유니코드

덤프버전 : r20240101

1. 개요
2. 역사
3. 표기 관례
4. 유니코드 테이블
4.1. 유니코드의 구조 및 블록 목록
4.2. 유니코드와 한글
4.2.1. 한글 전산화
4.2.2. 조합형 낱자들로 만들 수 있는 한글 완성자의 수
4.2.3. 옛한글과 유니코드 정규화의 부작용
4.3. 유니코드와 한자
4.3.1. 한자 통합 기준
4.3.2. CJK 통합 한자와 CJK 호환용 한자의 차이
4.3.3. 미묘한 이체자 처리 문제
5.2. UTF-16
5.3. UCS-2
5.4. UTF-32
6. 유니코드 정규화
7. 변종 문자(위 첨자·아래 첨자·작은 대문자 등) 사용 시 권장 사항
8. 유니코드 지원 폰트
9. 키보드에 없는 문자 입력하기
10. 관련 문서
10.1. 개별 문서가 있는 유니코드 특수문자



1. 개요[편집]


유니코드(Unicode)는 전 세계의 모든 문자를 다루도록 설계된 표준 문자 전산 처리 방식이다. 유니코드 컨소시엄(Unicode Consortium)에서 제정, 관리한다.

주요 구성 요소는 ISO/IEC 10646 Universal Character Set과 UCS, UTF 등의 인코딩 방식, 문자 처리 알고리즘 등이다. 전 세계의 모든 문자를 담는 ISO/IEC 10646 코드표를 사용함으로써, 각 언어와 문자 체계에 따른 충돌 문제를 해결하였다. 따라서 유니코드를 사용하면 한글신자체·간체자, 아랍 문자 등을 통일된 환경에서 사용할 수 있다.

초창기에는 문자 코드는 ASCII의 로마자 위주 코드였고, 1바이트의 남은 공간에 각 나라가 자국 문자를 할당하였다. 하지만 이런 상황에서 다른 국가에 이메일을 보냈더니 글자가 와장창 깨졌던 것. 인터넷 웹페이지도 마찬가지였다. 이에 따라 4바이트(32비트, 약 42억 자)의 넉넉한 공간에 세상의 모든 문자를 할당한 결과물이 이것이다.

현재의 유니코드는 지구상에서 통용되는 대부분의 문자들을 담고 있다. 여기에는 언어를 표기할 때 쓰는 문자는 물론, 악보 기호, 이모지, 태그, 마작이나 도미노 기호 같은 것들도 포함된다.

모든 문자 체계를 담고 있는 것은 아니라서, 과거에 사용된 문자 체계나 쓰임이 적은 인공문자,[1] 자료가 많이 남아 있지 않은 문자 체계는 등록이 되어있지 않아 유니코드로 표현할 수 없다. 물론 아직 유니코드에 없다 뿐이지 어지간한 문자 체계는 유니코드에 집어 넣으려는 계획이 진행중이다. 앞으로 유니코드에 뭘 넣을지 보여 주는 로드맵[2]이 있는데 꽤 알차게 차 있다. 선형문자 A는 해독도 안 되었는데 들어가 있다 물론 빈 공간도 꽤 있어 앞으로 유니코드 공간이 부족한 일이 생기려면 한참 남았다. 17개의 플레인 중에 현재는 7개만 사용되고 10개는 아직 사용되지 않고 있다. 공실률(?)로 치면 60%에 육박하는, 말 그대로 반 이상이 현재 미할당이다.


2. 역사[편집]


유니코드는 1991년 10월에 최초 버전(1.0.0)이 발표됐으며, 1992년 6월 1.0.1버전에서 CJK 공통한자(CJK Unified Ideographs)가 정의되었다. 1993년 6월 1.1버전에서 기존 한글 2,350글자에 추가 4,306글자가 할당되었다. 그러다가 1996년 7월 2.0버전이 발표되었는데, 한국측의 요청으로 한글 대이동 사건이 벌어졌다. 기존 배치는 삭제되고, 현대 한글의 모든 글자 11,172개가 U+AC00~D7A3 영역으로 재배치 되었다. 그리고 이후로는 한번 할당된 문자는 더이상 옮기지 않는다는 원칙도 만들어졌다.

현재 최신 버전은 2023년 9월 12일에 발표된 15.1이다.


3. 표기 관례[편집]


유니코드 문자의 경우 해당 글자의 코드를 표기할 때 U+(16진수 숫자)[3]라고 쓴다. 예를 들면 한글 '가' 자는 유니코드에서 16진수로 AC00(10진수의 44032)라는 코드 넘버를 가지는데, 이것을 U+AC00이라고 적는 식이다.

문자 표기 관례는 아니지만 16진수 표기의 관례를 따라 0x 를 붙여 0xAC00라고 표기된 경우도 간혹 있으니 참고하면 좋다. 레지스트리 편집 등의 컴퓨터에서의 수 표현 영역으로 넘어가면 AC 00 이라 적힌 것을 볼 수 있고, Endian에 따라 00 AC로 적히기도 한다.

참고로 U+라는 표기 자체는 LG(LG U+)보다 유니코드 쪽이 20년 정도 먼저 써 왔다.


4. 유니코드 테이블[편집]



4.1. 유니코드의 구조 및 블록 목록[편집]


유니코드 문자 집합의 문자 평면

[ 펼치기 · 접기 ]
기본
보조
Plane 0
0000~FFFF

Plane 1
10000~1FFFF

Plane 2
20000~2FFFF

Plane 3
30000~3FFFF

Planes 4-13
40000~DFFFF

Plane 14
E0000~EFFFF

Planes 15-16
F0000~10FFFF

기본 다국어 평면
BMP
보조 다국어 평면
SMP
보조 표의문자 평면
SIP
3차 표의문자 평면
TIP
(사용 안 함)
보조 특수 목적 평면
SSP
사용자 자유 영역
PUA
0XXX
8XXX
10XXX
18XXX
20XXX
28XXX
30XXX
38XXX
문자 없음
E0XXX
15: PUA-A
1XXX
9XXX
11XXX
19XXX
21XXX
29XXX
31XXX
39XXX
F0000-FFFFF
2XXX
AXXX
12XXX
1AXXX
22XXX
2AXXX
32XXX
3AXXX

3XXX
BXXX
13XXX
1BXXX
23XXX
2BXXX
33XXX
3BXXX
16: PUA-B
4XXX
CXXX
14XXX
1CXXX
24XXX
2CXXX
34XXX
3CXXX
100000-10FFFF
5XXX
DXXX
15XXX
1DXXX
25XXX
2DXXX
35XXX
3DXXX
6XXX
EXXX
16XXX
1EXXX
26XXX
2EXXX
36XXX
3EXXX
7XXX
FXXX
17XXX
1FXXX
27XXX
2FXXX
37XXX
3FXXX




유니코드는 대개 기본 문자가 들어 있는 BMP(Basic Multilingual Plane), BMP에 없는 옛글자 등을 넣는 SMP(Supplementary Multilingual Plane), 한자를 더 넣기 위해 별도로 정의한 SIP(Supplementary Ideographic Plane), 확장 한자 G 등이 포함되는 TIP(Tertiary Ideographic Plane), 앞의 영역에 포함되지 않는 기타 문자 등이 들어가는 SSP(Supplementary Special-purpose Plane), 자유 영역인 PUA(Private Use Area) 등이 정의되어 있다.

