Unicode: cos’è, come funziona e perché esistono i caratteri invisibili
| Unicode in breve | Dato |
|---|---|
| Consorzio fondato | 3 gennaio 1991 (California) |
| Prima versione | Unicode 1.0, ottobre 1991 |
| Versione attuale | Unicode 18.0, 16 settembre 2026 |
| Caratteri codificati | 172.808 |
| Spazio dei codici | da U+0000 a U+10FFFF (1.114.112 posizioni, 17 piani) |
Unicode è lo standard internazionale che assegna un numero unico, detto punto di codice, a ogni carattere di ogni scrittura: lettere, cifre, simboli, emoji e anche caratteri invisibili. Grazie a Unicode un testo scritto in italiano, giapponese o arabo si legge uguale su qualunque dispositivo. La versione 18.0, del settembre 2026, conta 172.808 caratteri.
Unicode è lo standard che assegna a ogni carattere un numero univoco, valido su qualsiasi computer, telefono e programma. La lettera “A” è sempre il numero 65, la “è” è sempre 232, l’emoji 😀 è sempre 128.512: non importa se scrivi da Windows, da un iPhone o da una console di gioco. È il motivo per cui oggi puoi copiare un simbolo da un sito e incollarlo in una chat senza che diventi un pasticcio.
Il problema che Unicode ha risolto
Prima di Unicode ogni sistema usava la propria tabella di codifica. Il codice ASCII del 1963 aveva 128 posizioni, sufficienti per l’inglese ma non per le lettere accentate. Così nacquero decine di estensioni a 8 bit, diverse per ogni lingua e produttore: lo stesso byte poteva essere una “è” in Europa occidentale e una lettera cirillica in Russia. Chi apriva un file con la tabella sbagliata vedeva caratteri senza senso.
Il nuovo standard ha sostituito questo caos con un unico elenco per tutte le scritture del mondo. Le prime 128 posizioni coincidono con ASCII, e le successive 128 con lo standard Latin-1: per questo la “è” ha lo stesso numero (232) in entrambi.
Breve storia dello standard
Il progetto parte nel 1987, quando Joe Becker di Xerox e Lee Collins e Mark Davis di Apple iniziano a studiare un insieme di caratteri universale. Nell’agosto 1988 Becker pubblica la bozza “Unicode 88”. Il Consorzio Unicode viene costituito in California il 3 gennaio 1991 e nell’ottobre dello stesso anno esce Unicode 1.0.
Da allora l’elenco cresce di versione in versione. Negli ultimi anni le uscite sono annuali, a settembre, secondo il calendario ufficiale delle pubblicazioni:
| Versione | Data |
|---|---|
| Unicode 1.0 | ottobre 1991 |
| Unicode 2.0 | luglio 1996 |
| Unicode 15.0 | 13 settembre 2022 |
| Unicode 16.0 | 10 settembre 2024 |
| Unicode 17.0 | 9 settembre 2025 |
| Unicode 18.0 | 16 settembre 2026 |
La versione 18.0 aggiunge 13.007 caratteri, per un totale di 172.808. La parte più grande sono i caratteri della scrittura sigillare cinese (Small Seal) e arriva anche lo jurchen, un’altra scrittura storica della Cina; le nuove emoji sono nove (annuncio del Consorzio Unicode).
Come si legge un punto di codice Unicode
Ogni carattere ha un punto di codice, scritto come U+ seguito da almeno quattro cifre esadecimali. Qualche esempio:
| Carattere | Punto di codice | Nome ufficiale |
|---|---|---|
| A | U+0041 | LATIN CAPITAL LETTER A |
| è | U+00E8 | LATIN SMALL LETTER E WITH GRAVE |
| € | U+20AC | EURO SIGN |
| 😀 | U+1F600 | GRINNING FACE |
Lo spazio totale va da U+0000 a U+10FFFF: 1.114.112 posizioni divise in 17 “piani”. Il primo, il Piano multilingue di base, contiene quasi tutte le scritture moderne; le emoji e le lettere matematiche stilizzate stanno nel piano successivo. Il nome ufficiale, in maiuscolo e in inglese, è fisso: una volta assegnato non cambia più, anche se è impreciso.
