Hej kära läsare av bloggsidan. Idag kommer vi att prata med dig om var krakozyabren kommer ifrån på webbplatsen och i program, vilka textkodningar som finns och vilka som ska användas. Överväg i detalj historien om deras utveckling, från grundläggande ASCII, liksom dess utökade versioner CP866, KOI8-R, Windows 1251 och slutar med moderna kodningar för Unicode-konsortiet UTF 16 och 8.

För vissa kan den här informationen verka överflödig, men du vet hur många frågor jag får när det gäller de utkrävda krakozyabrarna (inte en läsbar uppsättning tecken). Nu får jag möjlighet att hänvisa alla till texten i denna artikel och självständigt hitta mina jambs. Tja, gör dig redo att ta till dig informationen och försök följa historien.

ASCII - grundläggande textkodning för det latinska alfabetet

Utvecklingen av textkodningar skedde samtidigt med bildandet av IT -branschen, och under denna tid lyckades de genomgå ganska många förändringar. Historiskt sett började det hela med EBCDIC, som inte var euphonious i ryska uttal, vilket gjorde det möjligt att koda bokstäver i det latinska alfabetet, arabiska siffror och skiljetecken med kontrolltecken.

Men ändå bör utgångspunkten för utvecklingen av moderna textkodningar betraktas som den berömda ASCII(American Standard Code for Information Interchange, som på ryska vanligtvis uttalas som "aski"). Den beskriver de första 128 tecknen som oftast används av engelsktalande användare - latinska bokstäver, arabiska siffror och skiljetecken.

Även dessa 128 tecken som beskrivs i ASCII inkluderade några servicetecken som parenteser, hash, asterisker etc. Egentligen kan du själv se dem:

Det är dessa 128 tecken från den ursprungliga ASCII -versionen som blev standarden, och i någon annan kodning kommer du säkert att möta dem och de kommer att stå i den ordningen.

Men faktum är att med hjälp av en byte av information är det möjligt att inte koda 128, utan så många som 256 olika värden (två till åtta lika med 256), därför efter grundversionen av Asuka, en hel serie dök upp utökade ASCII -kodningar, där det förutom 128 grundtecken var möjligt att koda symboler för den nationella kodningen (till exempel ryska).

Här kanske det är värt att säga lite mer om de nummersystem som används i beskrivningen. För det första, som ni alla vet, fungerar datorn bara med siffror i det binära systemet, nämligen med nollor och enor ("Boolean algebra", om någon gick på college eller skola). var och en är en 2 i effekt, med början från noll och upp till två i den sjunde:

Det är inte svårt att förstå att det bara kan finnas 256 möjliga kombinationer av nollor och enor i en sådan konstruktion Det är ganska enkelt att konvertera ett tal från ett binärt system till ett decimaltal. Du behöver bara lägga till alla krafter hos två ovanför vilka det finns sådana.

I vårt exempel är detta 1 (2 till nolleffekten) plus 8 (två till 3), plus 32 (två till femte kraften), plus 64 (till det sjätte), plus 128 (till det sjunde ). Totalen får 233 i decimalnotation. Som du kan se är allt väldigt enkelt.

Men om du tittar noga på tabellen med ASCII -tecken ser du att de representeras i hexadecimal kodning. Till exempel motsvarar en asterisk det hexadecimala talet 2A i Asuka. Du vet säkert att i hexadecimalsystemet, förutom arabiska siffror, används även latinska bokstäver från A (betyder tio) till F (betyder femton).

Tja, för konvertera binärt tal till hexadecimalt ta till följande enkla och intuitiva metod. Varje byte av information är uppdelad i två bitar med fyra bitar, som visas i skärmdumpen ovan. Den där. i varje halv byte kan endast sexton värden (två till den fjärde effekten) kodas i binär, som enkelt kan representeras som ett hexadecimalt tal.

Dessutom, i den vänstra halvan av byten, kommer det att vara nödvändigt att räkna graderna igen från noll, och inte som visas på skärmdumpen. Som ett resultat får vi med några enkla beräkningar att talet E9 är kodat i skärmdumpen. Jag hoppas att förloppet för mitt resonemang och lösningen på detta pussel visade sig vara klart för dig. Tja, nu ska vi faktiskt fortsätta prata om textkodningar.

Utökade versioner av Asuka - CP866 och KOI8 -R -kodningar med pseudografik

Så vi började prata om ASCII, som liksom var en utgångspunkt för utvecklingen av alla moderna kodningar (Windows 1251, Unicode, UTF 8).

Inledningsvis innehöll den bara 128 tecken i det latinska alfabetet, arabiska siffror och något annat där, men i den utökade versionen blev det möjligt att använda alla 256 värden som kan kodas i en byte av information. De där. det blev möjligt att lägga till symboler för bokstäver i ditt språk till Aski.

Här kommer det att bli nödvändigt att avvika igen för att klargöra - varför behöver vi överhuvudtaget kodningar texter och varför det är så viktigt. Symboler på din datorskärm bildas på grundval av två saker - uppsättningar av vektorformer (representationer) av alla typer av tecken (de finns i samfiler) och en kod som låter dig dra ut ur denna uppsättning vektorformer (typsnitt fil) exakt symbolen som måste sättas in på rätt plats.

Det är uppenbart att teckensnitten själva är ansvariga för vektorformerna, men operativsystemet och de program som används i det är ansvariga för kodning. De där. all text på din dator kommer att vara en uppsättning byte, som var och en kodar för ett enda tecken i just denna text.

Programmet som visar denna text på skärmen (textredigerare, webbläsare, etc.), vid kodning av koden, läser kodningen för nästa tecken och letar efter motsvarande vektorform i den nödvändiga teckensnittsfilen, som är ansluten för att visa denna textdokument. Allt är enkelt och trist.

Detta betyder att för att kunna koda alla tecken vi behöver (till exempel från det nationella alfabetet) måste två villkor vara uppfyllda - vektorformen för detta tecken måste vara i det teckensnitt som används och detta tecken kan kodas i utökade ASCII -kodningar i en byte. Därför finns det en hel massa sådana alternativ. Endast för kodning av tecknen i det ryska språket finns det flera sorter av utökad Asuka.

Till exempel dök ursprungligen upp CP866, där det var möjligt att använda tecknen i det ryska alfabetet och det var en utökad version av ASCII.

De där. dess övre del sammanföll helt med den grundläggande versionen av Asuka (128 latinska tecken, siffror och annat skit), som visas på skärmdumpen precis ovan, men redan den nedre delen av tabellen med CP866 -kodning hade vyn som visas på skärmdumpen precis nedanför och får koda ytterligare 128 tecken (ryska bokstäver och alla typer av pseudo-grafik):

Du ser, i den högra kolumnen börjar siffrorna med 8, tk. siffrorna 0 till 7 hänvisar till den grundläggande ASCII -delen (se första skärmdumpen). Den där. den ryska bokstaven "M" i CP866 kommer att ha koden 9C (den ligger i skärningspunkten för motsvarande rad med 9 och kolumnen med talet C i hexadecimal notation), som kan skrivas i en byte av information, och om det finns ett lämpligt teckensnitt med ryska tecken, denna bokstav är utan problem kommer att visas i texten.

Var kom det beloppet ifrån? pseudografik i CP866? Poängen här är att denna kodning för den ryska texten utvecklades tillbaka under de håriga åren, då det inte fanns någon sådan spridning av grafiska operativsystem som det är nu. Och i Dos och liknande textoperativsystem gjorde pseudo-grafik det möjligt att på något sätt diversifiera utformningen av texter och därför finns det CP866 och alla dess andra kamrater från kategorin utökade versioner av Asuka i överflöd i den.

CP866 distribuerades av IBM, men förutom detta utvecklades ett antal kodningar för ryska tecken, till exempel kan denna typ (utökad ASCII) tillskrivas KOI8-R:

Principen för dess användning förblir densamma som för CP866 som beskrivits lite tidigare - varje tecken i texten är kodat med en enda byte. Skärmdumpen visar den andra halvan av KOI8-R-tabellen, sedan den första halvan överensstämmer helt med den grundläggande Asuka, som visas i den första skärmdumpen i den här artikeln.

Bland funktionerna i KOI8-R-kodningen kan det noteras att de ryska bokstäverna i tabellen inte är i alfabetisk ordning, som de till exempel gjorde i CP866.

Om du tittar på den allra första skärmdumpen (av basdelen, som ingår i alla utökade kodningar), kommer du att märka att i KOI8-R finns ryska bokstäver i samma celler i tabellen som bokstäverna i det latinska alfabetet. med dem från den första delen av bordet. Detta gjordes för att göra det lättare att byta från ryska till latinska tecken genom att bara kasta bort en bit (två till den sjunde kraften eller 128).

Windows 1251 - modern version av ASCII och varför krakozyabry kommer ut

Vidareutveckling av textkodningar berodde på att grafiska operativsystem blev allt populärare och behovet av att använda pseudo-grafik i dem försvann med tiden. Som ett resultat uppstod en hel grupp, som i huvudsak fortfarande var utökade versioner av Asuka (ett tecken i texten är kodat med endast en byte av information), men redan utan användning av pseudo-grafiska tecken.

De tillhörde de så kallade ANSI-kodningarna, som utvecklades av American Standards Institute. I vanlig språkbruk användes namnet på det kyrilliska alfabetet också för versionen med stöd för det ryska språket. Ett exempel på detta kan tjäna.

Det skiljde sig positivt från den tidigare använda CP866 och KOI8-R genom att platsen för pseudo-grafiska symboler i den togs av de saknade symbolerna för rysk typografi (förutom accentmärket), liksom symboler som används på slaviska språk nära ryska (ukrainska, vitryska, etc.)):

På grund av ett överflöd av ryska språkkodningar hade teckensnittstillverkare och mjukvarutillverkare ständigt huvudvärk, och vi, kära läsare, fick ofta bort de ökända krakozyabry när det var förvirring med den version som används i texten.