자세한 구조는 다음 표와 같다.
[표 펼치기 · 접기]
평면
블록 시작
블록 끝
블록 크기
블록 이름
UTF-8 바이트 수
BMP
U+0000
U+007F
128자
Basic Latin
1[1]
U+0080
U+00FF
128자
Latin-1 Supplement
2
U+0100
U+017F
128자
Latin Extended-A
U+0180
U+024F
208자
Latin Extended-B
U+0250
U+02AF
96자
IPA Extensions
U+02B0
U+02FF
80자
Spacing Modifier Letters
U+0300
U+036F
112자
Combining Diacritical Marks
U+0370
U+03FF
144자
Greek and Coptic
U+0400
U+04FF
256자
Cyrillic
U+0500
U+052F
48자
Cyrillic Supplement
U+0530
U+058F
96자
Armenian
U+0590
U+05FF
112자
Hebrew
U+0600
U+06FF
256자
Arabic
U+0700
U+074F
80자
Syriac
U+0750
U+077F
48자
Arabic Supplement
U+0780
U+07BF
64자
Thaana
U+07C0
U+07FF
64자
NKo
U+0800
U+083F
64자
Samaritan
3
U+0840
U+085F
32자
Mandaic
U+0860
U+086F
16자
Syriac Supplement
U+0870
U+089F
48자
Arabic Extended-B
U+08A0
U+08FF
96자
Arabic Extended-A
U+0900
U+097F
128자
Devanagari
U+0980
U+09FF
128자
Bengali
U+0A00
U+0A7F
128자
Gurmukhi
U+0A80
U+0AFF
128자
Gujarati
U+0B00
U+0B7F
128자
Oriya
U+0B80
U+0BFF
128자
Tamil
U+0C00
U+0C7F
128자
Telugu
U+0C80
U+0CFF
128자
Kannada
U+0D00
U+0D7F
128자
Malayalam
U+0D80
U+0DFF
128자
Sinhala
U+0E00
U+0E7F
128자
Thai
U+0E80
U+0EFF
128자
Lao
U+0F00
U+0FFF
256자
Tibetan
U+1000
U+109F
160자
Myanmar
U+10A0
U+10FF
96자
Georgian
U+1100
U+11FF
256자
Hangul Jamo[2]
U+1200
U+137F
384자
Ethiopic
U+1380
U+139F
32자
Ethiopic Supplement
U+13A0
U+13FF
96자
Cherokee
U+1400
U+167F
640자
Unified Canadian Aboriginal Syllabics
U+1680
U+169F
32자
Ogham
U+16A0
U+16FF
96자
Runic
U+1700
U+171F
32자
Tagalog
U+1720
U+173F
32자
Hanunoo[M]
U+1740
U+175F
32자
Buhid[M]
U+1760
U+177F
32자
Tagbanwa[3]
U+1780
U+17FF
128자
Khmer
U+1800
U+18AF
176자
Mongolian
U+18B0
U+18FF
80자
Unified Canadian Aboriginal Syllabics Extended
U+1900
U+194F
80자
Limbu
U+1950
U+197F
48자
Tai Le[4]
U+1980
U+19DF
96자
New Tai Lue
U+19E0
U+19FF
32자
Khmer Symbols
U+1A00
U+1A1F
32자
Buginese
U+1A20
U+1AAF
144자
Tai Tham[5]
U+1AB0
U+1AFF
80자
Combining Diacritical Marks Extended
U+1B00
U+1B7F
128자
Balinese
U+1B80
U+1BBF
64자
Sundanese
U+1BC0
U+1BFF
64자
Batak
U+1C00
U+1C4F
80자
Lepcha[6]
U+1C50
U+1C7F
48자
Ol Chiki
U+1C80
U+1C8F
16자
Cyrillic Extended-C
U+1CC0
U+1CCF
16자
Sundanese Supplement
U+1CD0
U+1CFF
48자
Vedic Extensions
U+1D00
U+1D7F
128자
Phonetic Extensions
U+1D80
U+1DBF
64자
Phonetic Extensions Supplement
U+1DC0
U+1DFF
64자
Combining Diacritical Marks Supplement
U+1E00
U+1EFF
256자
Latin Extended Additional
U+1F00
U+1FFF
256자
Greek Extended
U+2000
U+206F
112자
General Punctuation
U+2070
U+209F
48자
Superscripts and Subscripts
U+20A0
U+20CF
48자
Currency Symbols
U+20D0
U+20FF
48자
Combining Diacritical Marks for Symbols
U+2100
U+214F
80자
Letterlike Symbols
U+2150
U+218F
64자
Number Forms
U+2190
U+21FF
112자
Arrows
U+2200
U+22FF
256자
Mathematical Operators
U+2300
U+23FF
256자
Miscellaneous Technical
U+2400
U+243F
64자
Control Pictures
U+2440
U+245F
32자
Optical Character Recognition
U+2460
U+24FF
160자
Enclosed Alphanumerics
U+2500
U+257F
128자
Box Drawing
U+2580
U+259F
32자
Block Elements
U+25A0
U+25FF
96자
Geometric Shapes
U+2600
U+26FF
256자
Miscellaneous Symbols
U+2700
U+27BF
192자
Dingbats
U+27C0
U+27EF
48자
Miscellaneous Mathematical Symbols-A
U+27F0
U+27FF
16자
Supplemental Arrows-A
U+2800
U+28FF
256자
Braille Patterns
U+2900
U+297F
128자
Supplemental Arrows-B
U+2980
U+29FF
128자
Miscellaneous Mathematical Symbols-B
U+2A00
U+2AFF
256자
Supplemental Mathematical Operators
U+2B00
U+2BFF
256자
Miscellaneous Symbols and Arrows
U+2C00
U+2C5F
96자
Glagolitic
U+2C60
U+2C7F
32자
Latin Extended-C
U+2C80
U+2CFF
128자
Coptic
U+2D00
U+2D2F
48자
Georgian Supplement
U+2D30
U+2D7F
80자
Tifinagh
U+2D80
U+2DDF
96자
Ethiopic Extended
U+2DE0
U+2DFF
32자
Cyrillic Extended-A
U+2E00
U+2E7F
128자
Supplemental Punctuation
U+2E80
U+2EFF
128자
CJK Radicals Supplement
U+2F00
U+2FDF
224자
Kangxi Radicals
U+2FF0
U+2FFF
16자
Ideographic Description Characters
U+3000
U+303F
64자
CJK Symbols and Punctuation
U+3040
U+309F
96자
Hiragana
U+30A0
U+30FF
96자
Katakana
U+3100
U+312F
48자
Bopomofo
U+3130
U+318F
96자
Hangul Compatibility Jamo
U+3190
U+319F
16자
Kanbun
U+31A0
U+31BF
32자
Bopomofo Extended
U+31C0
U+31EF
48자
CJK Strokes
U+31F0
U+31FF
16자
Katakana Phonetic Extensions
U+3200
U+32FF
256자
Enclosed CJK Letters and Months
U+3300
U+33FF
256자
CJK Compatibility
U+3400
U+4DBF
6592자
CJK Unified Ideographs Extension A
U+4DC0
U+4DFF
64자
Yijing Hexagram Symbols
U+4E00
U+9FFF
20992자
CJK Unified Ideographs
U+A000
U+A48F
1168자
Yi Syllables
U+A490
U+A4CF
64자
Yi Radicals
U+A4D0
U+A4FF
48자
Lisu
U+A500
U+A63F
320자
Vai[7]
U+A640
U+A69F
96자
Cyrillic Extended-B
U+A6A0
U+A6FF
96자
Bamum
U+A700
U+A71F
32자
Modifier Tone Letters
U+A720
U+A7FF
224자
Latin Extended-D
U+A800
U+A82F
48자
Syloti Nagri
U+A830
U+A83F
16자
Common Indic Number Forms
U+A840
U+A87F
64자
Phags-pa
U+A880
U+A8DF
96자
Saurashtra
U+A8E0
U+A8FF
32자
Devanagari Extended
U+A900
U+A92F
48자
Kayah Li
U+A930
U+A95F
48자
Rejang
U+A960
U+A97F
32자
Hangul Jamo Extended-A
U+A980
U+A9DF
96자
Javanese
U+A9E0
U+A9FF
32자
Myanmar Extended-B
U+AA00
U+AA5F
96자
Cham
U+AA60
U+AA7F
32자
Myanmar Extended-A
U+AA80
U+AADF
96자
Tai Viet
U+AAE0
U+AAFF
32자
Meetei Mayek Extensions
U+AB00
U+AB2F
48자
Ethiopic Extended-A
U+AB30
U+AB6F
64자
Latin Extended-E
U+AB70
U+ABBF
80자
Cherokee Supplement
U+ABC0
U+ABFF
64자
Meetei Mayek
U+AC00
U+D7AF
11184자
Hangul Syllables
U+D7B0
U+D7FF
80자
Hangul Jamo Extended-B
U+D800
U+DB7F
896자
High Surrogates
U+DB80
U+DBFF
128자
High Private Use Surrogates
U+DC00
U+DFFF
1024자
Low Surrogates
U+E000
U+F8FF
6400자
Private Use Area[8]
U+F900
U+FAFF
512자
CJK Compatibility Ideographs
U+FB00
U+FB4F
80자
Alphabetic Presentation Forms
U+FB50
U+FDFF
688자
Arabic Presentation Forms-A
U+FE00
U+FE0F
16자
Variation Selectors
U+FE10
U+FE1F
16자
Vertical Forms
U+FE20
U+FE2F
16자
Combining Half Marks
U+FE30
U+FE4F
32자
CJK Compatibility Forms
U+FE50
U+FE6F
32자
Small Form Variants
U+FE70
U+FEFF
144자
Arabic Presentation Forms-B[9]
U+FF00
U+FFEF
240자
Halfwidth and Fullwidth Forms
U+FFF0
U+FFFF
16자
Specials
SMP
U+10000
U+1007F
128자
Linear B Syllabary
4
U+10080
U+100FF
128자
Linear B Ideograms
U+10100
U+1013F
64자
Aegean Numbers
U+10140
U+1018F
80자
Ancient Greek Numbers
U+10190
U+101CF
64자
Ancient Symbols
U+101D0
U+101FF
48자
Phaistos Disc
U+10280
U+1029F
32자
Lycian
U+102A0
U+102DF
64자
Carian
U+102E0
U+102FF
32자
Coptic Epact Numbers
U+10300
U+1032F
48자
Old Italic
U+10330
U+1034F
32자
Gothic
U+10350
U+1037F
48자
Old Permic
U+10380
U+1039F
32자
Ugaritic
U+103A0
U+103DF
64자
Old Persian
U+10400
U+1044F
80자
Deseret
U+10450
U+1047F
48자
Shavian
U+10480
U+104AF
48자
Osmanya
U+104B0
U+104FF
80자
Osage
U+10500
U+1052F
48자
Elbasan
U+10530
U+1056F
64자
Caucasian Albanian
U+10600
U+1077F
384자
Linear A
U+10800
U+1083F
64자
Cypriot Syllabary
U+10840
U+1085F
32자
Imperial Aramaic
U+10860
U+1087F
32자
Palmyrene
U+10880
U+108AF
48자
Nabataean
U+108E0
U+108FF
32자
Hatran
U+10900
U+1091F
32자
Phoenician
U+10920
U+1093F
32자
Lydian
U+10980
U+1099F
32자
Meroitic Hieroglyphs
U+109A0
U+109FF
96자
Meroitic Cursive
U+10A00
U+10A5F
96자
Kharoshthi
U+10A60
U+10A7F
32자
Old South Arabian
U+10A80
U+10A9F
32자
Old North Arabian
U+10AC0
U+10AFF
64자
Manichaean
U+10B00
U+10B3F
64자
Avestan
U+10B40
U+10B5F
32자
Inscriptional Parthian
U+10B60
U+10B7F
32자
Inscriptional Pahlavi
U+10B80
U+10BAF
48자
Psalter Pahlavi
U+10C00
U+10C4F
80자
Old Turkic
U+10C80
U+10CFF
128자
Old Hungarian
U+10E60
U+10E7F
32자
Rumi Numeral Symbols
U+11000
U+1107F
128자
Brahmi
U+11080
U+110CF
80자
Kaithi
U+110D0
U+110FF
48자
Sora Sompeng
U+11100
U+1114F
80자
Chakma
U+11150
U+1117F
48자
Mahajani
U+11180
U+111DF
96자
Sharada
U+111E0
U+111FF
32자
Sinhala Archaic Numbers
U+11200
U+1124F
80자
Khojki
U+11280
U+112AF
48자
Multani
U+112B0
U+112FF
80자
Khudawadi
U+11300
U+1137F
128자
Grantha
U+11400
U+1147F
128자
Newa
U+11480
U+114DF
96자
Tirhuta
U+11580
U+115FF
128자
Siddham
U+11600
U+1165F
96자
Modi
U+11660
U+1167F
32자
Mongolian Supplement
U+11680
U+116CF
80자
Takri
U+11700
U+1173F
64자
Ahom
U+118A0
U+118FF
96자
Warang Citi
U+11A00
U+11A4F
80자
Zanabazar Square
U+11A50
U+11AAF
96자
Soyombo
U+11AC0
U+11AFF
64자
Pau Cin Hau
U+11C00
U+11C6F
112자
Bhaiksuki
U+11C70
U+11CBF
80자
Marchen
U+11D00
U+11D5F
96자
Masaram Gondi
U+12000
U+123FF
1024자
Cuneiform
U+12400
U+1247F
128자
Cuneiform Numbers and Punctuation
U+12480
U+1254F
208자
Early Dynastic Cuneiform
U+13000
U+1342F
1072자
Egyptian Hieroglyphs
U+14400
U+1467F
640자
Anatolian Hieroglyphs
U+16800
U+16A3F
576자
Bamum Supplement
U+16A40
U+16A6F
48자
Mro
U+16AD0
U+16AFF
48자
Bassa Vah
U+16B00
U+16B8F
144자
Pahawh Hmong
U+16F00
U+16F9F
160자
Miao
U+16FE0
U+16FFF
32자
Ideographic Symbols and Punctuation
U+17000
U+187FF
6144자
Tangut
U+18800
U+18AFF
768자
Tangut Components
U+1B000
U+1B0FF
256자
Kana Supplement
U+1B100
U+1B12F
48자
Kana Extended-A
U+1B170
U+1B2FF
400자
Nushu
U+1BC00
U+1BC9F
160자
Duployan
U+1BCA0
U+1BCAF
16자
Shorthand Format Controls
U+1D000
U+1D0FF
256자
Byzantine Musical Symbols
U+1D100
U+1D1FF
256자
Musical Symbols
U+1D200
U+1D24F
80자
Ancient Greek Musical Notation
U+1D300
U+1D35F
96자
Tai Xuan Jing Symbols
U+1D360
U+1D37F
32자
Counting Rod Numerals
U+1D400
U+1D7FF
1024자
Mathematical Alphanumeric Symbols
U+1D800
U+1DAAF
688자
Sutton SignWriting
U+1E000
U+1E02F
48자
Glagolitic Supplement
U+1E800
U+1E8DF
224자
Mende Kikakui
U+1E900
U+1E95F
96자
Adlam
U+1EE00
U+1EEFF
256자
Arabic Mathematical Alphabetic Symbols
U+1F000
U+1F02F
48자
Mahjong Tiles
U+1F030
U+1F09F
112자
Domino Tiles
U+1F0A0
U+1F0FF
96자
Playing Cards[10]
U+1F100
U+1F1FF
256자
Enclosed Alphanumeric Supplement
U+1F200
U+1F2FF
256자
Enclosed Ideographic Supplement
U+1F300
U+1F5FF
768자
Miscellaneous Symbols and Pictographs
U+1F600
U+1F64F
80자
Emoticons
U+1F650
U+1F67F
48자
Ornamental Dingbats
U+1F680
U+1F6FF
128자
Transport and Map Symbols
U+1F700
U+1F77F
128자
Alchemical Symbols
U+1F780
U+1F7FF
128자
Geometric Shapes Extended
U+1F800
U+1F8FF
256자
Supplemental Arrows-C
U+1F900
U+1F9FF
256자
Supplemental Symbols and Pictographs
SIP
U+20000
U+2A6DF
42720자
CJK Unified Ideographs Extension B
U+2A700
U+2B73F
4160자
CJK Unified Ideographs Extension C
U+2B740
U+2B81F
224자
CJK Unified Ideographs Extension D
U+2B820
U+2CEAF
5776자
CJK Unified Ideographs Extension E
U+2CEB0
U+2EBEF
7488자
CJK Unified Ideographs Extension F
U+2F800
U+2FA1F
544자
CJK Compatibility Ideographs Supplement
TIP
U+30000
U+3134F
4944자
CJK Unified Ideographs Extension G
SSP
U+E0000
U+E007F
128자
Tags
U+E0100
U+E01EF
240자
Variation Selectors Supplement
PUA
U+F0000
U+FFFFF
65536자
Supplementary Private Use Area-A
U+100000
U+10FFFF
65536자
Supplementary Private Use Area-B


