lib/libc/locale/utf8.5

   1 .\" Copyright (c) 1993
   2 .\"     The Regents of the University of California.  All rights reserved.
   3 .\"
   4 .\" This code is derived from software contributed to Berkeley by
   5 .\" Paul Borman at Krystal Technologies.
   6 .\"
   7 .\" Redistribution and use in source and binary forms, with or without
   8 .\" modification, are permitted provided that the following conditions
   9 .\" are met:
  10 .\" 1. Redistributions of source code must retain the above copyright
  11 .\"    notice, this list of conditions and the following disclaimer.
  12 .\" 2. Redistributions in binary form must reproduce the above copyright
  13 .\"    notice, this list of conditions and the following disclaimer in the
  14 .\"    documentation and/or other materials provided with the distribution.
  15 .\" 3. Neither the name of the University nor the names of its contributors
  16 .\"    may be used to endorse or promote products derived from this software
  17 .\"    without specific prior written permission.
  18 .\"
  19 .\" THIS SOFTWARE IS PROVIDED BY THE REGENTS AND CONTRIBUTORS ``AS IS'' AND
  20 .\" ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  21 .\" IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  22 .\" ARE DISCLAIMED.  IN NO EVENT SHALL THE REGENTS OR CONTRIBUTORS BE LIABLE
  23 .\" FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
  24 .\" DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
  25 .\" OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
  26 .\" HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
  27 .\" LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
  28 .\" OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
  29 .\" SUCH DAMAGE.
  30 .\"
  31 .Dd April 7, 2004
  32 .Dt UTF8 5
  33 .Os
  34 .Sh NAME
  35 .Nm utf8
  36 .Nd "UTF-8, a transformation format of ISO 10646"
  37 .Sh SYNOPSIS
  38 .Nm ENCODING
  39 .Qq UTF-8
  40 .Sh DESCRIPTION
  41 The
  42 .Nm UTF-8
  43 encoding represents UCS-4 characters as a sequence of octets, using
  44 between 1 and 6 for each character.
  45 It is backwards compatible with
  46 .Tn ASCII ,
  47 so 0x00-0x7f refer to the
  48 .Tn ASCII
  49 character set.
  50 The multibyte encoding of
  51 .No non- Ns Tn ASCII
  52 characters
  53 consist entirely of bytes whose high order bit is set.
  54 The actual
  55 encoding is represented by the following table:
  56 .Bd -literal
  57 [0x00000000 - 0x0000007f] [00000000.0bbbbbbb] -> 0bbbbbbb
  58 [0x00000080 - 0x000007ff] [00000bbb.bbbbbbbb] -> 110bbbbb, 10bbbbbb
  59 [0x00000800 - 0x0000ffff] [bbbbbbbb.bbbbbbbb] ->
  60         1110bbbb, 10bbbbbb, 10bbbbbb
  61 [0x00010000 - 0x001fffff] [00000000.000bbbbb.bbbbbbbb.bbbbbbbb] ->
  62         11110bbb, 10bbbbbb, 10bbbbbb, 10bbbbbb
  63 [0x00200000 - 0x03ffffff] [000000bb.bbbbbbbb.bbbbbbbb.bbbbbbbb] ->
  64         111110bb, 10bbbbbb, 10bbbbbb, 10bbbbbb, 10bbbbbb
  65 [0x04000000 - 0x7fffffff] [0bbbbbbb.bbbbbbbb.bbbbbbbb.bbbbbbbb] ->
  66         1111110b, 10bbbbbb, 10bbbbbb, 10bbbbbb, 10bbbbbb, 10bbbbbb
  67 .Ed
  68 .Pp
  69 If more than a single representation of a value exists (for example,
  70 0x00; 0xC0 0x80; 0xE0 0x80 0x80) the shortest representation is always
  71 used.
  72 Longer ones are detected as an error as they pose a potential
  73 security risk, and destroy the 1:1 character:octet sequence mapping.
  74 .Sh SEE ALSO
  75 .Xr euc 5
  76 .Rs
  77 .%A "Rob Pike"
  78 .%A "Ken Thompson"
  79 .%T "Hello World"
  80 .%J "Proceedings of the Winter 1993 USENIX Technical Conference"
  81 .%Q "USENIX Association"
  82 .%D "January 1993"
  83 .Re
  84 .Rs
  85 .%A "F. Yergeau"
  86 .%T "UTF-8, a transformation format of ISO 10646"
  87 .%O "RFC 2279"
  88 .%D "January 1998"
  89 .Re
  90 .Rs
  91 .%Q "The Unicode Consortium"
  92 .%T "The Unicode Standard, Version 3.0"
  93 .%D "2000"
  94 .%O "as amended by the Unicode Standard Annex #27: Unicode 3.1 and by the Unicode Standard Annex #28: Unicode 3.2"
  95 .Re
  96 .Sh STANDARDS
  97 The
  98 .Nm
  99 encoding is compatible with RFC 2279 and Unicode 3.2.