Mycket ofta kom de ut när de skickade och tog emot meddelanden via e-post, vilket innebar skapandet av mycket komplexa omvandlingstabeller, som i själva verket inte kunde lösa detta problem i grunden, och ofta använde användare av korrespondens för att undvika de ökända krakozyaberna vid användning Ryska kodningar som CP866, KOI8-R eller Windows 1251.

Faktum är att krakozyabry som klättrade ut istället för den ryska texten var resultatet av en felaktig användning av kodningen av detta språk, som inte motsvarade den där textmeddelandet ursprungligen kodades.

Om vi ​​till exempel försöker visa tecken som är kodade med CP866 med Windows 1251 -kodtabellen, kommer samma krakozyabry (meningslös uppsättning tecken) att komma ut, helt ersätta meddelandetexten.

En liknande situation uppstår ofta när forum eller bloggar, när text med ryska tecken felaktigt sparas i fel kodning som används som standard på webbplatsen, eller i fel textredigerare som lägger till munkavle i koden som inte är synlig för det blotta ögat.

I slutändan tröttnade många på den här situationen med många kodningar och ständigt växande krakozyabrar, det fanns förutsättningar för skapandet av en ny universell variant som skulle ersätta alla befintliga och slutligen skulle lösa rotproblemet med utseendet på oläsliga texter. Dessutom var det problemet med språk som kinesiska, där språkets tecken var mycket mer än 256.

Unicode - Universella UTF -kodningar 8, 16 och 32

Dessa tusentals tecken från den sydostasiatiska språkgruppen kunde inte beskrivas i en byte information, som tilldelades för kodning av tecken i utökade versioner av ASCII. Som ett resultat ringde ett konsortium Unicode(Unicode - Unicode Consortium) i samarbete med många IT -branschledare (de som producerar programvara, som kodar hårdvara, som skapar teckensnitt), som var intresserade av framväxten av en universell textkodning.

Den första variationen som släpptes i regi av Unicode -konsortiet var UTF 32... Siffran i kodningens namn betyder antalet bitar som används för att koda ett tecken. 32 bitar är 4 byte information som kommer att behövas för att koda ett enda tecken i den nya universella UTF -kodningen.

Som ett resultat kommer samma fil med text som är kodad i den utökade versionen av ASCII och i UTF-32, i det senare fallet, att ha storleken (vikten) fyra gånger mer. Det här är dåligt, men nu har vi möjlighet att koda antalet tecken lika med två till trettio sekunders effekt ( miljarder tecken, som täcker alla nödvändiga värden med en kolossal marginal).

Men många länder med språk i den europeiska gruppen behövde inte använda ett så stort antal tecken alls i kodningen, men när de använde UTF-32 fick de en fyrfaldig ökning av textdokumentens vikt för ingenting, och som ett resultat, en ökning av internettrafiken och lagrad data. Detta är mycket, och ingen hade råd med sådant avfall.

Som ett resultat av utvecklingen av Unicode, UTF-16, som visade sig vara så framgångsrik att den som standard accepterades som basutrymme för alla symboler som vi använder. Den använder två byte för att koda ett tecken. Låt oss se hur det här fallet ser ut.

I Windows -operativsystemet kan du följa sökvägen "Start" - "Program" - "Tillbehör" - "Systemverktyg" - "Symbolkarta". Som ett resultat öppnas en tabell med vektorformer för alla teckensnitt installerade i ditt system. Om du väljer Unicode -teckenuppsättningen i "Ytterligare parametrar" kommer du att kunna se för varje teckensnitt separat hela sortimentet av tecken som ingår i det.

Förresten, genom att klicka på någon av dem kan du se dess två-byte UTF-16-kod bestående av fyra hexadecimala siffror:

Hur många tecken kan kodas i UTF-16 med 16 bitar? 65536 (två till sexton), och det var detta nummer som togs som basutrymme i Unicode. Dessutom finns det sätt att koda med det och cirka två miljoner tecken, men var begränsade till det utökade utrymmet på en miljon tecken text.

Men även den här framgångsrika versionen av Unicode-kodningen gav inte mycket tillfredsställelse för dem som skrev till exempel program endast på engelska, för efter övergången från den utökade versionen av ASCII till UTF-16 fördubblades dokumentets vikt (en byte per ett tecken i Aski och två byte för samma tecken i UTP-16).

Det var just för tillfredsställelse för alla och allt i Unicode -konsortiet som det beslutades att komma med kodning med variabel längd... De kallade det UTF-8. Trots siffran åtta i namnet har den verkligen en variabel längd, d.v.s. varje tecken i texten kan kodas till en sekvens på en till sex byte i längd.

I praktiken används i UTF-8 endast intervallet från en till fyra byte, för bortom fyra byte kod är ingenting ens teoretiskt möjligt att föreställa sig. Alla latinska tecken i den är kodade i en byte, precis som i gamla gamla ASCII.

Vad som är anmärkningsvärt, när det bara kodas det latinska alfabetet, kommer även de program som inte förstår Unicode fortfarande att läsa det som är kodat i UTF-8. De där. den grundläggande delen av Asuka gick precis in i detta hjärnskap av Unicode -konsortiet.

Kyrilliska tecken i UTF -8 är kodade i två byte och till exempel georgiska - i tre byte. Unicode Consortium efter att ha skapat UTF 16 och 8 löste huvudproblemet - nu har vi det finns ett enda kodutrymme i typsnitt... Och nu kan deras producenter bara fylla den med vektorformer av textsymboler baserat på deras styrkor och förmågor. Nu även i set.

I ovanstående "Teckentabell" kan du se att olika teckensnitt stöder olika antal tecken. Vissa Unicode-rika teckensnitt kan vara mycket tunga. Men nu skiljer de sig inte genom att de är skapade för olika kodningar, utan genom att teckensnittstillverkaren har fyllt eller inte fyllt ett enda kodutrymme med vissa vektorformer till slutet.

Krakozyabry istället för ryska bokstäver - hur man fixar

Låt oss nu se hur krakozyabras ser ut istället för texten, eller, med andra ord, hur rätt kodning för den ryska texten väljs. Egentligen är det inställt i programmet där du skapar eller redigerar just denna text, eller kodar med textfragment.

För att redigera och skapa textfiler använder jag personligen en mycket bra, enligt min mening. Det kan dock markera syntaxen för ett hundratal fler programmerings- och markeringsspråk, och har också möjlighet att expandera med hjälp av plugins. Läs en detaljerad granskning av detta fantastiska program på länken.

I toppmenyn i Anteckningar ++ finns det ett alternativ "Kodningar", där du kommer att kunna konvertera den befintliga versionen till den som används som standard på din webbplats:

För en webbplats på Joomla 1.5 och högre, liksom för en blogg på WordPress, för att undvika sprickor, välj alternativet UTF 8 utan BOM... Vad är BOM -prefixet?

Faktum är att när UTP-16-kodningen utvecklades, av någon anledning bestämde de sig för att koppla till den en sådan sak som förmågan att skriva en teckenkod, både i direkt sekvens (till exempel 0A15) och omvänt (150A) . Och för att programmen ska förstå i vilken sekvens att läsa koderna, och uppfanns BOM(Byte Order Mark eller, med andra ord, signatur), som uttrycktes i tillägget av ytterligare tre byte i början av dokumenten.

I UTF-8-kodningen tillhandahålls ingen BOM i Unicode-konsortiet, och därför tillägg av en signatur (dessa mest ökända ytterligare tre byte till början av dokumentet) helt enkelt hindrar vissa program från att läsa koden. Därför bör vi alltid välja alternativet utan BOM (ingen signatur) när vi sparar filer till UTP. Så du går vidare skydda dig från att krypa ut krakozyabrov.

Det som är anmärkningsvärt är att vissa program i Windows inte kan göra detta (de kan inte spara text i UTP-8 utan BOM), till exempel den ökända Windows Notepad. Det sparar dokumentet i UTF-8, men förbereder fortfarande signaturen (tre extra byte) till början. Dessutom kommer dessa byte alltid att vara desamma - läs koden i direkt sekvens. Men på servrar, på grund av denna bagatell, kan ett problem uppstå - krakozyabry kommer ut.

Så på inget sätt använd inte vanligt Windows anteckningsblock för att redigera dokument på din webbplats om du inte vill att krakozyabrs ska se ut. Det bästa och enklaste alternativet, tror jag, är den redan nämnda Notepad ++ -redigeraren, som praktiskt taget inte har några nackdelar och bara består av fördelar.

I Notepad ++, när du väljer en kodning, kommer du att kunna konvertera texten till UCS-2-kodningen, som i sig ligger mycket nära Unicode-standarden. Även i Anteckningar blir det möjligt att koda text i ANSI, d.v.s. i förhållande till det ryska språket kommer det redan att beskrivas av oss strax ovanför Windows 1251. Var kommer denna information ifrån?

Den är registrerad i registret för ditt Windows -operativsystem - vilken kodning att välja för ANSI, vilken att välja för OEM (för det ryska språket kommer det att vara CP866). Om du installerar ett annat standardspråk på din dator kommer dessa kodningar att ersättas med liknande från ANSI- eller OEM -kategorin för samma språk.

När du har sparat dokumentet i den kodning du behöver i Anteckningar ++ eller öppnat dokumentet från webbplatsen för redigering kan du se dess namn i nedre högra hörnet av redigeraren:

För att undvika krakozyabrov, utöver de åtgärder som beskrivs ovan, kommer det att vara användbart att skriva information om denna kodning i rubriken på källkoden på alla sidor på webbplatsen så att det inte uppstår förvirring på servern eller den lokala värden.

I allmänhet används på alla hypertextmarkeringsspråk utom Html en speciell xml -deklaration, som anger textkodningen.