기본 평면은 0번 평면으로, 보조 평면은 1번부터 16번 평면으로 평면 번호가 붙는다. 각 평면의 마지막 두 자리(U+xxFFFE, U+xxFFFF)는 비문자(Non-character) 영역으로 지정되어 문자가 배당되지 않고 빈 자리로 남는다.
  • 0번 평면(U+0000 - U+FFFF)은 말 그대로 기본 다국어 평면이다. 대부분의 문자 체계가 이 평면에 수록되어 있다.
  • 1번 평면(U+10000 - U+1FFFF)은 보조 다국어 평면이다. 모든 문자들을 수록하기에는 하나의 평면(65,534자)만으로는 턱없이 부족하니 확장 평면을 만든 것이다. 역사적 문자나 여러 그림문자 등이 들어간다. 이모지도 이 평면에 상당수 수록되어 있다. 15.1 기준 계획상으로는 상당부분 영역이 할당되어 있지만 실제 할당된 글자 수는 대략 절반 정도이다.
  • 2번 평면(U+20000 - U+2FFFF)은 보조 표의문자 평면이다. 한자를 수록하기 위한 평면인데, 예로부터 지금까지 한자 문화권에서 쓰인 한자들이 무수히 많이 있어서 이들을 수록하기 위한 평면이다.
  • 3번 평면(U+30000 - U+3FFFF)은 3차 표의문자 평면이다. 갑골문 등 한자의 옛 형태들을 수록하기 위해 계획된 평면이다. 확장 한자도 배당되어 있는데, 2번 평면이 거의 꽉 차서 어쩔 수 없이 평면 일부를 할애해서 확장 한자를 수록한 것이다.
  • 4번 평면부터 13번 평면까지(U+40000 - U+DFFFF)는 아직 정의되지 않은 평면이다. 1번 평면(보조 다국어 평면)이 고갈되면 4번 평면이 새로운 보조 다국어 평면으로 정의될 가능성이 있지만 아직은 1번 평면에 여유분이 많이 남아 있기 때문에 갑자기 유니코드에 등록될 가치가 있는 새로운 문자가 대량으로 발견되지 않는 이상은 먼 미래의 이야기이다.[4]
  • 14번 평면(U+E0000 - U+EFFFF)은 보조 특수 목적 평면이다. 제어용 문자 등이 수록된다.
  • 15번 평면과 16번 평면(U+F0000 - U+10FFFF)은 사용자 정의 문자만을 위한 평면이다.

거의 알려지지 않은 사실이지만, 새로 배당 및 추가되는 문자들과 스크립트들은 상술한 유니코드 컨소시엄 뿐만이 아니라, 외부인들이 제출하는 일종의 아이디어 문서를 검토 및 반영해서 추가되기도 한다. 혹시 궁금할 경우 옆의 두 링크를 참고하자.##

CJK Unified Ideographs는 정확히 말하면 CJKV Unified Ideographs라고 해야 맞다. 유니코드의 CJK Unified Ideographs에는 근대 이전에 베트남어의 고유어를 표기하기 위해 사용하던 쯔놈 글자들도 섞여 있기 때문이다. 그런데 이미 유니코드 초창기(1.0)부터 CJK Unified Ideograph(s)로 불렀고(당시에는 한국, 중국, 대만, 일본의 표준 문자 코드만을 고려했고, 쯔놈은 상대적으로 나중에 추가됐다), 영역 이름과 문자 이름은 한 번 정해지면 절대로 고칠 수 없기 때문에 이를 CJKV로 고치기에는 이미 너무 늦었다.

4.2. 유니코드와 한글[편집]






유니코드에서 한글은 한자[5] 다음으로 많은 코드를 차지하고 있는 문자다. 이것은 동아시아권에서 사용하는 문자로서는(사실 이런 제한적인 수식어도 필요 없다.) 두 번째로 많은 영역을 차지하는 것이다. 왜 저렇게 많냐면 현대 한국어 음절 조합과 한글 자모를 모두 집어넣었기 때문이다. 한글의 경우, 현대 한국어의 자모 조합으로 나타낼 수 있는 모든 완성형 한글 11,172자(가, 각, 갂, 갃, …, 힠, 힡, 힢, 힣)이 모두 들어가 있다. 그래서 이나 처럼 한글 채움 문자 없이 KS X 1001에서는 쓸 수 없는 글자들도 전혀 문제없이 쓸 수 있다.[6]

또한 U+1100 ~ U+11FF, U+A960 ~ U+A97F, U+D7B0 ~ U+D7FF에 배당된 한글 자모는 한글을 조합형으로 구현할 수 있게 초·중·종성을 일일이 배당한 것이며, 여기에는 옛한글 낱자들도 같이 포함되어 있다. 그래서 ᄒᆞᆫ과 같은 옛한글도 옛한글 전용 글꼴만 있으면 문제없이 쓸 수 있다.

따라서 유니코드 환경이라면 현대 한글은 완성형으로도 조합형으로도 표현할 수 있지만, 조합형은 데이터 크기가 3배로 커지기 때문에 별로 사용되지 않는다. 보통 조합형은 옛한글을 표현할 때 쓰인다. 옛한글을 완성형으로 하나하나 배당하면 유니코드 전체를 뒤덮고도 남기 때문에 조합형으로 표현할 수밖에 없다.[7]


4.2.1. 한글 전산화[편집]


대한민국의 한국어 컴퓨터 환경에서는 유니코드가 도입되기 전에는 주로 2바이트 완성형(KS C 5601-1987, 조합형을 복수 표준으로 만든 KS C 5601-1992와 다른 한글 코드 표준들과 통합하고 2004년에 개정되면서 KS X 1001:2004로 개칭됨)이라는 코드와 이에 기반한 EUC-KR 인코딩을 사용하였다. 그러나 완성형의 한글 글자 수는 2,350자로, 현대 한글이 표현할 수 있는 글자 중 빈도가 높은 일부분만 수록되어 있는 상태였다. 이것 때문에 똠을 똠이라 쓰지 못하는 일이 있기도 했다[8]. 이를 해결한 CP949/UHC(통합 완성형)라는 코드도 있는데 완성형에 없는 글자를 억지로 구겨 넣었기 때문에 코드가 자모 순으로 구성되지 않을 뿐만 아니라 코드 표준에 맞지 않게 구현한 프로그램이 많아서 자잘한 문제가 많았다. 사실 한글 채움 문자를 쓰면 되겠지만 불편해서 잘 쓰이진 않았다.