Unicode e UTF-8: non sono la stessa cosa
Lo standard dice quale numero ha un carattere. UTF-8 dice come scriverlo in byte dentro un file o una pagina web. È una codifica a lunghezza variabile:
- “A” (
U+0041) occupa 1 byte:41; - “è” (
U+00E8) occupa 2 byte:C3 A8; - “€” (
U+20AC) occupa 3 byte:E2 82 AC; - “😀” (
U+1F600) occupa 4 byte:F0 9F 98 80.
Il vantaggio è che un testo solo ASCII è già UTF-8 valido. Per questo UTF-8 si è imposto sul web: secondo i dati riportati da Wikipedia, nel 2024 era usato in media dal 98,3% delle pagine. Esistono anche UTF-16 e UTF-32, usati soprattutto all’interno dei sistemi operativi e dei linguaggi di programmazione.
Se vedi “è” al posto di “è”, un testo UTF-8 è stato letto come Latin-1 o Windows-1252: i due byte C3 A8 sono stati interpretati come due caratteri separati. Non è un difetto dello standard, ma di codifica dichiarata male.
Perché esistono caratteri invisibili
Può sembrare strano che uno standard di caratteri contenga segni che non si vedono, ma ognuno ha uno scopo preciso:
U+200DZERO WIDTH JOINER unisce più emoji in una sola: 👩💻 è “donna” + ZWJ + “computer”;U+00A0NO-BREAK SPACE impedisce di andare a capo tra due parole, come in “10 kg”;U+200BZERO WIDTH SPACE indica dove una parola lunga può essere spezzata, utile in lingue senza spazi;U+3164HANGUL FILLER è un segnaposto della scrittura coreana;U+2800BRAILLE PATTERN BLANK è la cella braille senza punti.
Sono questi caratteri, nati per esigenze tipografiche e linguistiche, che oggi molti usano per nomi vuoti e bio ordinate. Li trovi tutti nella guida ai caratteri invisibili. La loro esistenza ha anche un lato delicato, che trattiamo nella pagina su caratteri invisibili e sicurezza.
Le lettere stilizzate non sono font
Quando copi una scritta in grassetto come 𝗖𝗶𝗮𝗼 da un generatore di font, non stai copiando un font: stai copiando caratteri diversi. Lo standard include alfabeti completi in grassetto, corsivo, gotico e doppio tratto pensati per le formule matematiche, nel blocco “Mathematical Alphanumeric Symbols”. Per il computer 𝗖 non è una “C” in grassetto, ma un carattere a sé, con un punto di codice diverso. Per questo gli screen reader spesso lo leggono male e i motori di ricerca interni non lo trovano.
Errori comuni
- Confondere Unicode con UTF-8: il primo è l’elenco dei caratteri, il secondo è un modo di salvarli in byte.
- Pensare che Unicode sia un font: lo standard definisce i caratteri, il font li disegna. Se il font non ha un carattere, vedi un quadratino.
- Credere che ogni carattere occupi un byte: in UTF-8 si va da 1 a 4 byte, e un’emoji composta può contenerne molti di più.
- Salvare file senza dichiarare la codifica: è la causa più comune delle lettere accentate rovinate.
- Usare lettere stilizzate per testi importanti: sono poco accessibili; riservale a nomi e decorazioni.
Domande frequenti
Che cos’è Unicode in parole semplici?
È un grande elenco internazionale che dà un numero unico a ogni carattere di ogni lingua, oltre a simboli ed emoji. Così ogni dispositivo interpreta lo stesso numero come lo stesso carattere.
Quanti caratteri ci sono in Unicode?
Con la versione 18.0, pubblicata il 16 settembre 2026, i caratteri codificati sono 172.808, su uno spazio di 1.114.112 posizioni.
Che differenza c’è tra Unicode e UTF-8?
Unicode assegna il numero a ogni carattere; UTF-8 è la codifica che trasforma quel numero in una sequenza da 1 a 4 byte.
Quando è nato Unicode?
Il lavoro inizia nel 1987, il Consorzio Unicode nasce il 3 gennaio 1991 e la versione 1.0 esce nell’ottobre 1991.
Che cosa significa U+ davanti a un codice?
Indica un punto di codice Unicode scritto in esadecimale: U+00E8, per esempio, è la lettera è.
Fonti
- Unicode Consortium: History of Unicode Release and Publication Dates
- The Unicode Blog: Announcing the Unicode Standard, Version 18.0
- Unicode 18.0.0
- Wikipedia: Unicode