Innan du börjar analysera koden kommer webbläsaren att veta vilken version som används och hur teckenkoderna i detta språk ska tolkas. Men det som är anmärkningsvärt är att om du sparar dokumentet i standardunikoden, kan denna xml-deklaration utelämnas (kodningen kommer att betraktas som UTF-8 om det inte finns någon BOM eller UTF-16 om det finns en BOM).

När det gäller ett HTML -dokument anges kodningen Meta -element, som skrivs mellan öppnings- och stängningshuvudetiketterna:

... ...

Denna post skiljer sig ganska mycket från den som antogs i, men den överensstämmer helt och hållet med att den nya HTML 5 -standarden långsamt introduceras, och den kommer att förstås till 100% korrekt av alla webbläsare som för närvarande används.

I teorin skulle Meta -elementet som indikerar kodningen av HTML -dokumentet vara bättre inställt så högt som möjligt i dokumentets rubrik så att vid tidpunkten för mötet med det första tecknet i texten som inte är från grundläggande ANSI (som alltid läses korrekt och i någon variant), borde webbläsaren redan ha information om hur man tolkar koderna för dessa tecken.

Lycka till! Vi ses snart på sidorna på bloggsidan

du kan titta på fler videor genom att gå till

");">

Du kanske är intresserad

Vad är webbadresser, vad är skillnaden mellan absoluta och relativa länkar för en webbplats
OpenServer är en modern lokal server och ett exempel på hur den används för att installera WordPress på en dator
Vad är Chmod, vilka behörigheter att tilldela filer och mappar (777, 755, 666) och hur man gör det via PHP
Yandex -sökning på webbplatsen och onlinebutiken

Varje dator har sin egen uppsättning symboler, som den implementerar. Denna uppsättning innehåller 26 stora och små bokstäver, siffror och specialtecken (punkt, mellanslag, etc.). Symboler vid översättning till heltal heter koder. Standarder har utvecklats så att datorer har samma uppsättning koder.

ASCII -standard

ASCII (American Standard Code for Inmormation Interchange) är den amerikanska standardkoden för informationsutbyte. Varje ASCII -tecken har 7 bitar, så det maximala antalet tecken är 128 (tabell 1). Koderna 0 till 1F är kontrolltecken som inte skrivs ut. Många icke-utskrivbara ASCII-tecken behövs för att överföra data. Ett meddelande kan till exempel bestå av SOH-rubrikens starttecken, själva rubriken och STX-textens starttecken, själva texten och ETX-slutet av text-tecknet och slutet av överföringstecknet EOT. Men data i nätverket överförs i paket, som själva är ansvariga för början av överföringen och slutet. Så icke-skrivbara tecken används nästan aldrig.

Tabell 1 - ASCII -kodtabell

siffra	Kommando	Menande	siffra	Kommando	Menande
0	NUL	Nollpekare	10	DLE	Avsluta överföringssystemet
1	SOH	början på rubriken	11	DC1	Enhetshantering
2	STX	Början av text	12	DC2	Enhetshantering
3	ETX	Slut på text	13	DC3	Enhetshantering
4	EOT	Sändningens slut	14	DC4	Enhetshantering
5	ACK	Förfrågan	15	NAK	Icke-bekräftelse av antagning
6	BEL	Bekräftelse av antagning	16	SYN	Enkel
7	BS	Klocksymbol	17	ETB	Slut på överföringsblock
8	HT	Inryck tillbaka	18	BURK	Notera
9	LF	Horisontell flik	19	EM	Slut på media
A	VT	Linjeöversättning	1A	SUB	Index
B	FF	Vertikal flik	1B	ESC	Produktion
C	CR	Översättning av sidan	1C	FS	Filavskiljare
D	SÅ	Vagnretur	1D	GS	Gruppavskiljare
E	SI	Växlar till ytterligare register	1E	Rs	Skivavskiljare
	SI	Byt till standardregister	1F	USA	Modulavskiljare

siffra	Symbol	siffra	Symbol	siffra	Symbol	siffra	Symbol	siffra	Symbol	siffra	Symbol
20	Plats	30	0	40	@	50	P	60	.	70	sid
21	!	31	1	41	A	51	F	61	a	71	q
22	‘	32	2	42	B	52	R	62	b	72	r
23	#	33	3	43	C	53	S	63	c	73	s
24	φ	34	4	44	D	54	T	64	d	74	t
25	%	35	5	45	E	55	OCH	65	e	75	och
26	&	36	6	46	F	56	V	66	f	76	v
27	‘	37	7	47	G	57	W	67	g	77	w
28	(	38	8	48	H	58	X	68	h	78	x
29	)	39	9	49	I	59	Y	69	i	70	y
2A	‘	3A	;	4A	J	5A	Z	6A	j	7A	z
2B	+	3B	;	4B	K	5B	[	6B	k	7B	{
2C	‘	3C	<	4C	L	5C	\	6C	l	7C	|
2D	—	3D	=	4D	M	5D	]	6D	m	7D	}
2E		3E	>	4E	N	5E	—	6E	n	7E	~
2F	/	3F	g	4F	O	5F	_	6F	o	7F	DEL

Unicode -standard

Den tidigare kodningen är bra för engelska, men inte bekväm för andra språk. Till exempel, på tyska finns det umlauts, och på franska finns det överskrift. Vissa språk har helt olika alfabet. Det första försöket att utöka ASCII var IS646, som utökade den tidigare kodningen med ytterligare 128 tecken. Lade till latinska bokstäver med streck och diakritik, och fick namnet - latin 1. Nästa försök var IS 8859 - som innehöll en kodsida. Det fanns fortfarande försök till förlängningar, men detta var inte universellt. UNICODE -kodning skapades (är 10646). Tanken bakom kodningen är att tilldela varje tecken ett enda konstant 16 -bitars värde, som kallas - kodpekare... Det finns totalt 65536 tips. För att spara utrymme använde vi Latin-1 för koder 0-255, vilket enkelt ändrade ASII till UNICODE. Denna standard löste många problem, men inte alla. I samband med ankomsten av nya ord, till exempel för det japanska språket, måste du öka antalet termer med cirka 20 tusen. Du måste också inkludera punktskrift.

Unicode (engelska Unicode) är en teckenkodningsstandard. Enkelt uttryckt är detta en korrespondenstabell för texttecken (, bokstäver, skiljetecken) binära koder. Datorn förstår bara sekvensen av nollor och enor. För att han ska veta vad han exakt ska visa på skärmen är det nödvändigt att tilldela varje tecken ett unikt nummer. På åttiotalet kodades tecken i en byte, det vill säga i åtta bitar (varje bit är 0 eller 1). Således visade det sig att en tabell (aka kodning eller uppsättning) bara kan rymma 256 tecken. Detta kanske inte räcker ens för ett språk. Därför dök många olika kodningar upp, förvirring som ofta ledde till att det i stället för den läsbara texten dök upp några konstiga krakozyabry på skärmen. En enda standard krävdes, vilket blev Unicode. Den mest använda kodningen är UTF-8 (Unicode Transformation Format), som använder 1 till 4 byte för att visa ett tecken.

Symboler

Tecken i Unicode -tabeller är numrerade med hexadecimala tal. Till exempel betecknas den kyrilliska versalen M U + 041C. Det betyder att den står i skärningspunkten mellan linje 041 och kolumn C. Den kan helt enkelt kopieras och sedan klistras in någonstans. För att inte leta igenom en mångkilometer lista bör du använda sökningen. När du har angett symbolsidan ser du dess nummer i Unicode och hur det ritas med olika teckensnitt. Du kan också köra själva skylten in i sökfältet, även om en ruta istället dras, åtminstone för att ta reda på vad det var. På denna webbplats finns också speciella (och - slumpmässiga) uppsättningar av samma typ av ikoner, samlade från olika sektioner, för enkel användning.

Unicode -standarden är internationell. Den innehåller tecken från nästan alla manus i världen. Inklusive de som inte längre används. Egyptiska hieroglyfer, germanska runor, maya -skrift, kilskrift och alfabet i gamla stater. Presenteras och beteckningen av mått och vikter, musikalisk notation, matematiska begrepp.

Unicode -konsortiet själv uppfinner inte nya karaktärer. De ikoner som hittar sin tillämpning i samhället läggs till i tabellerna. Till exempel användes rubelskylten aktivt i sex år innan det lades till Unicode. Emoji -piktogram (uttryckssymboler) användes också först i stor utsträckning i Japan och innan de inkluderades i kodningen. Men varumärken och företagslogotyper läggs i princip inte till. Även lika vanligt som Apple -äpplet eller Windows -flaggan. Idag, i version 8.0, är ​​cirka 120 tusen tecken kodade.

Låt oss komma ihåg några fakta vi vet:

Uppsättningen av symboler som används för att skriva text kallas alfabetet.

Antalet tecken i alfabetet är dess kardinalitet.

Formeln för att bestämma mängden information: N = 2 b,

där N är alfabetets kardinalitet (antal tecken),

b - antal bitar (teckenets informationsvikt).

256-tecken alfabetet rymmer nästan alla tecken du behöver. Ett sådant alfabet kallas tillräckligt.

Eftersom 256 = 2 8 , då är vikten av 1 tecken 8 bitar.

8-bitarsenheten fick namnet 1 byte:

1 byte = 8 bitar.

Den binära koden för varje tecken i datortext tar upp 1 byte minne.

Hur representeras textinformation i datorns minne?

Kodning innebär att varje tecken tilldelas en unik decimalkod från 0 till 255 eller motsvarande binär kod från 00000000 till 11111111. Således skiljer en person tecken efter sin stil och en dator - genom sin kod.

Bekvämligheten med bytekodning av tecken är uppenbar, eftersom en byte är den minsta adresserbara delen av minnet och därför kan processorn komma åt varje tecken separat och utföra textbehandling. Å andra sidan är 256 tecken ett tillräckligt antal för att representera en mängd olika teckeninformation.

Nu uppstår frågan, vilken typ av åtta-bitars binär kod som ska tilldelas varje tecken.

