Znakové sady západní latiny (výpočetní technika) - Western Latin character sets (computing)

Několik binárních reprezentací 8bitových znakové sady pro běžné Západoevropský jazyky jsou porovnávány v tomto článku. Tato kódování byla navržena pro reprezentaci italština, španělština, portugalština, francouzština, Němec, holandský, Angličtina, dánština, švédský, Norština, a islandský, které používají latinka, několik dalších písmen a těch s předkomponovanými diakritiky, někteří interpunkce a různé symboly (včetně některých řeckých písmen). Ačkoli se jim říká „západoevropský“, mnoho z těchto jazyků se používá po celém světě. Také tyto znakové sady podporují mnoho dalších jazyků, jako je Malajština, Svahilština, a Klasická latina.

Tento materiál je technicky zastaralý a byl funkčně nahrazen Unicode. Stále však má historický zájem.

souhrn

The ISO-8859 řada 8-bit znakové sady kóduje vše latinský znakové sady používané v Evropa, i když to samé kódové body mít více použití, které způsobily určité potíže (včetně mojibake nebo zkomolené znaky a problémy s komunikací). Příchod Unicode s jedinečným kódovým bodem pro každého glyf, tyto problémy vyřešil.

Dějiny

Dřívější sedmbit NÁS. Americký standardní kód pro výměnu informací ('ASCII') kódování má znaky dostatečné k tomu, aby správně reprezentovalo pouze několik jazyků, jako je angličtina, latina, malajština a svahilština. Chybí některá písmena a kombinace písmen a písmen v jiných jazycích latinky a abecedy. Jelikož však na většině počítačových platforem poskytovaných USA neexistovala jiná možnost, použití ASCII bylo nevyhnutelné, kromě případů, kdy existoval silný národní výpočetní průmysl. Tam byl ISO 646 skupina kódování, která nahradila některé symboly v ASCII místními znaky, ale prostor byl velmi omezený a některé nahrazené symboly byly ve věcech, jako jsou programovací jazyky, docela běžné.

Většina počítačů interně používala 8bitové bajty, ale komunikace (považovaná za inherentně nespolehlivou) používala sedm datových bitů plus jeden paritní bit. Časem se stalo běžným používat všech osm bitů pro data, čímž se vytvořil prostor pro dalších 128 znaků. V počátcích byla většina z nich specifická pro systém, ale postupně ISO / IEC 8859 objevily se standardy, které poskytují určitou multiplatformní podobnost umožňující výměnu informací.

Ke konci 20. století, kdy klesly náklady na úložiště a paměť, přestaly být problémy spojené s více významy daného osmibitového kódu (existuje pouze sedm sad kódů ISO-latina) oprávněné. Všechny hlavní operační systémy byly přesunuty do Unicode jako jejich hlavní vnitřní reprezentace. Protože však Windows nepodporoval UTF-8 způsob kódování Unicode (přednost UTF-16 ), mnoho aplikací bylo i nadále omezeno na tyto starší znakové sady.

Symbol měny euro

The euro a jeho znak eura zavedl značný tlak na podporu znaku eura (€) a většina 8bitových znakových sad musela být nějakým způsobem upravena.

  • Apple s MacRoman a Sun Microsystems s Solaris OS jednoduše nahradil obecný znak měny (¤ ). To způsobilo značné potíže, protože organizace pro to našly jiné využití, například logo společnosti.
  • ISO představilo další variantu ISO 8859, ISO 8859-15, který nahradil obecný znak měny znakem eura a provedl další nahrazení symbolů písmeny s diakritikou. ISO 8859-15 nikdy neobdržela široké přijetí.
  • S Windows-1252 Microsoft umístil znak eura do mezery (pozice 80hex) ve stávajícím Řídicí kódy C1.

Všechny tyto problémy byly vyřešeny, protože operační systémy byly upgradovány na podporu Unicode jako standard, který kóduje znak eura na U + 20AC (desítkově 8364).

Srovnávací tabulka

Kódové body U + 0000 na U + 007F se v této tabulce aktuálně nezobrazují, protože jsou přímo mapovány ve všech zde uvedených znakových sadách. The ASCII standard kódování definuje původní specifikaci pro mapování prvních 0-127 znaků.

