Кодирование текстовой информации

2.1. Кодирование текстовой информации

  256 = 2 I   = 2 8  = 2 I  =   I = 8 битов. " width="640"

Двоичное кодирование текстовой информации в компьютере

Текстовая информация  – это информация, выраженная с помощью естественных и формальных языков в письменной форме 

Для представления текстовой информации (прописные и строчные буквы русского и латинского алфавитов, цифры, знаки и математические символы) достаточно 256 различных знаков.

По формуле N=2 I  можно вычислить, какое количество информации несет в себе каждый знак:  

N = 2 I  =   256 = 2 I   = 2 8  = 2 I  =   I = 8 битов.

Для обработки текстовой информации на компьютере необходимо представить ее в двоичной знаковой системе (в виде 0 и 1).

Для кодирования каждого знака требуется количество информации, равное 8 битам, т. е. длина двоичного кода знака составляет восемь двоичных знаков. Каждому знаку необходимо поставить в соответствие уникальный двоичный код из интервала от 00000000 до 11111111 (в десятичном коде от 0 до 255)

Человек различает знаки по их начертанию, а компьютер - по их двоичным кодам. При вводе в компьютер текстовой информации происходит ее двоичное кодирование, изображение знака преобразуется в его двоичный код.

Пользователь нажимает на клавиатуре клавишу со знаком, и в компьютер поступает определенная последовательность из восьми электрических импульсов (двоичный код знака).

Код знака хранится в оперативной памяти компьютера, где занимает одну ячейку (1 байт).

В процессе вывода знака на экран компьютера производится обратное перекодирование, т. е. преобразование двоичного кода знака в его изображение.

Различные кодировки знаков.

При кодировании каждому символу алфавита ставиться в соответствие уникальный двоичный код.

Таблица кодировки  – таблица, в которой всем символам компьютерного алфавита поставлена в соответствие порядковые номера (коды)

Присваивание знаку конкретного двоичного кода - это вопрос соглашения, которое фиксируется в кодовой таблице.

В существующих кодовых таблицах:

• десятичные коды с 0 по 32 соответствуют не знакам, а операциям (перевод строки, ввод пробела и т. д.).
• десятичные коды с 33 по 127 являются интернациональными и соответствуют знакам латинского алфавита, цифрам, знакам арифметических операций и знакам препинания.
• десятичные коды с 128 по 255 являются национальными, т. е. в различных национальных кодировках одному и тому же коду соответствуют разные знаки.

В настоящее время существуют пять различных кодовых таблиц для русских букв (Windows, MS-DOS, КОИ-8, Mac, ISO) поэтому тексты, созданные в одной кодировке, не будут правильно отображаться в другой.

К счастью, в большинстве случаев пользователь не должен заботиться о перекодировках текстовых документов, так как это делают специальные программы-конверторы, встроенные в операционную систему и приложения.

В последние годы широкое распространение получил новый международный стандарт кодирования текстовых символов Unicode, который отводит на каждый символ 2 байта (16 битов). По формуле можно определить количество символов, которые можно закодировать согласно этому стандарту: N = 2 I  = 2 16  = 65 536.

Такого количества символов достаточно, чтобы закодировать не только русский и латинский алфавиты, цифры, знаки и математические символы, но и греческий, арабский, иврит и другие алфавиты.

  Стандарт Unicode со временем изменяется и расширяется, известен ряд версий стандарта. Начиная с версии 6.0 (релиз в 2010 г.) в раздел «символы жестов» (англ.  gesture symbols ) включены отдельные изображения  трёх обезьян . Коды Unicode-символов «не вижу», «не слышу», «не говорю» соответственно 1F648, 1F649 и 1F64A.