Det är klart att detta är en villkorlig fråga, du kan hitta på många kodningsmetoder.

ASCII -bordet blev den internationella standarden för PC (läs asci) (American Standard Code for Information Interchange).

Den internationella standarden är bara den första halvan av tabellen, d.v.s. tecken med siffror från 0 (00000000) till 127 (01111111).

Serienummer		Symbol
	00000000 - 00011111	Deras funktion är att styra processen att visa text på skärmen eller skriva ut, ge en ljudsignal, markera text, etc.
32 - 127	00100000 - 01111111
128 - 255	10000000 - 11111111	Den andra halvan av ASCII -kodtabellen, kallad kodsida (128 koder, från 10000000 och slutande med 11111111), kan ha olika varianter, varje variant har sitt eget nummer.

Jag uppmärksammar det faktum att i kodningstabellen är bokstäver (stora och små bokstäver) ordnade i alfabetisk ordning och siffror ordnas i stigande ordningsföljd. Denna efterlevnad av den lexikografiska ordningen i teckenarrangemang kallas principen för sekventiell kodning av alfabetet.

För närvarande är den vanligaste kodningen Microsoft Windows, förkortat som CP1251.

Sedan slutet av 90 -talet har problemet med att standardisera teckenkodning lösts genom införandet av en ny internationell standard som heter Unicode. ... Detta är en 16-bitars kodning dvs. det tilldelar 2 byte minne för varje tecken. Naturligtvis fördubblar detta mängden minne som används. Men å andra sidan tillåter en sådan kodtabell att inkludera upp till 65536 tecken. Den fullständiga specifikationen av Unicode -standarden inkluderar alla befintliga, utdöda och konstgjorda alfabet i världen, liksom många matematiska, musikaliska, kemiska och andra symboler.

Låt oss försöka använda en ASCII -tabell för att föreställa oss hur ord kommer att se ut i datorns minne.

Orden	Minne
	01100110 01101001 01101100 01100101
	01100100 01101001 01110011 01101011

När textinformation matas in i en dator kodas tecken (bokstäver, siffror, tecken) med olika kodningssystem, som består av en uppsättning kodtabeller som finns på motsvarande sidor i standarderna för kodning av textinformation. I sådana tabeller tilldelas varje tecken en specifik numerisk kod i hexadecimal eller decimal notation, det vill säga kodtabeller speglar korrespondensen mellan teckenbilder och numeriska koder och är utformade för att koda och avkoda textinformation. När du skriver in textinformation med ett datortangentbord kodas varje inmatningstecken, det vill säga det omvandlas till en numerisk kod; när textinformation matas ut till en datorutmatningsenhet (display, skrivare eller plotter), byggs dess bild med hjälp av numerisk kod för tecknet. Tilldelningen av en specifik numerisk kod till en symbol är resultatet av ett avtal mellan respektive organisationer i olika länder. För närvarande finns det ingen enda universell kodtabell som uppfyller bokstäverna i olika länders alfabet.

Moderna kodtabeller inkluderar internationella och nationella delar, det vill säga de innehåller bokstäver i de latinska och nationella alfabetet, siffror, räkne- och skiljetecken, matematiska och kontrolltecken, pseudo-grafiska symboler. Internationell del av kodtabellen baserad på standarden ASCII (American Standard Code for Information Interchange), kodar den första halvan av tecken i kodtabellen med numeriska koder från 0 till 7 F 16, eller i decimalnotering från 0 till 127. Koder från 0 till 20 16 (0? 32 10) tilldelas funktionstangenterna (F1, F2, F3, etc.) på PC -tangentbordet. I fig. 3.1 visar den internationella delen av kodtabellerna baserat på standarden ASCII. Tabellceller är numrerade i decimal respektive hexadecimal notation.

Fig 3.1. Internationell del av kodtabellen (standard ASCII) med cellnummer presenterade i decimal (a) och hexadecimalt (b) nummersystem

Den nationella delen av kodtabellerna innehåller koder för de nationella alfabeten, som också kallas teckenuppsättningstabellen (teckenuppsättning).

För närvarande, för att stödja bokstäverna i det ryska alfabetet (kyrilliska), finns det flera kodtabeller (kodningar) som används av olika operativsystem, vilket är en betydande nackdel och i vissa fall leder till problem i samband med avkodningen av det numeriska teckenvärden. Tabell 3.1 listar namnen på kodsidor (standarder), som innehåller kodtabellerna (kodningarna) för det kyrilliska alfabetet.

Tabell 3.1

En av de första standarderna för kodning av det kyrilliska alfabetet på datorer var KOI8-R-standarden. Den nationella delen av kodtabellen för denna standard visas i fig. 3.2.

Ris. 3.2. Nationell del av kodtabellen för KOI8-R-standarden

För närvarande används också kodtabellen på CP866 -sidan i standarden för kodning av textinformation som används i operativsystemet. MS DOS eller session MS DOS för att koda det kyrilliska alfabetet (fig. 3.3, a).

Ris. 3.3. Den nationella delen av kodtabellen, som finns på CP866 -sidan (a) och på CP1251 -sidan (b) i kodningsstandarden för textinformation

För närvarande finns den mest använda kodtabellen för kodning av det kyrilliska alfabetet på CP1251 -sidan i motsvarande standard, som används i operativsystem i familjen Windows företag Microsoft(fig. 3.2, b). I alla kodtabeller som presenteras, förutom standardtabellen Unicode, 8 binära siffror (8 bitar) tilldelas för att koda ett tecken.

I slutet av förra seklet dök en ny internationell standard upp Unicode, där ett tecken representeras av en tvåbytes binär kod. Tillämpningen av denna standard är en fortsättning på utvecklingen av en universell internationell standard som gör det möjligt att lösa problemet med kompatibilitet mellan nationella teckenkodningar. Med denna standard kan 2 16 = 65536 olika tecken kodas. I fig. 3.4 är kodtabellen 0400 (ryska alfabetet) för standarden Unicode.

Ris. 3.4. Kodtabell 0400 i Unicode -standarden

Låt oss förklara vad som har sagts om kodning av textinformation genom ett exempel.

Exempel 3.1

Koda ordet "Dator" som en sekvens av decimal- och hexadecimaltal med CP1251 -kodningen. Vilka tecken som visas i kodtabellerna CP866 och KOI8-R när du använder den mottagna koden.

Sekvenser av hexadecimala och binära koder för ordet "Dator" baserat på CP1251 -kodningstabellen (se figur 3.3, b) kommer att se ut så här:

Denna kodsekvens i CP866- och KOI8-R-kodningarna kommer att visa följande tecken:

För att konvertera ryskspråkiga textdokument från en textkodningsstandard till en annan används speciella program - omvandlare. Omvandlare är vanligtvis inbyggda i andra program. Ett exempel skulle vara webbläsarprogrammet - Internet Explorer (IE), som har en inbyggd omvandlare. Webbläsarprogrammet är ett speciellt program för visning av innehåll webbsidor i det globala datornätverket Internet. Låt oss använda det här programmet för att bekräfta resultatet av att symboler visas i exempel 3.1. För att göra detta kommer vi att utföra följande åtgärder.

1. Starta Anteckningar -programmet (NotePad). Anteckningar program i operativsystemet Windows XP startas med kommandot: [Button Start- Program - Standard - Anteckningsblock]. I det öppnade Anteckningsblock -fönstret skriver du ordet "Dator" med hjälp av syntaxen för markeringsspråket för hypertextdokument - HTML (Hyper Text Markup Language). Detta språk används för att skapa dokument på Internet. Texten ska se ut så här:

Compywater

, var

och

taggar (specialkonstruktioner) för språket Html för att markera rubriker. I fig. 3.5 visar resultatet av dessa åtgärder.

Ris. 3.5. Visar text i ett anteckningsblock -fönster

Låt oss spara den här texten genom att utföra kommandot: [Arkiv - Spara som ...] i motsvarande mapp på datorn, när vi sparar texten kommer vi att tilldela filen ett namn - Ungefär med filtillägget. html.

2. Kör programmet Internet Explorer, genom att utföra kommandot: [Knapp Start- Program - Internet Explorer]. När programmet startar visas fönstret i fig. 3.6

Ris. 3.6. Fönster för åtkomst offline

Välj och aktivera knappen Off-line i detta fall kommer datorn inte att ansluta till det globala Internet. Programfönstret visas Microsoft Internet Explorer, visas i fig. 3.7.

Ris. 3.7. Microsoft Internet Explorer huvudfönster

Kör följande kommando: [Arkiv - Öppna], ett fönster visas (bild 3.8) där du måste ange filnamnet och klicka på OK eller tryck på knappen Översikt… och hitta filen App.html.

Ris. 3.8. Öppet fönster

Huvudfönstret i Internet Explorer tar formen som visas i fig. 3.9. Fönstret visar ordet "Dator". Vidare använder du programmets toppmeny Internet Explorer, kör följande kommando: [Visa - Kodning - kyrilliskt (DOS)]. Efter att ha utfört detta kommando i programfönstret Internet Ехplorer symbolerna som visas i fig. 3.10. När du utför kommandot: [View - Encoding - Cyrillic (KOI8-R)] i programfönstret Internet Explorer symbolerna som visas i fig. 3.11.

Ris. 3.9. Tecken som visas vid kodning av CP1251

Ris. 3.10. Tecken som visas när CP866 -kodningen är aktiverad för kodsekvensen som representeras i CP1251 -kodningen

Ris. 3.11. Tecken som visas när KOI8-R-kodningen är påslagen för kodsekvensen som representeras i CP1251-kodningen

Således erhålls med programmet Internet Explorer teckensekvenserna sammanfaller med teckensekvenserna erhållna med användning av CP866- och KOI8-R-kodtabellerna i exempel 3.1.