Tabulka je uspořádána podle Unicode kódový bod. Na znakové sady zde odkazuje jejich IANA jména v velká písmena.

CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
NBSPU + 00A0A0A0A0FFFFCA
¡U + 00A1A1A1A1INZERÁTINZERÁTC1
¢U + 00A2A2A2A29BBDA2
£U + 00A3A3A3A39C9CA3
¤U + 00A4A4 A4 CF 
¥U + 00A5A5A5A59DBÝTB4
¦U + 00A6A6 A6 DD 
§U + 00A7A7A7A7 F5A4
¨U + 00A8A8 A8 F9AC
©U + 00A9A9A9A9 B8A9
ªU + 00AAAAAAAAA6A6BB
«U + 00ABABABABAEAEC7
¬U + 00ACACACACAAAAC2
PLACHÝU + 00ADINZERÁTINZERÁTINZERÁT F0 
®U + 00AEAEAEAE A9A8
¯U + 00AFAFAFAF EEF8
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
°U + 00B0B0B0B0F8F8A1
±U + 00B1B1B1B1F1F1B1
²U + 00B2B2B2B2FDFD 
³U + 00B3B3B3B3 FC 
´U + 00B4B4 B4 EFAB
µU + 00B5B5B5B5E6E6B5
U + 00B6B6B6B6 F4A6
·U + 00B7B7B7B7FAFAE1
¸U + 00B8B8 B8 F7FC
¹U + 00B9B9B9B9 FB 
ºU + 00BABABABAA7A7před naším letopočtem
»U + 00BBBBBBBBAFAFC8
¼U + 00BCpřed naším letopočtem před naším letopočtemACAC 
½U + 00BDBD BDABAB 
¾U + 00BEBÝT BÝT F3 
¿U + 00BFBFBFBFA8A8C0
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
AU + 00C0C0C0C0 B7CB
AU + 00C1C1C1C1 B5E7
AU + 00C2C2C2C2 B6E5
AU + 00C3C3C3C3 C7CC
AU + 00C4C4C4C48E8E80
AU + 00C5C5C5C58F8F81
ÆU + 00C6C6C6C69292AE
CU + 00C7C7C7C7808082
EU + 00C8C8C8C8 D4E9
EU + 00C9C9C9C9909083
EU + 00CACACACA D2E6
EU + 00CBCBCBCB D3E8
ÌU + 00CCCCCCCC DEED
ÍU + 00CDCDCDCD D6EA
ÎU + 00CECECECE D7EB
ÏU + 00CFCFCFCF D8ES
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
ÐU + 00D0D0D0D0 D1 
ÑU + 00D1D1D1D1A5A584
ÓU + 00D2D2D2D2 E3F1
ÓU + 00D3D3D3D3 E0EE
ÓU + 00D4D4D4D4 E2EF
ÓU + 00D5D5D5D5 E5CD
ÓU + 00D6D6D6D6999985
×U + 00D7D7D7D7 9E 
ÓU + 00D8D8D8D8 9DAF
ÙU + 00D9D9D9D9 EBF4
ÚU + 00DADADADA E9F2
ÛU + 00 dBDBDBDB EAF3
"U + 00DCDCDCDC9A9A86
“U + 00DDDDDDDD ED 
ÞU + 00DEDEDEDE E8 
ßU + 00DFDFDFDFE1E1A7
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
AU + 00E0E0E0E0858588
AU + 00E1E1E1E1A0A087
AU + 00E2E2E2E2838389
AU + 00E3E3E3E3 C68B
AU + 00E4E4E4E484848A
AU + 00E5E5E5E586868C
…U + 00E6E6E6E69191BÝT
CU + 00E7E7E7E787878D
EU + 00E8E8E8E88A8A8F
EU + 00E9E9E9E982828E
EU + 00EAEAEAEA888890
EU + 00EBEBEBEB898991
ìU + 00ECESESES8D8D93
íU + 00EDEDEDEDA1A192
„U + 00EEEEEEEE8C8C94
ïU + 00EFEFEFEF8B8B95
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
ðU + 00F0F0F0F0 D0 
-U + 00F1F1F1F1A4A496
ÓU + 00F2F2F2F2959598
ÓU + 00F3F3F3F3A2A297
ÓU + 00F4F4F4F4939399
ÓU + 00F5F5F5F5 E49B
ÓU + 00F6F6F6F694949A
÷U + 00F7F7F7F7F6F6D6
ÓU + 00F8F8F8F8 9BBF
ùU + 00F9F9F9F997979D
úU + 00FAFAFAFAA3A39C
ûU + 00FBFBFBFB96969E
üU + 00FCFCFCFC81819F
ýU + 00FDFDFDFD ES 
þU + 00FEFEFEFE E7 
ÿU + 00FFFFFFFF9898D8
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
jáU + 0131    D5F5
ŒU + 0152 před naším letopočtem8C  CE
-U + 0153 BD9C  CF
ŠU + 0160 A68A   
šU + 0161 A89A   
ŸU + 0178 BÝT9F  D9
ŽU + 017D B48E   
žU + 017E B89E   
ƒU + 0192  839F9FC4
ˆU + 02C6  88  F6
ˇU + 02C7     FF
˘U + 02D8     F9