유니코드는 1991년 발표된 1.0 버전부터 KS C 5601에 포함된 완성형 2,350자 한글을 지원하였다. 1993년 발표된 1.1 버전에는 KS C 5657(이후 KS X 1002)에 포함된 1,930자 및 중국에서 요청한 6글자를 포함한 2,376자를 추가해 총 6,656자가 수록되었다.[9] 믿기 어렵겠지만 유니코드 1.1에는 옛한글까지 고려한 조합형 한글 낱자도 포함되어 있었고(U+1100 - U+11FF) 실제로 이걸로 넘어가자는 제안도 있었다.[10] 그러나 당시 한국에서는 2,350자를 벗어난 현대 한글을 사용하려면 그냥 조합형을 사용하면 되었기 때문에 이렇게 추가된 6,656자만으로는 유니코드 기반 완성형을 사용할 이유가 없었다. 조합형이라고 해서 상황이 나은 것도 아닌게 첫가끝 기반 조합형은 90년대 초반까지 한국에서 사용한 조합형과는 달랐고, 지금도 OS X과 윈도우 사이에서 파일을 복사할 때 자주 글자가 풀려 버리는 등 이걸 제대로 지원하는 플랫폼은 흔치 않다. 완성형 한글도 한 번에 일괄적으로 추가되지 않았고 빠진 글자들이 단계별로 추가되었기 때문에 배열 순서가 CP949/UHC보다도 개판이었고 나머지 4,516자를 추가하려고 해도 제대로 추가할 수가 없었다. 한편 유니코드 1.1을 지원했다가 한국에서 한동안 피를 본 프로그램 중 하나가 오라클 DB이었다. 자세한 사항은 오라클(기업) 개요를 참고할 것.

그래서 대한민국 대표는 유니코드 2.0 제정 시 완성형 현대 한글 11,172자를 가나다순으로 새 영역에 배당할 것을 요청했다. 한국 대표는 유니코드의 한글 배당을 바꿔달라고 주장하면서, 당시까지 유니코드를 사용하는 한글 소프트웨어가 사실상 거의 존재하지 않아서 호환성에 문제가 없다고 주장했다. 또한 그렇게 쓰는 소프트웨어가 없는 이유 중 하나가 완성형을 기반으로 한 유니코드의 문제 때문이기도 했으며, 이는 한국이 유니코드에서 벗어나서 별도의 표준을 사용하게 되는 사태를 일으킬 수도 있었다.

이 요청에 대해 각국 대표들 사이에서 논쟁이 오갔지만, 결국 대한민국 대표의 요청이 받아들여져서 1996년 발표된 유니코드 2.0에서 1.1 때까지 U+3400 ~ U+4DFF[11]에 배당되어 있던 한글 6,656자를 없애고 새 영역(U+AC00 ~ U+D7A3)에 가나다순으로 11,172자를 배당했다. 이렇게 배당된 11,172자가 2.0부터 현재까지 한글·한국어 처리에 쓰이고 있다. 이로 인해 유니코드 2.0 이상과 그 이전 버전은 서로 호환되지 않는다. 그리고 이 '한글 대이동 사건'을 계기로 2.0부터는 한 번 배당한 문자는 절대 옮기거나 없애지 않는다는 정책을 세웠다.

당연하게도 이 11,172자는 남한의 가나다순으로 배당되었다. 남한과 북한은 한글 낱자의 정렬 순서가 다른데[12], 북한이 이것을 문제 삼아 이 11,172자를 북한식으로 재배열해 줄 것을 2000년경에 요구했으나, 이미 한글은 코드 위치가 한 번 대이동한 전례도 있고 문자를 절대 옮기거나 없애지 않는다는 정책에도 위배되기 때문에 보기 좋게 씹혔다. 그리고 북한은 코드 순으로 정렬하면 북한식으로 제대로 정렬이 되지 않는다는 것을 문제 삼았는데, 단순 코드 순 정렬은 어차피 그 어떤 언어에서도 적절하지 않으며, 정렬은 따로 테이블을 만들거나 알고리즘을 짜서 해야 한다. 영어조차도 코드 순으로 정렬하면 대문자 Z가 소문자 a보다 앞에 온다. 물론 코드에서 이미 정렬이 되어 있으면 정렬 테이블 및 알고리즘 제작이 쉬워지고 받침에 따라 바뀌는 조사 붙이기가 용이해진다는 장점은 있다. 과거 확장완성형이나 유니코드 1.1이 문제가 됐던 것도 배열 순서가 너무 심하게 뒤죽박죽이었기 때문이다.

그래서 한때 북한에서는 자기네들 순서를 기준으로 한글 영역을 쓴 적이 있었다. 남북한 한글 코드의 충돌 문제 문서 참고. 지금 북한은 울며 겨자 먹기로 남한 순으로 배당된 11,172자를 쓰고 있다.

북한은 이것만이 아니라 자기들이 우상화 목적으로 국규 9566에 배당한 '김, 일, 성, 김, 정, 일'도 그대로 유니코드에 넣고자 했으나 퇴짜 맞았다.[13] 그래서 북한에서 만들어진 폰트에서는 볼드 처리한 김, 일, 성, 김, 정, 일, 김, 정, 은[14]PUA 코드에 할당하기도 하며, 북한제 운영체제의 입력기에서도 이걸 감안하여 김일성, 김정일, 김정은 이름을 쓰면 자동으로 PUA 내 볼드 처리된 글자로 변환한다고 한다. PUA, 문화어 문서 참조.

4.2.2. 조합형 낱자들로 만들 수 있는 한글 완성자의 수[편집]


유니코드에 있는 모든 한글 낱자는 다음과 같다. 자음의 경우 위의 것이 초성, 아래의 것이 종성이다.

파일:attachment/UnicodeHangulJamoInOrder.png

없음
종류
낱자
개수
HCF[15]
A
초성



~



125
HJF[16]
B
중성



~



95
(없음)[17]
C
종성



~



138

일단 단순 계산으로만 125×95×138=1,638,750자가 나온다(!). 여기서 125, 95, 138은 각각 초성, 중성, 종성이 비어 있는 경우도 포함한 수치이다. 즉 '가'와 같이 종성이 없는 글자(A+B+없음)도, 'ᅟᅡᆨ'과 같이 초성이 없는 글자(HCF+B+C)도[18], 'ᄀᅠᆨ'과 같이 중성이 없는 글자(A+HJF+C)도 들어간 것이다.

다만, 여기서 다음 수만큼 빼야 한다.
  • 1: 1,638,750자 중에서 한 글자는 초성, 중성, 종성이 모두 없는 글자(HCF+HJF+없음)다. 즉 그냥 단순한 빈 칸과 다를 바가 없다.
  • 16988: 초성과 종성만으로 이뤄진 글자(A+HJF+C). 대한민국의 KS X 1026-1 규격(정보교환용 한글 처리지침)은 'ᄀᅠᆨ'과 같은 초성과 종성만의 결합은 허용하지 않는다. 즉 124×1×137=16988자가 된다.
즉 KS X 1026-1 규격상으로 허용되는 모든 한글 완성자는 1638750−(1+16988)=1621761자가 된다.

여기에는 초성, 중성, 종성 중 한 자모만 드러나고 나머지는 HCF나 HJF, (종성 없음)인 것도 있는데 이들을 단순히 낱자로 치고 완성자로 치지 않는다면, 위 1621761자에서 다음 수만큼 또 빼야 할 것이다.
  • 124: 초성만으로 이뤄진 글자(A+HJF+없음) 124×1×1
  • 94: 중성만으로 이뤄진 글자(HCF+B+없음) 1×94×1
  • 137: 종성만으로 이뤄진 글자(HCF+HJF+C) 1×1×137
즉 1621761−(124+94+137)=1621406자가 될 것이다.

이 1621406자에 초성과 종성만으로 이뤄진 글자(A+HJF+C)를 다시 더한다면 1621761−(124+94+137)+16988=1638394자가 될 것이다. 즉 초성, 중성, 종성 중 두 개 이상의 자모가 쓰여 만들어진 완성자 개수가 된다.

물론 어디까지나 '이론적으로' 160만 자 정도 나오는 것이고, 실제로 고문헌에 등장하는 글자 수는 5천여 자 정도밖에 안 된다고 한다. 현대 한글 낱자로 조합 가능한 11,172자 중에서 실제로 쓰이는 건 2천 ~ 3천 자 정도밖에 안 되는 것과 비슷하다고 보면 된다. 물론 이런 안일(?)한 생각 때문에 초기 완성형과 같은 문제가 생겼고, 디지털 문서화된 중세국어 문헌이 많지 않아서 얼마든지 기존에 보이지 않았던 조합이 생길 수 있다는 점도 고려해야 한다.[19]

참고로 저 1,638,750자를 빠짐없이 모두 나열한 곳이 존재한다(!). 혹시 전체 리스트가 필요하다면 저곳을 참고할 것. 로딩하다 브라우저 뻗는다 자신이 프로그래밍을 할 줄 안다면, 1,638,750자를 조합해 직접 출력해볼 수 있다.


4.2.3. 옛한글과 유니코드 정규화의 부작용[편집]


유니코드에서 하나의 grapheme은 여러 가지 형태로 표현될 수 있다. 예를 들어 á는 한 코드 포인트짜리 U+00E1로도 표현될 수 있지만 a\́(a(U+0061)와 ◌́(U+0301)의 결합)으로도 표현될 수 있다. 이들을 어느 한쪽으로 통일시키는 게 유니코드 정규화이다.

유니코드 정규화 타입은 C, D, KC, KD가 있다. C와 KC에서는 글자들을 조합하며, D와 KD에서는 분리한다. 그래서 위에서 예로 든 á는 C와 KC에서는 U+00E1로 표현되고 D와 KD에서는 a(U+0061)와 ◌́(U+0301)로 분리된다. 한글 또한 C와 KC에서는 합쳐지고(예: 한 U+D55C) D와 KD에서는 분리된다(예: ᄒ\ᅡᆫ U+1112 U+1161 U+11AB).