3.2. Kodning av grafisk information

Grafisk information som presenteras i form av ritningar, fotografier, diabilder, rörliga bilder (animation, video), diagram, ritningar, kan skapas och redigeras med en dator, medan den är korrekt kodad. För närvarande finns det ett ganska stort antal applikationer för behandling av grafisk information, men de implementerar alla tre typer av datorgrafik: raster, vektor och fraktal.

Om du tittar närmare på den grafiska bilden på datorskärmen kan du se ett stort antal flerfärgade prickar (pixlar - från engelska. pixel, utbildad från bildelement - bildelement), som, när de sätts ihop, och bildar en given grafisk bild. Av detta kan vi dra slutsatsen: en grafisk bild i en dator är kodad på ett visst sätt och måste presenteras i form av en grafisk fil. Filen är den huvudsakliga strukturella enheten för att organisera och lagra data i en dator och bör i detta fall innehålla information om hur man ska representera denna uppsättning punkter på bildskärmen.

Filer som skapats på grundval av vektorgrafik innehåller information i form av matematiska relationer (matematiska funktioner som beskriver linjära samband) och motsvarande data om hur man ritar en bild av ett objekt med hjälp av linjesegment (vektorer) när den visas på en datorskärm .

Filer som skapats på grundval av rastergrafik förutsätter lagring av data om varje enskild punkt i bilden. För att visa rastergrafik krävs inga komplexa matematiska beräkningar, det räcker med att bara få data om varje punkt i bilden (dess koordinater och färg) och visa dem på datorskärmen.

I processen för kodning av en bild utförs dess rumsliga provtagning, det vill säga bilden är uppdelad i separata punkter och en färgkod (gul, röd, blå, etc.) tilldelas varje punkt. För att koda varje punkt i en färggrafisk bild tillämpas principen om sönderdelning av en godtycklig färg i dess huvudkomponenter, som är tre huvudfärger: röd (det engelska ordet Röd, betecknas med bokstaven TILL), grön (Grön, betecknas med bokstaven G), blå (Blå, beteckna med bok V). Varje punktfärg som uppfattas av det mänskliga ögat kan erhållas genom additiv (proportionell) tillsats (blandning) av de tre primära färgerna - rött, grönt och blått. Detta kodningssystem kallas ett färgsystem. RGB. Grafikfiler som använder färgsystemet RGB, representerar varje punkt i bilden som en färgtriplet - tre numeriska värden R, G. och V, motsvarande intensiteten i röda, gröna och blå färger. Kodningen av en grafisk bild utförs med olika tekniska medel (skanner, digitalkamera, digital videokamera, etc.); resultatet är en bitmapp. Vid återgivning av färggrafikbilder på en färgdatorskärm erhålls färgen på varje punkt (pixel) på en sådan bild genom att blanda tre primära färger R, G. och B.

Kvaliteten på en rasterbild bestäms av två huvudparametrar - upplösningen (antalet punkter horisontellt och vertikalt) och färgpaletten som används (antalet specificerade färger för varje punkt i bilden). Upplösningen ställs in genom att ange antalet punkter horisontellt och vertikalt, till exempel 800 med 600 punkter.

Det finns ett samband mellan antalet färger som anges för en punkt i en rasterbild och mängden information som måste tilldelas för att lagra färgen på en punkt, som bestäms av förhållandet (R. Hartleys formel):

var I- mängden information. N - antalet färger som ges till punkten.

Mängden information som krävs för att lagra färgen på en prick kallas också färgdjup eller färgkvalitet.

Så om antalet färger som anges för bildpunkten är N = 256, blir mängden information som krävs för att lagra den (färgdjup) i enlighet med formel (3.1) lika med I= 8 bitar.

Datorer använder olika grafiska visningslägen för att visa grafisk information. Det bör noteras här att förutom bildskärmens grafiska läge finns det också ett textläge, där bildskärmen konventionellt är uppdelad i 25 rader med 80 tecken per rad. Dessa grafiklägen kännetecknas av bildskärmens upplösning och färgkvalitet (färgdjup). För att ställa in grafikläget för bildskärmen i operativsystemet MS Windows XP du måste utföra kommandot: [Button Start- Inställningar - Kontrollpanelen - Skärm]. I dialogrutan "Egenskaper: Display" (Fig. 3.12), välj fliken "Parametrar" och använd reglaget "Skärmupplösning" för att välja lämplig skärmupplösning (800 x 600 pixlar, 1024 x 768 pixlar etc. ). Med rullgardinsmenyn "Färgkvalitet" kan du välja färgdjup - "Högsta (32 bit)", "Medium (16 bit)", etc., medan antalet färger som tilldelas varje bildpunkt kommer att vara respektive lika med 2 32 (4294967296), 2 16 (65536), etc.

Ris. 3.12. Dialogrutan Egenskaper för display

För att implementera vart och ett av bildskärmens grafiska lägen krävs en viss informationsvolym i datorns videominne. Obligatorisk informationsvolym för videominne (V) bestäms utifrån förhållandet

var TILL - antal bildpunkter på bildskärmen (K = A · B); A - antalet horisontella prickar på bildskärmen; V - antalet vertikala prickar på bildskärmen; I- mängden information (färgdjup).

Så, om bildskärmen har en upplösning på 1024 x 768 pixlar och en palett bestående av 65 536 färger, så blir färgdjupet enligt formel (3.1) I = log 2 65 538 = 16 bitar, bildens antal poäng kommer att vara lika med: K = 1024 x 768 = 786432, och den nödvändiga informationsvolymen för videominne i enlighet med (3.2) kommer att vara lika med

V = 786432 16 bitar = 12582912 bitar = 1572864 byte = 1536 KB = 1,5 MB.

Sammanfattningsvis bör det noteras att förutom de angivna egenskaperna är bildskärmens viktigaste egenskaper de geometriska måtten på dess skärm och bildpunkter. Skärmens geometriska dimensioner bestäms av bildskärmens diagonal. Storleken på bildskärmarnas diagonal är inställd i tum (1 tum = 1 "= 25,4 mm) och kan ta värden som är lika med: 14", 15 ", 17", 21 "etc. Modern bildskärmsproduktionsteknik kan ge en pixelstorlek lika med 0,22 mm.

Således finns för varje bildskärm en fysiskt högsta möjliga skärmupplösning, som bestäms av storleken på dess diagonal och bildpunktens storlek.

Övningar för självuppfyllelse

1.Använda programmet MS Excel konvertera ASCII, CP866, CP1251, KOI8 -R kodtabeller till tabeller i formuläret: skriv stora och latinska och kyrilliska bokstäver i alfabetisk ordning i cellerna i den första kolumnen i tabeller; den tredje kolumnen - bokstäverna som motsvarar koderna i det hexadecimala nummersystemet. Kodvärdena måste väljas från motsvarande kodtabeller.

2. Koda och skriv ner följande ord som en talföljd i decimal och hexadecimal notation:

a) Internet Explorer, b) Microsoft Office; v) CorelDRAW.

Koda med den uppgraderade ASCII -kodningen från föregående övning.

3. Avkoda med hjälp av den moderniserade KOI8-R-kodningstabellen nummersekvensen som skrivs i det hexadecimala nummersystemet:

a) FC CB DA C9 D3 D4 C5 CE C3 C9 D1;

b) EB CF CE C6 CF D2 CD C9 DA CD;

c) FC CB D3 D0 D2 C5 D3 C9 CF CE C9 DA CD.

4. Hur kommer ordet "Cybernetics" skrivet i CP1251-kodningen att se ut när du använder CP866- och KOI8-R-kodningarna? Kontrollera resultaten som erhållits med programmet Internet Explorer.

5. Använd kodtabellen som visas i fig. 3.1 a, avkoda följande kodsekvenser skrivna i binär notation:

a) 01010111 01101111 01110010 01100100;

b) 01000101 01111000 01100011 01100101 01101100;

c) 01000001 01100011 01100011 01100101 01110011 01110011.

6. Bestäm informationsvolymen för ordet "Ekonomi" som kodas med kodtabellerna CP866, CP1251, Unicode och KOI8-R.

7. Bestäm informationsvolymen för filen som erhållits som ett resultat av skanning av en färgbild på 12x12 cm. Upplösningen för skannern som används för att skanna denna bild är 600 dpi. Skannern ställer in bildens pixeldjup till 16 bitar.

Skannerupplösning 600 dpi (dotper tum - dots per inch) bestämmer förmågan hos en skanner med en sådan upplösning att skilja 600 punkter på ett 1 tums segment.

8. Bestäm informationsvolymen för filen som erhållits som ett resultat av skanning av en färgbild i A4 -storlek. Skannern har en upplösning på 1200 dpi. Skannern ställer in bildens pixeldjup till 24 bitar.

9. Bestäm antalet färger i paletten med ett färgdjup på 8, 16, 24 och 32 bitar.

10. Bestäm den erforderliga mängden videominne för bildskärmens grafiska visningslägen 640 x 480, 800 x 600, 1024 x 768 och 1280 x 1024 pixlar vid bildpunktens färgdjup på 8, 16, 24 och 32 bitar. Resultaten är tabellerade. Utveckla i MS Excel ett program för automatisering av beräkningar.

11. Bestäm det maximala antalet färger som kan användas för att lagra en bild på 32 x 32 pixlar om datorn har 2 KB minne tilldelat bilden.

12. Bestäm den maximala upplösningen för en bildskärm med en diagonal längd på 15 "och en pixelstorlek på 0,28 mm.

13. Vilka grafiska lägen för bildskärmsdrift kan ge 64 MB videominne?

Förbränning

I. Informationskodningens historia ……………………………… ..3

II. Informationskodning ………………………………………… 4

III. Kodning av textinformation …………………………… .4

IV. Typer av kodningstabeller ………………………………………… ... 6

V. Beräkning av mängden textinformation ……………………… 14

Lista över begagnad litteratur …………………………………. ..16

I . Informationskodningshistorik

Mänskligheten har använt kryptering (kodning) av text från det ögonblick som den första hemliga informationen dök upp. Innan du har flera metoder för kodning av text som uppfanns i olika stadier i utvecklingen av mänskligt tänkande:

Kryptografi är en hemlig skrift, ett system för att ändra en bokstav i syfte att göra texten obegriplig för de oinvigde;

Morskod eller oregelbunden telegrafkod, där varje bokstav eller tecken representeras av en egen kombination av korta elektriska chips (punkter) och tredubblade varaktighetschips (streck);

teckenspråk är ett teckenspråk som används av personer med hörselnedsättning.