˙U + 02D9     FA
˚U + 02DA     FB
˛U + 02 dB     FE
˜U + 02DC  98  F7
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
˝U + 02DD     FD
ΓU + 0393   E2  
ΘU + 0398   E9  
ΣU + 03A3   E4  
ΦU + 03A6   E8  
ΩU + 03A9   EA BD
αU + 03B1   E0  
δU + 03B4   EB  
εU + 03B5   EE  
πU + 03C0   E3 B9
σU + 03C3   E5  
τU + 03C4   E7  
φU + 03C6   ED  
–U + 2013  96  D0
—U + 2014  97  D1
‗U + 2017    F2 
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
‘U + 2018  91  D4
’U + 2019  92  D5
‚U + 201A  82  E2
“U + 201C  93  D2
”U + 201D  94  D3
„U + 201E  84  E3
†U + 2020  86  A0
‡U + 2021  87  E0
•U + 2022  95  A5
…U + 2026  85  C9
‰U + 2030  89  E4
‹U + 2039  8B  DC
›U + 203A  9B  DD
⁄U + 2044     DA
ⁿU + 207F   FC  
₧U + 20A7   9E  
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
€U + 20AC A480 (D5)[poznámka 1][2][3]DB
™U + 2122  99  AA
∂U + 2202     B6
∆U + 2206     C6
∏U + 220F     B8
∑U + 2211     B7
∙U + 2219   F9  
√U + 221A   FB C3
∞U + 221E   ES B0
∩U + 2229   EF  
∫U + 222B     BA
≈U + 2248   F7 C5
≠U + 2260     INZERÁT
≡U + 2261   F0  
≤U + 2264   F3 B2
≥U + 2265   F2 B3
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
⌐U + 2310   A9  
⌠U + 2320   F4  
⌡U + 2321   F5  
─U + 2500   C4C4 
│U + 2502   B3B3 
┌U + 250 ° C   DADA 
┐U + 2510   BFBF 
└U + 2514   C0C0 
┘U + 2518   D9D9 
├U + 251C   C3C3 
┤U + 2524   B4B4 
┬U + 252C   C2C2 
┴U + 2534   C1C1 
┼U + 253C   C5C5 
═U + 2550   CDCD 
║U + 2551   BABA 
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
╒U + 2552   D5  
╓U + 2553   D6  
╔U + 2554   C9C9 
╕U + 2555   B8  
╖U + 2556   B7  
╗U + 2557   BBBB 
╘U + 2558   D4  
╙U + 2559   D3  
╚U + 255A   C8C8 
╛U + 255B   BÝT  
╜U + 255 ° C   BD  
╝U + 255D   před naším letopočtempřed naším letopočtem 
╞U + 255E   C6  
╟U + 255F   C7  
╠U + 2560   CCCC 
╡U + 2561   B5  
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
╢U + 2562   B6  
╣U + 2563   B9B9 
╤U + 2564   D1  
╥U + 2565   D2  
╦U + 2566   CBCB 
╧U + 2567   CF  
╨U + 2568   D0  
╩U + 2569   CACA 
╪U + 256A   D8  
╫U + 256B   D7  
╬U + 256C   CECE 
▀U + 2580   DFDF 
▄U + 2584   DCDC 
█U + 2588   DBDB 
▌U + 258C   DD  
▐U + 2590   DE  
CharakterKódový bodISO-8859-1ISO-8859-15OKNA-1252IBM437IBM850MACINTOSH
░U + 2591   B0B0 
▒U + 2592   B1B1 
▓U + 2593   B2B2 
■U + 25A0   FEFE 
◊U + 25CA     D7
fiU + FB01     DE
flU + FB02     DF
  • Mapování kódových stránek IBM pochází z Unicode web poskytl Microsoft. Viz dokument konsorcia Unicode na webu rozdíly mezi mapováním IBM a Microsoft pro tyto kódové stránky.
  • IBM437 a IBM850 definovaly tisknutelné znaky pro rozsahy řídicích kódů. I když je nelze použít při tisku textu DOS, protože by byly uvězněny před dosažením obrazovky, mohly by být použity aplikacemi, které přímo používaly paměť obrazovky.
  • Macintosh má logo Apple ⟨⟩ na 0xF0 a překládá jej na U + F8FF v Oblast pro soukromé použití pro Unicode.