그런데 옛한글의 경우 C와 KC에서 문제가 있다. 초성과 중성이 현대 한글이고 종성이 옛한글인 경우 초성과 중성은 완성자로 변환되고 옛한글 종성만 따로 남는 문제가 발생한다(예: ᄀ\ᅡᇫ → 가ᇫ U+AC00 U+11EB).

반면 한국 산업 표준 KS X 1026-1은 위와 같은 경우에 완성자를 사용하지 말고 자모들만 사용할 것을 요구한다(예: ᄀ\ᅡᇫ U+1100 U+1161 U+11EB).

미디어위키는 자동으로 유니코드 정규화 타입 C를 적용한다. 그래서 위키백과 등 미디어위키를 사용하는 곳에서는 위와 같이 초성과 중성은 완성자로 변환되고 옛한글 종성만 따로 남는 문제를 피하기 위해 초성과 중성 사이에 <nowiki></nowiki>를 삽입하거나(예: ᄀ<nowiki></nowiki>ᅡᇫ), 초성 또는 중성을 HTML numeric character reference로 표기한다(예: ᄀ&\#x1161;ᇫ). 다만 문서 제목에서는 이런 방법을 쓸 수 없기 때문에 문서 제목에서만은 초성과 중성이 완성자로 변환되고 종성만 따로 남는 걸 어쩔 수 없이 감수하거나 혹은 폭 없는 비접합자(U+200C) 등 보이지 않는 문자를 끼워넣어야 한다.

나무위키는 유니코드 정규화를 자동으로 적용하지는 않으나, 어떤 웹 브라우저들은 문서 저장 시 정규화 타입 C를 적용하기도 한다. 그래서 이런 웹 브라우저로 옛한글이 들어간 문서를 편집하면 위와 같은 문제가 생길 수 있다. 나무위키에서는 초성과 중성 사이에 \\ 문자를 넣는 걸로 위 문제를 피할 수 있다(예: ᄀ\ᅡᇫ → ᄀ\\ᅡᇫ).


4.3. 유니코드와 한자[편집]


유니코드에서는 유니코드 한자들에 대한 정보를 담은 Unihan Database를 제공한다. 부수 + 나머지 획수, 국가·지역별 source, 한자 사전들에서의 위치, 창힐수입법 코드, 사각호마 코드, 기타 문자 집합들에서의 매핑, 언어별 독음, 한자의 영어 뜻, 이체자(간체자-번체자 포함) 정보 등을 수록하고 있다(예: U+6F22 漢).


4.3.1. 한자 통합 기준[편집]


기본적으로 모양에 차이가 큰 것은 별도의 코드로 분리하고 모양에 차이가 작은 것은 한 코드에 통합한다. 예를 들어 學/学, 經/経/经와 같이 차이가 큰 것은 별도의 코드로 분리됐고, 아래 이미지의 次와 같이 차이가 작은 것은 한 코드에 통합됐다.

파일:attachment/CJK_variant_characters.png


다만 차이가 작더라도 土와 士, 日과 曰처럼 아예 다른 글자라면 통합하지 않고, 緒/緖, 淸/清과 같이 차이가 작아도 분리된 예외가 몇몇 존재한다.[20] 원칙적으로 者의 점의 유무와 靑/青의 차이는 인정하지 않고 통합된다.

중국어 간체자번체자는 유니코드에서 다른 글자로 본다(예: 紅(U+7D05)/红(U+7EA2), 語(U+8A9E)/语(U+8BED)). 간체자와 번체자를 한 코드에 통합할 수 없는 데에는 여러 가지 이유가 있다. 일단 간체자와 번체자가 언제나 일대일로 대응되는 게 아니고(发, 干 등만 해도 두세 글자를 하나로 합친 것이다), 중국 대륙에서도 번체자의 사용을 '금지'한 게 아니며, 일본어에서 간체자와 번체자와 같은 모양의 신자체구자체(예: 国-國 등)를 고유 명사 등에서 구별해서 쓰는 경우가 있기 때문이다.

그리고 유니코드에 간체자와 번체자가 반드시 동시에 추가되지는 않기 때문에, 간체자가 먼저 추가되고 나중에 그에 대응하는 번체자가 추가되거나 그 반대의 경우가 생기기도 한다. 예를 들어 간체자 䢂(U+4882)은 그에 대응하는 번체자 𨋢(U+282E2)보다 유니코드에 먼저 추가됐다.

구글이나 바이두 등의 검색 엔진에서는 간체자로 검색해도 간체자와 함께 번체자 검색 결과가 걸리고 번체자로 검색해도 번체자와 함께 간체자 검색 결과가 걸리는데, 이는 검색 엔진 내부에 간체자와 번체자를 짝지어 놓은 테이블이 있기 때문에 가능한 것이다. 간체자와 번체자를 같은 글자로 인식하게 만드는 건 별도의 테이블 없이는 불가능하다.

구글이나 바이두 등에서도 유니코드에 나중에 추가된 간체자나 번체자는 같은 글자로 처리하지 못하기도 한다. 간체자-번체자 대응 테이블을 일일이 수동으로 업데이트해 줘야 하는데, 이게 상당히 번거롭기 때문에 보통은 업데이트를 안 한다.


4.3.2. CJK 통합 한자와 CJK 호환용 한자의 차이[편집]


유니코드에서 가장 많은 코드를 점유하고 있는 문자는 한자이고, CJK 통합 한자(Unified Ideographs)와 CJK 호환용 한자(Compatibility Ideographs) 블록을 채우고 있다. 일반적으로 쓰이는 것은 CJK 통합 한자 및 그 확장판들이며, 웬만하면 이 코드만 사용하는 것이 권장된다. 그러나 동아시아의 기존 국가 표준 인코딩에서는 동일한 한자에 중복된 코드가 할당돼 있는 경우가 있어서 이들을 CJK 호환용 한자에 수록하였다. 실수로 중복 배당된 문자(대만 Big5 코드에 중복 배당된 두 글자), 일부러 중복시킨 문자(대한민국 KS 코드[21], 일본의 IBM 확장 한자와 일부 JIS X 0213 한자[22]) 등이 CJK 호환용 한자에 들어갔다. CJK 호환용 한자는 기존 동아시아 문자 코드와 왕복 변환을 위해 마련되었다.

호환용 문자는 다른 코드 체계와의 왕복 변환이 필요하지 않을 경우 웬만하면 안 쓰는 게 깔끔하기 때문에, 일부 소프트웨어는 CJK 호환용 한자가 입력되면 자동으로 거기에 해당되는 CJK 통합 한자로 자동 변환되는 기능을 내장하기도 한다. 예를 들어 미디어위키는 CJK 호환용 한자를 CJK 통합 한자로 자동 변환시키기 때문에, 정 CJK 호환용 한자를 문서에 쓰려면 편집 화면에서 &#xF9E1;[23] 식으로 돌려 써야 한다.


4.3.3. 미묘한 이체자 처리 문제[편집]


현재 한자는 나라마다 표준이 다른데, 모양이 많이 다른 이체자[24]들은 각각 코드를 할당해 주고 있다. 예를 들어 '나라 국' 자의 경우 國과 国이 각각 다른 코드를 가진다.

유니코드의 한자 통일(Han Unification)의 기본 철학은, 한자를 X축(뜻), Y축(추상화된 형상), Z축(자형)의 기준에 따라 배열한 뒤, X축과 Y축이 각각 차이나는 글자만 유니코드에 다른 코드로 구분해서 싣고, Z축만 다른 한자는 하나로 통합하는 것이다. 예를 들어 國과 国은 X축(뜻: 나라)이 동일하지만 Y축(추상화된 형상)이 다르므로 다른 코드에 할당되었다. 반면 納󠄁(糸+内)와 納(糸+內)은 X축(뜻), Y축(추상화된 형상) 모두 일치하고 Z축(자형)만 약간 차이를 보이므로 같은 코드에 통합되었다.

문제는 모양이 크게 다르지 않은 이체자를 이체자로 인정할까 말까 하는 것인데, 이 중에 일부는 그냥 한 코드로 합병한 경우가 많다. 예를 들어 '평평할 평(平)'자의 경우 干에다 ㇒㇔를 덧붙인 듯한 자형도 있고, 干에다 ㇔㇒를 덧붙인 듯한 자형도 있는데, 둘 다 U+5E73으로 하되 구체적인 형태는 폰트에 따라 구분하게 하고 있다.[25] 그러나 이런 식으로 차이가 크지 않은 이체자들을 한 코드로 합병하여 CJK 통합 한자에 추가한 글자 중에는, 그 글자에 대응되는 일부 이체자를 위해 CJK 호환용 한자에 중복 추가한 경우도 있다(주로, 일본 문자코드 내에 등록된, 자형이 비슷한 이체자와의 왕복 변환을 위해 할당됨). 예를 들어 '바다 해' 자의 경우 CJK 통합 한자에 海(U+6D77)가 등록돼 있는데, 이 글자의 마지막 구성요소가 母(어미 모) 형태로 렌더링돼도 되고(한국어, 중국어 정체·간체, 일본 구자체) 毋(말 무) 형태로 렌더링돼도 된다(일본 신자체). 그래서 Windows에서 한국어·중국어(정체/간체) 입력기로 바다 해를 입력하든 일본어(신자체) 입력기로 바다 해를 입력하든 유니코드의 海(U+6D77)에 해당되는 문자가 입력되며 글자 형태는 폰트에 따라 결정되므로, 언어별 폰트를 적절히 지정해 줘야 해당 언어에 적절한 한자체로 표시된다. 반면에 CJK 호환용 한자에 추가된 海(U+FA45)는 해당 부분이 반드시 母(어미 모)의 형태로 렌더링돼야 한다. CJK 호환용 한자의 海(U+FA45)는 본래 일본 문자 코드에서 구자체를 정확히 렌더링할 때를 위해 추가된 '바다 해' 자와 연동돼 있는 듯한데, 꼭 필요한 경우가 아니라면 사용하지 않는 게 좋을 듯 하다.