En av de tidigast kända krypteringsmetoderna är uppkallad efter den romerske kejsaren Julius Caesar (1: a århundradet f.Kr.). Denna metod bygger på att varje bokstav i den krypterade texten ersätts med en annan genom att flytta in alfabetet från den ursprungliga bokstaven med ett fast antal tecken, och alfabetet läses i en cirkel, det vill säga efter bokstaven i är a anses vara. Så ordet "byte" när det flyttas med två tecken till höger är kodat med ordet "gvlf". Den omvända processen att avkoda ett givet ord - det är nödvändigt att ersätta varje krypterad bokstav med den andra till vänster om den.

II. Informationskodning

En kod är en uppsättning konventioner (eller signaler) för inspelning (eller överföring) av vissa fördefinierade begrepp.

Informationskodning är processen att bilda en specifik representation av information. I en smalare mening förstås termen "kodning" ofta som en övergång från en form av informationspresentation till en annan, mer bekväm för lagring, överföring eller bearbetning.

Vanligtvis representeras varje bild när den är kodad (ibland säger man - krypterad) av ett separat tecken.

Ett tecken är ett element i en ändlig uppsättning av distinkta element.

I en smalare mening förstås termen "kodning" ofta som en övergång från en form av informationspresentation till en annan, mer bekväm för lagring, överföring eller bearbetning.

Datorn kan behandla textinformation. När de skrivs in i en dator, kodas varje bokstav med ett visst tal, och när de matas ut till externa enheter (skärm eller utskrift) byggs bilder av bokstäver för mänsklig uppfattning med hjälp av dessa siffror. Korrespondensen mellan en uppsättning bokstäver och siffror kallas teckenkodning.

Som regel representeras alla tal i en dator med hjälp av nollor och ettor (och inte tio siffror, som vanligt för människor). Med andra ord fungerar datorer vanligtvis i ett binärt nummersystem, eftersom enheterna för deras behandling är mycket enklare. Att ange siffror i en dator och visa dem för läsning av en person kan utföras i vanlig decimalform, och alla nödvändiga transformationer utförs av program som körs på datorn.

III. Kodning av textinformation

Samma information kan presenteras (kodas) i flera former. Med tillkomsten av datorer blev det nödvändigt att koda alla typer av information som både en enskild person och mänskligheten som helhet har att göra med. Men mänskligheten började lösa problemet med kodning av information långt innan datorerna kom. Människans enorma prestationer - att skriva och räkna - är inget annat än ett system för kodning av tal och numerisk information. Information visas aldrig i sin rena form, den presenteras alltid på något sätt, på något sätt kodas.

Binär kodning är ett av de vanliga sätten att representera information. I datorer, robotar och numeriskt styrda verktygsmaskiner kodas i regel all information som enheten behandlar i form av ord i ett binärt alfabet.

Sedan slutet av 60 -talet har datorer alltmer använts för att behandla textinformation, och för närvarande är huvuddelen av persondatorer i världen (och för det mesta) engagerade i att behandla textinformation. Alla dessa typer av information i en dator representeras i binär kod, det vill säga ett alfabet med en effekt på två används (endast två tecken 0 och 1). Detta beror på att det är bekvämt att representera information i form av en sekvens av elektriska impulser: det finns ingen impuls (0), det finns en impuls (1).

Sådan kodning brukar kallas binär, och de logiska sekvenserna för nollor och sådana själva kallas maskinspråk.

Ur datorns synvinkel består texten av enskilda tecken. Symboler inkluderar inte bara bokstäver (stora eller små bokstäver, latin eller ryska), utan också siffror, skiljetecken, specialtecken som "=", "(", "&", etc., och till och med (var särskilt uppmärksam!) Mellanslag mellan ord.

Texter matas in i datorns minne med tangentbordet. Nycklarna är skrivna med bekanta bokstäver, siffror, skiljetecken och andra symboler. De anger RAM -minnet i binär kod. Detta innebär att varje tecken representeras av en 8-bitars binär kod.

Traditionellt används för att koda ett tecken en mängd information lika med 1 byte, det vill säga I = 1 byte = 8 bitar. Med hjälp av en formel som förbinder antalet möjliga händelser K och mängden information I kan du beräkna hur många olika symboler som kan kodas (förutsatt att symboler är möjliga händelser): K = 2 I = 2 8 = 256, det vill säga, för representation av textinformation kan använda ett alfabet med en kapacitet på 256 tecken.

Detta antal tecken är tillräckligt för att representera textinformation, inklusive stora och små bokstäver i de ryska och latinska alfabetet, siffror, tecken, grafiska symboler, etc.

Kodning innebär att varje tecken tilldelas en unik decimalkod från 0 till 255 eller motsvarande binär kod från 00000000 till 11111111. Således skiljer en person tecken efter sin stil och en dator - genom sin kod.

Bekvämligheten med bytekodning av tecken är uppenbar, eftersom en byte är den minsta adresserbara delen av minnet och därför kan processorn komma åt varje tecken separat och utföra textbehandling. Å andra sidan är 256 tecken ett tillräckligt antal för att representera en mängd olika teckeninformation.

I processen med att visa ett tecken på datorskärmen utförs den omvända processen - avkodning, det vill säga konvertering av teckenkoden till dess bild. Det är viktigt att tilldelningen av en specifik kod till en symbol är en fråga om överenskommelse, som fastställs i kodtabellen.

Nu uppstår frågan, vilken typ av åtta-bitars binär kod som ska tilldelas varje tecken. Det är klart att detta är en villkorlig fråga, du kan hitta på många kodningsmetoder.

Alla tecken i datoralfabetet är numrerade från 0 till 255. Varje nummer motsvarar en åttasiffrig binär kod från 00000000 till 11111111. Denna kod är helt enkelt teckens ordinalnummer i det binära systemet.

IV ... Typer av kodningstabeller

Tabellen där alla tecken i datoralfabetet tilldelas serienummer kallas kodningstabellen.

Olika kodningstabeller används för olika typer av datorer.

ASCII -kodtabellen (American Standard Code for Information Interchange), som kodar den första halvan av tecken med numeriska koder från 0 till 127 (koder från 0 till 32 är inte tilldelade tecken, utan till funktionstangenter), har antagits som en internationell standard.

ASCII -tabellen är uppdelad i två delar.

Den internationella standarden är bara den första halvan av tabellen, d.v.s. tecken med siffror från 0 (00000000) till 127 (01111111).

ASCII -kodningsbordstruktur

Serienummer	Koda	Symbol
0 - 31	00000000 - 00011111	Symboler med siffror från 0 till 31 kallas vanligtvis kontrolltecken. Deras funktion är att styra processen att visa text på skärmen eller skriva ut, ge en ljudsignal, markera text, etc.
32 - 127	0100000 - 01111111	Standarddel av bordet (engelska). Detta inkluderar små och stora bokstäver i det latinska alfabetet, decimaler, skiljetecken, alla typer av parenteser, kommersiella och andra symboler. Tecken 32 är ett mellanslag, d.v.s. tom position i texten. Alla andra återspeglas i vissa tecken.
128 - 255	10000000 - 11111111	Alternativ del av bordet (ryska). Den andra halvan av ASCII -kodtabellen, kallad kodsida (128 koder, som börjar med 10000000 och slutar med 11111111), kan ha olika varianter, varje variant har sitt eget nummer. Kodsidan används främst för att rymma andra nationella alfabet än latin. I ryska nationella kodningar innehåller denna del av tabellen symboler för det ryska alfabetet.

Första halvan av ASCII -tabellen

Uppmärksamheten uppmärksammas på att bokstäverna (stora och små bokstäver) i kodningstabellen är ordnade i alfabetisk ordning och siffror ordnas i stigande ordningsföljd. Denna efterlevnad av den lexikografiska ordningen i teckenarrangemang kallas principen för sekventiell kodning av alfabetet.

För bokstäverna i det ryska alfabetet observeras också principen om sekventiell kodning.

Andra halvan av ASCII -tabellen

Tyvärr finns det för närvarande fem olika kyrilliska kodningar (KOI8-R, Windows. MS-DOS, Macintosh och ISO). På grund av detta uppstår ofta problem med överföring av rysk text från en dator till en annan, från ett programvarusystem till ett annat.

Kronologiskt var en av de första standarderna för kodning av ryska bokstäver på datorer KOI8 ("Information exchange code, 8-bit"). Denna kodning användes redan på 70 -talet på datorer i ES -datorserien, och från mitten av 80 -talet började den användas i de första russifierade versionerna av UNIX -operativsystemet.

Från början av 90 -talet, tiden för dominans av MS DOS -operativsystemet, kvarstår CP866 -kodningen ("CP" står för "Code Page").

Apple -datorer som kör Mac OS använder sin egen Mac -kodning.

Dessutom har International Standards Organization (ISO) godkänt en annan kodning som heter ISO 8859-5 som standard för det ryska språket.

För närvarande är den vanligaste kodningen Microsoft Windows, förkortat som CP1251. Introducerad av Microsoft; med hänsyn till den breda distributionen av operativsystem (OS) och andra mjukvaruprodukter från detta företag i Ryska federationen, fann den en bred distribution.

Sedan slutet av 90 -talet har problemet med standardisering av teckenkodning lösts genom införandet av en ny internationell standard som heter Unicode.

