	serif	SIL International - NRSI - Gentium	601kB
Lucida Sans Unicode	1776	sans-serif	Dept. of Phonetics & Linguistics University College London	298kB
Titus Cyberbit Basic	9779	serif	TITUS	808kB
Arial	1320	sans-serif	SourceForge-Net: Smart package of Microsoft's core fonts	542kB
Times New Roman	1320	serif		647kB
Courier New	1318	monospace		632kB
Verdana	893	sans-serif		344kB
Andale Mono	659	monospace		194kB
Arial Black	669	sans-serif		165kB
Comic Sans MS	574	kursiv		241kB
Georgia	585	serif		384kB
Impact	661	fantasy		170kB
Trebuchet MS	576	sans-serif		349kB
Arial Unicode MS	51180	sans-serif	in MS Office 2000, Office XP und Publisher 2002 enthalten