결국 언어마다 선호하는 한자의 형태가 조금씩 다르기 때문에, 번거롭더라도 각 언어에 맞는 폰트 지정까지 해줘야 적합한 렌더링을 보장할 수 있을 것이다. 그런데 이렇게 폰트를 통해 이체자 처리를 할 경우 폰트 지정이 곤란한 텍스트 문서에서는 구분이 불가능한 문제가 생긴다. 특히 일본의 경우 호적 전산화 등에서 이체자 처리를 정밀하게 하고 있어서 폰트를 지정하지 않고 문자 코드만 사용하여 이체자를 정확히 변별할 수 있는 기술에 대한 수요[26]가 있다. 그래서 유니코드에서도 뒤늦게 이에 대응되는 기술의 필요성이 대두되어 현재 유니코드 내에 이체자 선택자(Ideographic Variation Selector, IVS)[27]라는 특수 문자 코드를 덧붙이는 방법도 도입돼 있고, 계속 구체적인 표준을 정하기 위해 작업 중인 듯하다. 이 방식은 한자용 문자와 IVS(화면상에 개별 문자로 표시되진 않음)를 연달아 입력하면 화면에 의도한 한자 한 글자가 지정한 이체자대로 표시되게 하는 식이다. 코드 상으로는 문자를 2개 입력했지만 실제 화면에는 1글자로 보이는 식.[28]

그러나 아직은 많은 소프트웨어·폰트들이 IVS에 대응되지 못하고 있는 상황인 데다가 IVS를 이용한 이체자 처리 규격 자체도 불완전한 상태이다. IVS 출력이 확실한 경우라면 상관 없겠지만, IVS 지원이 미흡한 기종에서도 열어볼 가능성이 큰 문서를 작성할 경우 이 방식의 사용을 지양하는 게 좋을 듯하다. 정 이체자를 정확히 표기해야 한다면 IVS 없이 해당 국가용으로 제작된 폰트로 지정해준다든가, 그것도 정상 작동을 보장할 수 없을 것 같으면 이미지 파일을 동원하는 게 좋을 듯하다. 참고로 현재까지 유니코드에 포섭된 IVS를 대부분 지원하는 폰트들은 여기(일본어)를 참고할 것.[29]

이런 이체자들을 정리하는 사이트들도 있는데 그 중 하나가 글리프위키(일본어)라는 사이트다.[30] 일본어로 된 사이트이지만 한국어를 비롯한 다른 언어로 된 안내문들이 만들어져 있고() 회원 가입 시 옵션에서 일본어 외 다른 언어로 시스템 메시지를 바꿀 순 있다(현재 한국어 지원 중).

아무튼 유니코드에서 미세한 이체자를 무신경하게 한데 통합하는 바람에 문제가 많다. IVS는 나중에 땜질 처방으로 도입된 것이고... 그래서 일각에서는(주로 일본에서) 유니코드가 아시아 각국의 문화를 파괴한다는 비난도 나오고 있을 정도다.


5. 인코딩[편집]


유니코드와 유니코드 인코딩을 가장 쉽게 설명하는 방법은 유니코드는 각 글자에 숫자를 배당하는 방식, 규격이고 인코딩은 유니코드 숫자를 저장하는 방식, 표현이라고 보면 된다. 유니코드는 문자 하나를 4바이트(32비트) 테이블에 배당한다. 하지만 이걸 그대로 사용할 경우 (가장 사용 비중이 높은) 로마자(혹은 프로그래밍, url 등의 통신 포함) 입장에서는 기존의 ASCII에 비해 용량이 4배가 되어 엄청나게 비효율적이 된다.

이 점을 보완하기 위한 것이 가변길이 문자 인코딩으로, 자주 쓰이는 문자 테이블을 1바이트(UTF-8) 또는 2바이트(UTF-16)으로 표현할 수 있는 대신 자주 쓰이지 않는 문자 테이블을 표현하는데는 더 많은 바이트가 필요해진다. 대표적으로 UTF-8에서 한글을 표현하는데는 3바이트가 필요하며, 6바이트가 필요한 테이블도 있다.(호환성 문제로 현재는 4바이트까지만 사용) UTF-8 같은 경우 ASCII와 호환된다는 특성도 있다. 흔히 우리가 웹 브라우저의 인코딩을 설정하면서 자주 보는 UTF-8이라는 말이 이것이다.

예를 들어 A(65)를 보자. A라는 글자를 숫자 65에 배당하는 것(65를 읽으면 A라고 표현하라는 것)이 유니코드의 개념이다. 이 65라는 숫자를 2진수로 저장할 때, 8자릿수로 표현해서 0100 0001 이라고 쓰거나, 혹은 규모를 키우기 위해 16자릿수로 표현해서 0000 0000 0100 0001 이라고 쓰거나, 혹은 구버전 호환성을 높이거나 처리속도를 빠르게 하기 위해 0001 0100 (8자리)와 0001 0100 0000 0000 (16자리) 처럼 거꾸로 쓰거나, 헷갈리지 말라고 110(+2) 0100 0001, 11110(+4) 0000 0000 0100 0001 처럼 가변정보를 넣어 쓰는 등, 이런 논리와 방식을 결정하는 것이 인코딩의 종류다.

참고로 유니코드의 인코딩 방식 종류로는 위에서 언급된 것을 포함하여 대략 다음과 같은 것들이 있다.

UTF-7, UTF-8, UTF-16, UTF-32, UTF-16BE, UTF-16LE, UTF-32BE, UTF-32LE


많은 서적이나 자료에서 유니코드를 두고 아직까지 "2바이트 인코딩"이라는 표현을 사용하고 있는데, 유니코드 2.0 (1996년 발표) 부터는 맞지 않는 말이다. 현대의 유니코드 표준에는 여러 인코딩 체계가 정의되어 있으며, 과거 유니코드 1.x 시절의 UCS-2를 제외하고는 고정 2바이트 인코딩이라고 할 수 있는 것은 없다. 게다가 유니코드에 할당된 문자의 수가 이미 (2바이트로 표현할 수 있는 최대 수치인) 65,535개를 넘어선 지 오래되었기 때문에...


5.1. UTF-8[편집]


전문적 지식을 요하지 않는 분야에서 그냥 유니코드라고 했을 때는 십중팔구 이 인코딩이라 생각하면 될 정도로 표준적인, 호환성이 가장 좋은 인코딩이다. 자세한 사항은 문서 참조.


5.2. UTF-16[편집]


코드 페이지 1200. UTF-8과 마찬가지로 가변 길이 인코딩이다. 일반적인 이용에서 U+10000부터의 문자를 접할 일이 별로 없어서 대부분 2바이트로 표시할 수 있기 때문에 고정 길이라는 인식이 퍼져 있을 뿐. U+10000 및 이후의 문자는 값에서 U+10000을 뺀 후 문자값을 10비트씩 쪼갠 후 각각 U+D800, U+DC00의 하위 10비트에 끼워 넣는 식으로 총 4바이트로 표현한다. 코드 중간에 '상위/하위 대체 영역'이라는 문자가 정의되지 않은 부분이 있는 것이 이를 위한 것이다. 이 방법을 이용하면 U+10000부터 U+10FFFF까지 4바이트를 이용하여 표현할 수 있다. 유니코드 평면 수를 0번부터 16번까지 17개로 정의한 이유도 UTF-16에서의 표현 가능 범위를 고려한 것이다.

예를 들어, 높은음자리표(𝄞) 문자를 UTF-16으로 표현한다고 하면 다음과 같이 된다.
  • 이 문자의 코드 포인트(U+1D11E)에서 0x10000을 뺀 뒤 (0xD11E) 이것을 2진수로 변환한다. ⇒ 0b1101000100011110
  • 위에서 변환된 2진수를 10비트씩 자른다. ⇒ 00 0011 0100 / 01 0001 1110
  • 앞의 10비트는 1101 10xx xxxx xxxx에서 x 자리에 채운다. ⇒ 1101 1000 0011 0100
  • 뒤의 10비트는 1101 11yy yyyy yyyy에서 y 자리에 채운다. ⇒ 1101 1101 0001 1110
  • 이 둘을 모두 16진수로 변환한다. ⇒ 0xD834 / 0xDD1E
이 결과에 의하면 높은음자리표(U+1D11E)는 UTF-16에서 D8 34 DD 1E로 인코딩됨을 알 수 있다.

또한 기본적으로 2바이트의 순서가 정해진 것이 아니기에 시스템에 따라 BOM이 앞에 붙는다. 바이트 순서가 순차적인 것은 빅 엔디안, 역순인 것은 리틀 엔디안이라고 하며, 걸리버 여행기에서 소인국 사람들이 계란을 어느 쪽으로 깨먹는가라는 주제로 전쟁(...)을 벌인 내용에서 착안했다.

바이트의 순서가 정해진 것이 아니라는 점은 이 인코딩에서 문제를 초래하는데, 빅 엔디안을 사용하는 대부분의 시스템은 아예 BOM을 붙이지 않고, 리틀 엔디안을 사용하는 시스템은 이런 문서를 기본적으로 리틀 엔디안으로 읽는다. 반대로 리틀 엔디안을 사용하는 시스템은 항상 BOM을 붙이는데, 빅 엔디안만 사용하는 대부분의 시스템은 앞의 BOM을 BOM으로 인식하지 않고 문자로 읽어들여서 에러를 낼 가능성이 높다.[31] 이런 이유로 인터넷에서 정보 교환용으로 UTF-16이나 UCS-2 등 16비트 기반 인코딩은 사용하지 말라는 권고를 쉽게 접할 수 있다.

PHP가 버전 6에서 UTF-16을 사용하려고 하다가 개발에 난항을 겪고 취소되었다. 이미 웹 환경이 UTF-8이 대세가 된 것이 주 원인. 결국 PHP 6은 취소되고 2012년 3월 PHP 5.4에 가서야 UTF-8을 사용하게 된다. Java.NET Framework는 UTF-16을 기본으로 사용한다.
char
타입은 기본적으로 2바이트를 쓰기 때문에 이모지처럼 4바이트를 사용해야 하는 문자의 경우 배열로, 즉
char[2] thinking = "🤔";
처럼 써야 한다.[32]

Microsoft Windows의 커널 내부에서 사용하는 인코딩도 UTF-16(리틀 엔디안)이다.[33] 그러나, 안타깝게도 예전 운영체제와의 호환성을 위해 커널을 제외한 사용자 영역에서는 아직도 MBCS가 기본값으로 쓰이고 있다.