Detta är en 16-bitars kodning dvs. det tilldelar 2 byte minne för varje tecken. Naturligtvis fördubblar detta mängden minne som används. Men å andra sidan tillåter en sådan kodtabell att inkludera upp till 65536 tecken. Den fullständiga specifikationen av Unicode -standarden inkluderar alla befintliga, utdöda och konstgjorda alfabet i världen, liksom många matematiska, musikaliska, kemiska och andra symboler.

Intern representation av ord i datorns minne

med ASCII -tabell

Ibland händer det att en text bestående av bokstäver i det ryska alfabetet, mottagen från en annan dator, inte kan läsas - någon sorts "skräp" syns på bildskärmen. Detta beror på det faktum att datorer använder olika kodning av tecknen i det ryska språket.

Således definieras varje kodning av sin egen kodtabell. Som du kan se från tabellen tilldelas olika tecken till samma binära kod olika tecken i olika kodningar.

Till exempel bildar en sekvens av numeriska koder 221, 194, 204 i CP1251 -kodningen ordet "dator", medan den i andra kodningar kommer att vara en meningslös uppsättning tecken.

Lyckligtvis behöver användaren i de flesta fall inte oroa sig för transkodning av textdokument, eftersom detta görs med speciella konverteringsprogram inbyggda i applikationer.

V ... Beräknar mängden textinformation

Mål 1: Koda ordet ”Rom” med kodningstabellerna KOI8-R och CP1251.

Lösning:

Uppgift 2: Antag att varje tecken är kodat i en byte, uppskatta informationsvolymen för följande mening:

"Min farbror har de mest ärliga reglerna,

Vid allvarlig sjukdom,

Han gav sig respekt

Och jag hade inte kunnat föreställa mig det bättre. "

Lösning: Denna fras har 108 tecken, inklusive skiljetecken, citattecken och mellanslag. Vi multiplicerar detta tal med 8 bitar. Vi får 108 * 8 = 864 bitar.

Mål 3: De två texterna innehåller samma antal tecken. Den första texten är skriven på ryska, och den andra på språket i Naguri -stammen, vars alfabet består av 16 tecken. Vems text innehåller mer information?

Lösning:

1) I = K * a (informationsvolymen i texten är lika med produkten av antalet tecken med informationsvikten för ett tecken).

2) Eftersom båda texterna har samma antal tecken (K), skillnaden beror på informativiteten hos ett tecken i alfabetet (a).

3) 2 a1 = 32, d.v.s. a 1 = 5 bitar, 2 a2 = 16, d.v.s. a 2 = 4 bitar.

4) I 1 = K * 5 bitar, I 2 = K * 4 bitar.

5) Det betyder att texten skriven på ryska är 5/4 gånger mer information.

Uppgift 4: Storleken på ett meddelande som innehåller 2048 tecken var 1/512 av en MB. Bestäm kardinaliteten i alfabetet.

Lösning:

1) I = 1/512 * 1024 * 1024 * 8 = 16384 bitar - informationsvolymen för meddelandet konverterades till bitar.

2) a = I / K = 16384/1024 = 16 bitar - faller på ett tecken i alfabetet.

3) 2 * 16 * 2048 = 65536 tecken - kraften i det alfabet som används.

Uppgift 5: Canons LBP -laserskrivare skriver ut i genomsnitt 6,3 Kbps. Hur lång tid tar det att skriva ut ett 8 -sidigt dokument om det är känt att det i genomsnitt finns 45 rader på en sida, 70 tecken per rad (1 tecken - 1 byte)?

Lösning:

1) Hitta mängden information på 1 sida: 45 * 70 * 8 bitar = 25200 bitar

2) Hitta mängden information på 8 sidor: 25200 * 8 = 201600 bitar

3) Vi tar till enhetliga måttenheter. För att göra detta, översätt Mbits till bitar: 6,3 * 1024 = 6451,2 bit / s.

4) Hitta utskriftstiden: 201600: 6451,2 = 31 sekunder.

Bibliografi

1. Ageev V.M. Information och kodningsteori: diskretisering och kodning av mätinformation. - M.: MAI, 1977.

2. Kuzmin I.V., Kedrus V.A. Grunden för informationsteori och kodning. - Kiev, Vishcha -skolan, 1986.

3. De enklaste metoderna för textkryptering / D.М. Zlatopolsky. - M.: Chistye Prudy, 2007 - 32 sid.

4. Ugrinovich N.D. Informatik och informationsteknik. Lärobok för årskurserna 10-11 / N.D. Ugrinovich. - M.: BINOM. Kunskapslaboratorium, 2003.- 512 sid.

5.http: //school497.spb.edu.ru/uchint002/les10/les.html#n

Självstudiematerial relaterat till föreläsningar 2

Kodning ASCII

ASCII -kodtabell (ASCII - American Standard Code for Information Interchange - American Standard Code for Information Interchange).

Totalt kan 256 olika tecken kodas med ASCII -kodningstabellen (figur 1). Denna tabell är uppdelad i två delar: den huvudsakliga (med koder från OOh till 7Fh) och ytterligare en (från 80h till FFh, där bokstaven h indikerar att koden tillhör det hexadecimala nummersystemet).

Bild 1

För att koda ett tecken från tabellen tilldelas 8 bitar (1 byte). Vid behandling av textinformation kan en byte innehålla koden för ett visst tecken - bokstäver, siffror, skiljetecken, åtgärdstecken, etc. Varje tecken har sin egen kod i form av ett heltal. I det här fallet samlas alla koder i speciella tabeller som kallas kodningstabeller. Med deras hjälp konverteras teckenkoden till dess synliga representation på bildskärmen. Som ett resultat representeras all text i datorns minne som en sekvens av byte med teckenkoder.

Till exempel ordet hej! kommer att kodas enligt följande (tabell 1).

bord 1

Binär kod
Decimal kod

Figur 1 visar tecknen som ingår i standard (engelska) och utökad (rysk) ASCII -kodning.

Första halvan av ASCII -tabellen är standardiserad. Den innehåller kontrollkoder (00h till 20h och 77h). Dessa koder har tagits bort från tabellen eftersom de inte gäller för textelement. Skiljetecken och matematiska tecken finns också här: 2lh - !, 26h - &, 28h - (, 2Bh - +, ..., stora och små latinska bokstäver: 41h - A, 61h - a.

Den andra halvan av tabellen innehåller nationella teckensnitt, pseudo-grafiska symboler från vilka tabeller kan byggas och speciella matematiska tecken. Den nedre delen av kodningstabellen kan bytas ut med lämpliga drivrutiner - hjälpprogram för styrning. Denna teknik låter dig använda flera teckensnitt och deras typsnitt.

Displayen för varje symbolkod måste visa en bild av symbolen på skärmen - inte bara en digital kod, utan en bild som motsvarar den, eftersom varje symbol har sin egen form. Beskrivningen av formen på varje tecken lagras i ett speciellt displayminne - en teckengenerator. Markeringen av en symbol på exempelvis IBM -datorns skärm utförs med hjälp av punkter som bildar en symbolisk matris. Varje pixel i en sådan matris är ett bildelement och kan vara ljus eller mörk. En mörk punkt är kodad med siffran 0, ljus (ljus) - 1. Om du representerar mörka pixlar i matrisfältet på tecknet med en punkt, och ljusa pixlar med en asterisk, kan du grafiskt avbilda symbolens form.

Människor i olika länder använder symboler för att skriva ord på sina modersmål. De flesta applikationer idag, inklusive e-postsystem och webbläsare, är rena 8-bitars, vilket innebär att de bara kan visa och tolka 8-bitars tecken enligt ISO-8859-1-standarden.

Det finns över 256 tecken i världen (inklusive kyrilliska, arabiska, kinesiska, japanska, koreanska och thailändska), och fler och fler tecken dyker upp. Och detta skapar följande luckor för många användare:

Det är inte möjligt att använda tecken från olika kodningsuppsättningar i samma dokument. Eftersom varje textdokument använder sin egen uppsättning kodningar finns det stora svårigheter med automatisk textigenkänning.

Nya symboler dyker upp (till exempel Euro), vilket resulterar i att ISO utvecklar en ny standard ISO-8859-15, som är mycket lik ISO-8859-1-standarden. Skillnaden är följande: från kodningstabellen för den gamla ISO-8859-1-standarden har symboler för beteckning av gamla valutor som för närvarande inte används tagits bort för att ge plats för nyligen uppträdande symboler (t.ex. euro) . Som ett resultat kan användare ha samma dokument på sina skivor, men i olika kodningar. Lösningen på dessa problem är antagandet av en enda internationell uppsättning kodningar som kallas universell kodning eller Unicode.

Kodning Unicode

Standarden föreslogs 1991 av Unicode Consortium, Unicode Inc., en ideell organisation. Användningen av denna standard gör det möjligt att koda ett mycket stort antal tecken från olika skript: i Unicode -dokument kan kinesiska tecken, matematiska tecken, bokstäver i det grekiska alfabetet, latin och kyrilliska alfabetet samexistera, så att byta kodsidor blir onödigt.

Standarden består av två huvudavsnitt: den universella teckenuppsättningen (UCS) och Unicode -transformationsformatet (UTF). Den universella teckenuppsättningen definierar en en-till-en-korrespondens mellan tecken och koder-element i kodutrymmet som representerar icke-negativa heltal. Kodningsfamiljen definierar maskinrepresentationen av en sekvens av UCS -koder.

Unicode -standarden utvecklades med målet att skapa en enhetlig teckenkodning för alla moderna och många gamla skriftspråk. Varje tecken i denna standard är kodat i 16 bitar, vilket gör det möjligt att täcka ett ojämförligt större antal tecken än tidigare accepterade 8-bitars kodningar. En annan viktig skillnad mellan Unicode och andra kodningssystem är att den inte bara tilldelar varje karaktär en unik kod utan också definierar olika egenskaper hos denna karaktär, till exempel:

typ av tecken (versaler, gemener, siffror, skiljetecken etc.);

teckenattribut (vänster-till-höger eller höger-till-vänster-display, mellanslag, radbrytning, etc.);

motsvarande versal eller liten bokstav (för gemener respektive stora bokstäver);

motsvarande numeriska värde (för numeriska tecken).

