Le mardi 14 septembre est sortie la version
14 d'Unicode (retardée
pour cause de Covid-19). Une description officielle des
principaux changements est disponible
mais voici ceux qui m'ont intéressé particulièrement. (Il n'y a pas
de changement radical.)
Pour explorer plus facilement la grande base
Unicode, j'utilise un programme qui la convertit en SQL et
permet ensuite de faire des analyses variées. Faisons quelques
requêtes SQL :
ucd=> SELECT count(*) AS Total FROM Characters;
total
--------
144762
Combien de caractères sont arrivés avec la version 14 ?
ucd=> SELECT version,count(version) FROM Characters GROUP BY version ORDER BY version::float;
...
11.0 | 684
12.0 | 554
12.1 | 1
13.0 | 5930
14.0 | 838
838 nouveaux caractères, c'est une version calme (la
version 13 apportait bien davantage de caractères). Quels
sont ces nouveaux caractères ?
ucd=> SELECT To_U(codepoint) AS Code_point, name FROM Characters WHERE version='14.0' ORDER BY Codepoint;
code_point | name
-----------+----------------------------------------------------------------------------
...
U+870 | ARABIC LETTER ALEF WITH ATTACHED FATHA
U+871 | ARABIC LETTER ALEF WITH ATTACHED TOP RIGHT FATHA
U+872 | ARABIC LETTER ALEF WITH RIGHT MIDDLE STROKE
U+873 | ARABIC LETTER ALEF WITH LEFT MIDDLE STROKE
U+874 | ARABIC LETTER ALEF WITH ATTACHED KASRA
...
U+12F90 | CYPRO-MINOAN SIGN CM001
U+12F91 | CYPRO-MINOAN SIGN CM002
U+12F92 | CYPRO-MINOAN SIGN CM004
U+12F93 | CYPRO-MINOAN SIGN CM005
...
U+1CF00 | ZNAMENNY COMBINING MARK GORAZDO NIZKO S KRYZHEM ON LEFT
U+1CF01 | ZNAMENNY COMBINING MARK NIZKO S KRYZHEM ON LEFT
U+1CF02 | ZNAMENNY COMBINING MARK TSATA ON LEFT
...
U+1E290 | TOTO LETTER PA
U+1E291 | TOTO LETTER BA
U+1E292 | TOTO LETTER TA
U+1E293 | TOTO LETTER DA
...
U+1FAAC | HAMSA
U+1FAB7 | LOTUS
U+1FAB8 | CORAL
U+1FAB9 | EMPTY NEST
U+1FABA | NEST WITH EGGS
...
Cette version amène en effet plusieurs écritures nouvelles comme le
toto, le chypro-minoen (toujours
pas déchiffré, ce qui explique que ses caractères aient un numéro et
pas un nom), le vieil ouïghour (écriture pour laquelle ont été
fabriquées les
plus anciens caractères
mobiles connus), le vithkuqi, ou le tangsa. On
trouve également beaucoup de nouveaux caractères de
l'alphabet arabe pour écrire des langues
non-arabes.
Plus anecdotique, on trouve également la notation musicale Znamenny.
Si vous avez les bonnes polices de caractères, vous allez pouvoir
voir quelques exemples (sinon, le lien mène vers Uniview). Un nouveau
symbole apparait, le Som (⃀),
pour la monnaie officielle du
Kirghizistan. Et on a l'habituelle
succession de nouveaux émojis, plus ou moins utiles. Les
recruteurs aimeront l'index pointé 🫵,
les royalistes seront contents de la tête couronnée 🫅,
les nostalgiques d'Usenet auront le troll
🧌,
les fanas de Dune frémiront en voyant l'eau
qu'on verse 🫗,
les geeks s'angoisseront de la batterie vide
🪫 et
les partisans de la surveillance de la population noteront qu'on a un
émoji « carte d'identité » 🪪. Les
personnes transgenres remarqueront l'homme
enceint (🫃,
ainsi que la personne enceinte 🫄,
la femme enceinte 🤰
était arrivée en Unicode version 9).
Tiens, d'ailleurs, combien de caractères Unicode sont des
symboles (il n'y a pas que les emojis parmi eux, mais Unicode n'a
pas de catégorie « emoji ») :
ucd=> SELECT count(*) FROM Characters WHERE category IN ('Sm', 'Sc', 'Sk', 'So');
count
-------
7741
Ou, en plus détaillé, et avec les noms longs des catégories :
ucd=> SELECT description,count(category) FROM Characters,Categories WHERE Categories.name = Characters.category AND category IN ('Sm', 'Sc', 'Sk', 'So') GROUP BY category, description;
description | count
-----------------+-------
Modifier_Symbol | 125
Other_Symbol | 6605
Math_Symbol | 948
Currency_Symbol | 63