5.3. UCS-2[편집]


UCS는 Unicode 이전에 사용된 국제 인코딩 규격으로 International Standard ISO/IEC 10646에 정의되어 있다. UCS-2는 UTF-16에 대응되는 규격으로 U+FFFF까지는 UTF-16과 동일하나, 가변길이 부호화를 지원하지 않으므로 U+10000 이후의 문자열을 사용할 수 없다.

전송을 위한 문서들의 경우 UTF-8을 사용하지만 프로그램 내에서 사용하는 코드로는 UCS-2(혹은 UTF-16이라고는 부르나 U+FFFF까지만 사용하니 사실상 UCS-2라고 봐도 좋은)를 사용하는 경우도 많은데, 이는 가변 길이 부호화를 지원하지 않기 때문에 array상에서 인덱스 = 해당 문자로 바로 접근이 가능해 그런 식으로 사용해야 하는 코드에 유리하기 때문이다. 따라서 UTF-8로 전송받은 문서를 UCS-2로 변환해 저장해 사용하는 방식 등을 사용한다.


5.4. UTF-32[편집]


유니코드 문자 하나에 32비트를 이용하는 고정 길이 인코딩이다. 인터넷에서 정보 교환용으로는 거의, 아니 사실상 전혀 이용되지 않는데 이는 낭비되는 용량이 너무 크기 때문이다. 유니코드 문자가 U+10FFFF까지 있으므로 총 21비트를 이용하는데, 이는 32비트 중 11비트는 전혀 쓰일 일이 없다는 것이다. 그나마도 현재 이용되는 대부분의 문자가 U+FFFF 아래에 있으므로 16비트로도 거의 충분하므로 실제 낭비는 더 크다. 라틴 문자나 유럽 문자를 주로 쓴다면 1바이트로도 충분한 걸 4바이트씩이나 쓰므로 거의 3/4이 낭비되는 셈이다. 또한 실제로 데이터가 저장될 때는 문자들의 위치가 32비트 단위로 딱딱 정렬되지 않는 경우가 많기 때문에[34] 처리 속도가 그리 빨라지지도 않는다. 게다가 HTML5에서는 UTF-16과의 구별에 문제가 생길 수 있다는 이유로 쓰지 말 것을 권고받는 굴욕도 받고 있다.

하지만 프로그램 내부적으로는 UTF-32가 자주 이용되는데, 이는 UTF-32에서는 가변 길이 부호화를 고려할 필요가 없어서 처리가 간단해지고, 현재의 컴퓨터 환경에서는 가장 기본적인 데이터 크기가 32비트이기 때문에 8비트나 16비트를 이용하는 것에 비해 성능 저하가 없으며 메모리 용량도 충분하기 때문이다. 예를 들어 Python 3.3 이상에서 내부적으로 UTF-32를 이용한다. 위의 UTF-16이 사용되는 것과 비슷한 논리.

UTF-32의 경우 고정 길이이기 때문에 U+FFFFFFFF까지 [math(2^{32})] = 약 43억 개의 문자를 인코딩하는 것이 가능하다. 이는 U+7FFFFFFF까지 약 21억 개([math(2^{31})])의 문자를 인코딩 가능한 UTF-8의 두 배이다. 만에 하나 미래에 인류가 43억 개의 문자 이상의 코드를 부여해야 하는 사태가 발생하면 UTF-32로 표현 불가능한 문자들이 생겨나게 되는데, 이는 당분간은 상당한 미래 이야기일 것이다. 글자의 개수가 점점 줄어들고 있는 시대에 미래에도 필요할지 의문일 수도 있으나 실제론 늘어나고 있다. 현재 쓰이지 않는 고대의 모든 문자들도 유니코드의 일부로 포섭하고 있기 때문이다.


6. 유니코드 정규화[편집]


Unicode Normalize 공식 페이지

같은 모양의 글자를 서로 다른 코드로 표현이 가능할 때, 유일한 코드로 '정규화'하여 이용하는 것. 대표적으로,
  • 한글: ''을 '뷁'(NFC[35] 방식) 또는 '뷁'(NFD[36] 방식[37]) 중 하나로 바꿔 사용. 이것이 꼬이면 자소 문자 깨짐이 발생한다. 특히 macOSWindows 사이에서 파일 교환 시, 가령 USB 폴더를 열었더니 한글 자모가 분리되어 있더라는 사례는 널리 알려져 있다.
  • diacritic 역시 미리 합쳐진 문자(precomposed character)와 결합된 문자(combined character)를 정규화하는 알고리즘이 있다.
  • CJK 호환용 한자를 CJK 통합 한자로 바꿔 사용. 대표적 사례로 樂이나, 樂 또는, 樂을 樂으로 바꿔 사용.
정규화 되지 않고 섞여서 쓰게 되면 정렬 순서가 꼬이고, 검색이 안 되는 상황이 발생한다.


7. 변종 문자(위 첨자·아래 첨자·작은 대문자 등) 사용 시 권장 사항[편집]


유니코드 콘소시엄에서는 수학 식의 경우 본래 문자를 사용하여 HTML이나 XML 등에서 제공하는 마크업 문법으로 표현하고, 국제음성기호(IPA) 같은 음성·음운 기호의 경우 유니코드에 실린 변종 문자를 사용하는 게 낫다고 권고하고 있다. 절대적인 건 아니지만 권고를 따르는 게 유리하다.

예를 들어 수학 식의 경우 2의 제곱은 2² 식으로 유니코드 내 위 첨자 ²를 쓰기보다는 그냥 본래의 문자 2만 사용하여 마크업 문법을 활용해 [math(2^2)] 식으로 표현하는 쪽 혹은 ^기호를(2^2) 사용하여 표현하는 쪽이 낫다. 이게 유리한 이유는 [math({2^2}^2)] 식으로 무한히 제곱을 올려 쓰는 경우 등 다양한 사용 방식이 있기 때문에 유니코드 내 위 첨자 ²를 안 쓰는 게 대부분의 경우 편리하다. 하지만 음성·음운 기호의 경우 [pʰ]처럼 유니코드 내 위 첨자(ʰ 등)를 쓰는 게 낫다. 음성·음운 기호는 수학 식처럼 첨자를 계속 올려 쓰는 경우가 없으니 이 쪽이 편리하다.


8. 유니코드 지원 폰트[편집]


유니코드를 바탕으로 각종 문자들을 지원하는 폰트에 대한 정보는 백괴사전윤희코드 특수문자 도움말에 상세하게 기록되어 있으니 관심 있는 사람들은 찾아 보기 바란다. 백괴사전에서 백괴사전:, 도움말:로 시작하는 문서는 각종 드립이 생략된 순수 정보 제공 문서다.


9. 키보드에 없는 문자 입력하기[편집]


키보드에 없는 유니코드 문자를 입력하는 다양한 방법이 있다.
  • (윈도우 한정) 특수 문자 입력은 보통 한글 자음+한자키로 쉽게 입력할 수 있다. (ㅉ 제외)
  • (윈도우 한정) Alt 키와 숫자 키패드 조합으로도 입력 가능하다.#
  • 웹에서 Ctrl CV를 할 수 있다.
  • 최후의 방법으로, 프로그래밍을 할 줄 안다면 직접 코드 포인트를 입력해서 찾을 수도 있다.[38] 다만 이는 해당 문자값을 이미 알고 있는 경우에만 가능하다.

잘 알아두면 유니코드 문자를 입력하지 못해 籾 대신 "米+刃", 畠 대신 "白밑에田", 栃 대신 "又 아닌 万이 들어간 板" 같이 표현하는 안쓰러운 일을 피할 수 있다.[39]


10. 관련 문서[편집]




10.1. 개별 문서가 있는 유니코드 특수문자[편집]



파일:크리에이티브 커먼즈 라이선스__CC.png 이 문서의 내용 중 전체 또는 일부는 2023-12-11 18:27:47에 나무위키 유니코드 문서에서 가져왔습니다.