Hela kodområdet från 0 till FFFF är uppdelat i flera standardundermängder, som var och en motsvarar antingen ett alfabet för ett visst språk, eller en grupp specialtecken som liknar varandra i sina funktioner. Diagrammet nedan ger en allmän lista över Unicode 3.0 -delmängderna (figur 2).

Bild 2

Unicode -standarden är grunden för lagring och text i många moderna datorsystem. Det är dock inte kompatibelt med de flesta internetprotokoll, eftersom dess koder kan innehålla alla bytevärden, och protokollen använder vanligtvis byte 00 - 1F och FE - FF som overhead. För att uppnå kompatibilitet har flera Unicode-transformationsformat (UTF, Unicode Transformation Formats) utvecklats, varav UTF-8 är det vanligaste idag. Detta format definierar följande regler för att konvertera varje Unicode -kod till en uppsättning byte (en till tre) som är lämpliga för transport med internetprotokoll.

Här betecknar x, y, z bitarna i källkoden som måste extraheras, med början med den minst signifikanta, och matas in i resultatbyte från höger till vänster tills alla angivna positioner är fyllda.

Vidareutveckling av Unicode -standarden är förknippad med tillägg av nya språkplan, dvs. tecken i intervallet 10000 - 1FFFF, 20000 - 2FFFF, etc., där det ska inkludera kodning för skript för döda språk som inte ingår i tabellen ovan. Ett nytt UTF-16-format utvecklades för att koda dessa ytterligare tecken.

Således finns det fyra huvudsakliga sätt att koda Unicode -byte:

UTF-8: 128 tecken är kodade i en byte (ASCII-format), 1920 tecken är kodade i 2 byte ((romerska, grekiska, kyrilliska, koptiska, armeniska, hebreiska, arabiska tecken), 63488 tecken är kodade i 3 byte (kinesiska , Japanska och andra) Resterande 2 147 418 112 tecken (ännu inte använda) kan kodas med 4, 5 eller 6 byte.

UCS-2: Varje tecken representeras av 2 byte. Denna kodning innehåller endast de första 65 535 tecknen från Unicode -formatet.

UTF-16: Detta är ett tillägg till UCS-2 och innehåller 1 114 112 Unicode-tecken. De första 65 535 tecknen representeras av 2 byte, resten av 4 byte.

USC-4: Varje tecken är kodat i 4 byte.

Dec	Hex	Symbol		Dec	Hex	Symbol
000	00	specialist. NOP		128	80	Ђ
001	01	specialist. SOH		129	81	Ѓ
002	02	specialist. STX		130	82	‚
003	03	specialist. ETX		131	83	ѓ
004	04	specialist. EOT		132	84	„
005	05	specialist. ENQ		133	85	…
006	06	specialist. ACK		134	86	†
007	07	specialist. BEL		135	87	‡
008	08	specialist. BS		136	88	€
009	09	specialist. FLIK		137	89	‰
010	0A	specialist. LF		138	8A	Љ
011	0B	specialist. VT		139	8B	‹ ‹
012	0C	specialist. FF		140	8C	Њ
013	0D	specialist. CR		141	8D	Ќ
014	0E	specialist. SÅ		142	8E	Ћ
015	0F	specialist. SI		143	8F	Џ
016	10	specialist. DLE		144	90	ђ
017	11	specialist. DC1		145	91	‘
018	12	specialist. DC2		146	92	’
019	13	specialist. DC3		147	93	“
020	14	specialist. DC4		148	94	”
021	15	specialist. NAK		149	95
022	16	specialist. SYN		150	96	–
023	17	specialist. ETB		151	97	—
024	18	specialist. BURK		152	98
025	19	specialist. EM		153	99	™
026	1A	specialist. SUB		154	9A	љ
027	1B	specialist. ESC		155	9B	›
028	1C	specialist. FS		156	9C	њ
029	1D	specialist. GS		157	9D	ќ
030	1E	specialist. Rs		158	9E	ћ
031	1F	specialist. USA		159	9F	џ
032	20	koppling SP (mellanslag)		160	A0
033	21	!		161	A1	Ў
034	22	"		162	A2	ў
035	23	#		163	A3	Ћ
036	24	$		164	A4	¤
037	25	%		165	A5	Ґ
038	26	&		166	A6	¦
039	27	"		167	A7	§
040	28	(		168	A8	Jo
041	29	)		169	A9	©
042	2A	*		170	AA	Є
043	2B	+		171	AB	«
044	2C	,		172	AC	¬
045	2D	-		173	AD	­
046	2E	.		174	AE	®
047	2F	/		175	AF	Ї
048	30	0		176	B0	°
049	31	1		177	B1	±
050	32	2		178	B2	І
051	33	3		179	B3	і
052	34	4		180	B4	ґ
053	35	5		181	B5	µ
054	36	6		182	B6	¶
055	37	7		183	B7	·
056	38	8		184	B8	e
057	39	9		185	B9	№
058	3A	:		186	BA	є
059	3B	;		187	BB	»
060	3C	<		188	före Kristus	ј
061	3D	=		189	BD	Ѕ
062	3E	>		190	VARA	ѕ
063	3F	?		191	Bf	ї
064	40	@		192	C0	A
065	41	A		193	C1	B
066	42	B		194	C2	V
067	43	C		195	C3	G
068	44	D		196	C4	D
069	45	E		197	C5	E
070	46	F		198	C6	F
071	47	G		199	C7	Z
072	48	H		200	C8	OCH
073	49	I		201	C9	Th
074	4A	J		202	CA	TILL
075	4B	K		203	CB	L
076	4C	L		204	CC	M
077	4D	M		205	CD	H
078	4E	N		206	CE	O
079	4F	O		207	CF	NS
080	50	P		208	D0	R
081	51	F		209	D1	MED
082	52	R		210	D2	T
083	53	S		211	D3	Ha
084	54	T		212	D4	F
085	55	U		213	D5	NS
086	56	V		214	D6	C
087	57	W		215	D7	H
088	58	X		216	D8	NS
089	59	Y		217	D9	SCH
090	5A	Z		218	DA	B
091	5B	[		219	DB	NS
092	5C	\		220	DC	B
093	5D	]		221	DD	NS
094	5E	^		222	DE	NS
095	5F	_		223	DF	JAG ÄR
096	60	`		224	E0	a
097	61	a		225	E1	b
098	62	b		226	E2	v
099	63	c		227	E3	G
100	64	d		228	E4	d
101	65	e		229	E5	e
102	66	f		230	E6	f
103	67	g		231	E7	s
104	68	h		232	E8	och
105	69	i		233	E9	th
106	6A	j		234	EA	Till
107	6B	k		235	EB	l
108	6C	l		236	EC	m
109	6D	m		237	ED	n
110	6E	n		238	EE	O
111	6F	o		239	EF	NS
112	70	sid		240	F0	R
113	71	q		241	F1	med
114	72	r		242	F2	T
115	73	s		243	F3	på
116	74	t		244	F4	f
117	75	u		245	F5	NS
118	76	v		246	F6	c
119	77	w		247	F7	h
120	78	x		248	F8	NS
121	79	y		249	F9	SCH
122	7A	z		250	FA	b
123	7B	{		251	FB	NS
124	7C	|		252	FC	b
125	7D	}		253	FD	NS
126	7E	~		254	FE	NS
127	7F	Specialist. DEL		255	FF	jag är

Windows ASCII -teckenkodstabell.
Beskrivning av specialtecken (kontroll)

Det bör noteras att initialt kontrolltecknen i ASCII -tabellen användes för att tillhandahålla datautbyte via teletyp, datainmatning från hålband och för den enklaste kontrollen av externa enheter.
För närvarande bär de flesta ASCII -kontrolltecknen i tabellen inte längre denna börda och kan användas för andra ändamål.

Koda	Beskrivning
NUL, 00	Null, tom
SOH, 01	Start av rubrik, start av rubrik
STX, 02	TeXt, början av texten.
ETX, 03	Slutet på TeXt, slutet på texten
EOT, 04	Sändningsslut, sändningsslut
ENQ, 05	Fråga. Jag ber om bekräftelse
ACK, 06	Bekräftelse. jag bekräftar
BEL, 07	Klocka, klocka
BS, 08	Backspace, gå tillbaka ett tecken
TAB, 09	Flik, ​​horisontell flik
LF, 0A	Line Feed, line feed. Nu betecknas det i de flesta programmeringsspråk som \ n
VT, 0B	Vertikal flik, vertikal flik.
FF, 0C	Formflöde, sidmatning, ny sida
CR, 0D	Vagnretur Nu betecknas det i de flesta programmeringsspråk som \ r
SÅ, 0E	Skift ut, ändra färgen på färgbandet i utskriftsenheten
SI, 0F	Skift in, returnera färgen på färgbandet i utskriftsenheten
DLE, 10	Data Link Escape, byt kanal till dataöverföring
DC1, 11 DC2, 12 DC3, 13 DC4, 14	Enhetskontroll, symboler för enhetsstyrning
NAK, 15	Negativt erkännande, jag erkänner inte.
SYN, 16	Synkronisering. Synkroniseringssymbol
ETB, 17	Slut på textblock, slutet på textblock
KAN, 18	Avbryt, avbryter ett tidigare godkänt
EM, 19	Slut på Medium, slutet av databäraren
SUB, 1A	Ersättning Placeras i stället för en karaktär vars värde förlorades eller förstördes under överföringen
ESC, 1B	Escape Escape Sequence
FS, 1C	Filavskiljare, filavskiljare
GS, 1D	Gruppseparator, gruppseparator
RS, 1E	Record Separator, record separator
USA, 1F	Enhetsavskiljare, enhetsavskiljare
DEL, 7F	Radera, radera det sista tecknet.