[1] 여담으로 넣을 계획 없는 문자로 넣은 예시 중에 클링온어가 있다. #[2] 타밀 문자 보충, 롱고롱고 등이 있다. 그러나 그 중에는 앞뒷면에 ¿?이 있는데 그것은 아직 추가할 지 고민 중인 문자이다. 그냥 ???로 되어 있는 부분은 아직 어떤 문자를 추가할지 계획이 잡혀 있지 않은 부분이다.[3] 주로 네 자리로 표기한다.[4] 1번 평면에 아직 계획되지 않은 영역들이 남아있어서, 남은 영역에 대한 할당 계획이 잡히고 나면 비로소 4번 평면에 대한 논의가 이루어질 것으로 보인다.[5] 유니코드에 등록된 한자는 무려 88,884자가 넘는다.[6] 한글은 조합형 언어기 때문에, 완성된 단어 이전의 모든 글자를 포함해야 한다. 가령 '안녕' 이라는 글자를 타자로 친다고 해도 ㅇ-아-안,ㄴ-녀-녕 의 6자를 쓰게 되는데, 이 과정에서 중간에 포함되지 않은 글자가 있다면 꼼수를 써서 그림을 그리든가, 아니면 문자 표에서 복사하거나 해당 글자를 치는것을 포기해야한다. 이러한 글자의 대표적인 예시로는 '쓩'이 있다.[7] 한글의 특성상 자모 하나가 추가되면 조합 가능한 글자 수는 배로 늘어난다. 유니코드에 할당 가능한 문자의 수는 1,117,111개인데 옛한글 완성자의 수는 1,638,750개다.[8] 당시 완성형을 비판하기 위해 주로 거론된 매체는 드라마 똠방각하였고, 흔히 "방각하 전니다" 라는 문장으로 표현했다. 좀 더 나가면 "차를 타고 온 시맨과 다리 방각하" 같은 문장도 있었지만 이건 완성형을 까기 위해 만든 문장이라는 티가 너무 나서 한컴아래아한글 광고멘트인 "비행기가 날아갑니다. ~" 을 사용하는 경우도 있었다. 어쨌건 자세한 사항은 조합형 완성형 논쟁 항목 참고.[9] 기존 2,350자를 그대로 두고 다른 위치에 한글을 더 추가했기 때문에 CP949의 경우와 마찬가지로 코드로는 가나다순 정렬을 할 수 없는 문제가 있었다.[10] 출처: 단일문자 표준 연구, 한국전산원, 1993년 6월.[11] 참고로 현재 이 부분에는 한자주역 64괘 (Yijing Hexagram Symbols)가 들어 있다.[12] 남한은 광복 이전부터 쓰던 것을 그대로 쓰고 있지만, 북한은 자체적으로 순서를 새로 짰다. 굳이 정통을 따지자면 남한이 정통인 셈. 북한 문화어의 한글 정렬 순서는 정렬/순서 문서의 '북한 문화어' 부분을 참고할 것.[13] 그러나 일본의 경우 Shift-JIS에 포함된 메이지 시대 이후의 연호가 그대로 유니코드에 등록되었다.[14] 이 역시 일본의 경우 김정은과 달리 레이와 시대에 새로운 문자가 추가되었다.[15] U+115F, 한글 초성 채움 문자(HANGUL CHOSEONG FILLER).[16] U+1160, 한글 중성 채움 문자(HANGUL JUNGSEONG FILLER).[17] 종성 채움 문자는 없다. 종성이 없는 경우 그냥 아무것도 넣지 않는다.[18] 실제로 중성과 종성만으로 이뤄진 글자도 문헌에 있으며 《논어언해(論語諺解)》의 "君子(군ᄌᆞ)ᅟᅵᆫ디라(> 군자인지라)"를 예시로 들 수 있다. 명사 '君子(군ᄌᆞ > 군자)' 뒤에 '서술격 조사 '이-'가 붙고, 거기에 '-ㄴ디라(> -ㄴ지라)'가 결합하여 활용되었는데, 이때 '君子(군ᄌᆞ)'가 단모음 '이[ㅣ\]'나 반모음 'ㅣ[j\]' 외의 모음인 'ᄋᆞ[ㆍ\]'로 끝났으므로 '이-'[ㅣ\]의 이형태인 딴이 'ㅣ-'[j\]를 쓴 것이다. 또한 앞 체언이 고유어였다면 '나 + ㅣ라 → 내라'와 같이 합용(ㅏ + ㅣ → ㅐ)하여 썼을 것이나, '君子(군ᄌᆞ)'는 한자어인지라 '군ᄌᆞ(군ᄌᆞ) + ᅟᅵᆫ디라 → 군ᄌᆡᆫ디라'와 같이 합용하지 않고 '君子ᅟᅵᆫ디라'와 같이 쓴 것.[19] 조선시대의 공식 문서는 한자를 사용한 관계로 한글 문서는 대부분 왕족과 양반 가문, 상민 계층이 사적으로 남긴 기록이다. 그런데 이것이 국가가 관리하는 문화재가 아니고 등록 의무가 없다보니 공식 집계에 오르지 않은 자료가 부지기수로 많고 지금도 더러는 밀유통, 망실되기도 한다.[20] 사실 이런 게 생각보다 많다. 분명히 똑같은 차이인데 어떤 경우에는 통합돼 있고(朗) 어떤 경우에는 분리돼 있다(郎/郞). 그래서 뭐가 통합돼 있고 뭐가 분리돼 있는지 일일이 외울 자신이 없다면 그냥 해당 언어 입력기로 치는 게 속 편하다.[21] 자주 쓰이는 한자가 음이 여러 개 있을 경우 발음에 따라 한자를 중복 할당했다(완성형/중복 한자 참고). 유니코드에서는 중복된 글자들 중 하나만 대표로 CJK 통합 한자에 대응시키고, 나머지는 CJK 호환용 한자에 대응시켰다.[22] 획에 미세한 차이만 있는 이체자 몇 가지를 중복 수록했는데, 그 중에 너무 미세한 차이만 있는 경우 또는 이미 통합 한자에서 통합된 글자는 유니코드에서 CJK 호환용 한자에 대응시켰다.[23] 이런 표기를 numeric character reference라고 부른다.[24] 훈·음은 같지만 형태가 다른 한자.[25] 이렇게 비슷하게 생긴 문자를 같은 코드로 병합하고 폰트에 따라 알아서 만들게 하는 경우는 한자 외에도 있다. 예를 들어 말 줄임표로 쓰는 점 세 개(…, U+2026)의 경우, 동아시아 언어용으로 제작된 폰트들은 거의 다 가운뎃점(·)이 세 개가 연달아 있는 형태로 렌더링되지만, 서양 언어용으로 제작된 폰트에서는 그냥 점(.) 세 개가 연달아 있는 형태로 렌더링되는 경우가 많다.[26] 국가 표준은 아니지만 일본 일각에서 쓰이고 있는 몇몇 문자 코드 체계(예를 들면 TRON 코드#나 금석문자경# 등)들은 유니코드에서 다른 코드로 할당하지 않는 미세한 이체자들을 별도의 문자 코드로 할당한다. 일본은 한자로 된 고유명사에 대해 특정 형태의 이체자를 쓰고 고유명사의 주체가 다른 이들에게 자신이 정한 이체자대로 표기해달라고 하는 경우가 많다. 그래서 일본에서는 이체자의 세밀한 전산화에 대한 수요가 어느 정도 있고 관련 제품들도 거의 일본제가 많다. 심지어 TRON 코드를 채용한 초한자(超漢字)라는 독자적인 운영체제도 있다. 다만 현실적으로 호스트 OS로 깔아 놓고 쓰는 사람이 드물어서인지 최신판인 초한자 V(로마 숫자 5)부터는 WindowsVMware Player(또는 VMware Workstation) 위에서 돌아가는 가상화를 전제로 한 운영 체제로 개발되었다.[27] 유니코드 컨소시엄의 설명(영어), 일본어 위키백과의 설명. 확실히 이체자 전산화에 일본인들의 관심이 지대하다는 점이 위키백과에서도 확인된다. 2008년에 일본어판에서는 위키백과 내에서 처음으로 IVS에 대한 독립적인 위키백과 문서를 신설했다. 그리고 2014년 11월 현재 일본어판 위키백과의 IVS 문서는 내용이 매우 상세한 상태인데 다른 언어판으로는 독립적인 IVS 문서가 아예 없는 상황이다. 일본어판 혼자 IVS 문서가 있으면서 내용이 상세하기까지 하니 이 부분에 대한 일본인들의 관심이 얼마나 큰지 짐작할 수 있다.[28] 이렇게 여러 문자를 한데 조합해서 출력해주는 방식은 한자 외의 문자에도 여럿 있다. 옛한글이나 보조 부호가 붙은 로마자, 그리스 문자, 키릴 문자 등을 종종 이런 방식으로 입력하기도 한다.[29] 저 리스트에 있는 글꼴들은 대부분 한글 지원이 안되는 폰트들이지만, 본고딕의 경우 한글과 IVS를 동시에 지원하니 참고하자. 다만 본고딕은 모든 유니코드 한자를 표기하지 못하며, 저 리스트에 있는 글꼴 중에 하나조노 명조(花園フォント)가 모든 유니코드 한자를 지원하기로 유명하다. 하나조노 명조에 대한 자세한 내용은 한자 문서 참고.[30] 각 이체자(글리프)마다 문서를 만드는데 문서 제목은 유니코드의 고유 코드를 기준으로 한다. 하지만 아직 유니코드에 수록되지 않은 자형들도 한데 정리한다. 참고로 이 사이트는 미디어위키를 수정한 엔진을 사용하는 위키위키 사이트다.[31] 일이 이렇게 된 것은 컴퓨터 환경이 8비트에서 16비트로 넘어갈 때, 일부 제조사는 기존 8비트와의 호환성 향상을 목적으로 16비트(2바이트) 데이터의 뒤쪽 바이트를 앞 바이트보다 빠른 주소에 넣도록 시스템을 구성(이것을 리틀 엔디안이라고 함)했기 때문이다. 참고로 이렇게 만들어진 가장 대표적인 시스템이 x86이다.[32] 반대로 1바이트 자료형이 필요한 경우에는
byte
를 쓰면 된다.
[33] Windows 2000 이전까지는 UCS-2였다.[34] 문자가 4바이트(32비트)를 차지하므로 파일에서 각 문자가 0, 4, 8, 12, 16...같이 4의 배수로 배열되면 좋겠지만 실제로는 0, 6, 10, 14, 18...같은 식으로 4의 배수 형태가 아닌 경우가 생길 수 있다.[35] NF는 Normalization form(정규화 형식)의 약자이며 C는 Composition의 약자이다.[36] D는 Decomposition의 약자이다.[37] 한글 첫가끝 코드이다.[38] 멀리 가지 않아도 대부분의 언어에서 문자열 리터럴 이스케이프로(\\uXXXX식) 입력할 수 있다.[39] 연합뉴스 홈페이지 등에서는 유니코드를 지원하는데도 한자 표기를 원칙적으로 한국에서만 쓰는 한자로 표기하고 있다. 유니코드를 쓰면 다른 한자 사용국의 한자도 표기할 수 있는데도 굳이 한자를 억지로 파자해 놓았는데, 연합뉴스가 통신사로서 뉴스를 판매하는 대상이 되는 한국 신문사들이 조판기 활자를 한국형 한자 완성형으로만 취급하고 있기 때문. 당장 한국 신문사에서 한글도 완성형 2,350자만 활자로 바꿨다가 조합형 활자로 처음 바꾼게 2008년 조선일보였고 2019년에 와서야 다른 신문사까지 한글 조합형 활자가 보급됐을 정도로 한국 신문 조판기 세대교체가 느리게 진행된다. 한글 조판기 개량조차 이 모양인데 한자 조판기야 더 말할 필요가 없다. 한국 신문사들의 한자 활자는 한자검정시험 1급 기준인 어문회 3,500자만 지원하고 있다. 당연히 3,500자에 없는 한자를 써서 뉴스를 팔았다가 타 신문사가 인쇄하는데 조판기에서 에러나가지고 클레임 먹을 수도 있다. 연합뉴스 등 한국 언론사들이 괜히 파자해서 쓰는게 아니다.