Poznámky

  1. ^ IBM PC DOS 2000, vydané v roce 1998, změnily svou definici kódové stránky 850 na to, čemu říkaly upravená kódová stránka 850 nyní včetně přidání znaku eura v kódovém bodě 213 místo přidání nové kódová stránka 858. Důvodem pro to mohla být stávající omezení při implementaci logiky přepínání kódových stránek pod MS-DOS /PC DOS, která omezila soubory .CPI na velikost 64 kB nebo maximálně asi šest kódových stránek, omezení, které bylo obcházeno v některých verzích OEM systému MS-DOS, v Windows NT, a také neexistuje v DR-DOS. Analyzátor v systému MS-DOS / PC DOS dále omezuje počet možných záznamů o zemi / kódové stránce COUNTRY.SYS souborů na maximálně 146 nebo 438, omezení v DR-DOS neexistuje. Přidání podpory pro kódovou stránku 858 tedy mohlo znamenat, že se současně vypustí další (např. Kódová stránka 850), což v té době možná nebylo životaschopné řešení, vzhledem k tomu, že některé aplikace používaly kódovou stránku 850 pevně.

Reference

  1. ^ "00858". Kódové stránky podle CPGID. IBM. Archivováno od originálu 06.06.2016. Citováno 2016-06-06.
  2. ^ Paul, Matthias R. (2001-08-15). „Změna kódových stránek ve FreeDOS“ (Technická specifikace designu založená na příspěvku fd-dev [1] ). Archivovány od originál dne 06.06.2016. Citováno 2016-06-06. Nové oficiální ID pro vícejazyčnou „kódovou stránku 850 s EURO SIGN“ je 858, nikoli 850. IBM s budoucími vydáními svých produktů přejde na používání 858 místo 850 variant. [...] Mohu jen hádat, proč k tomu nepřidali 858 EGAx.CPI, COUNTRY.SYS, a KEYBOARD.SYS soubory v PC DOS 2000. Mnoho aplikací třetích stran je navrženo pro práci s 850 a v době vydání PC DOS 2000 nevědělo o 858, takže je to pro všechny jednodušší, ale bohužel není kompatibilní. […] Jak je vysvětleno výše, COUNTRY.SYS a KEYBOARD.SYS obsahují pouze dvě položky kódové stránky pro danou zemi v západních číslech systému DOS. (V arabských a hebrejských číslech může existovat až 8 kódových stránek pro jednu zemi, teoreticky není limit pod rozsahem povolených kódových stránek 1..65534). […] Problém je v tom, že odebrání podpory pro 850 mohlo způsobit problémy s kompatibilitou s aplikacemi, které jsou pevně připojeny k použití 850. Přidání čísla 858 jako třetí volby ke všem souborům by významně zvýšilo velikost souborů a tabulek. Analyzátor souborů COUNTRY.SYS v systému MS-DOS / PC DOS IO.SYS /IBMBIO.COM vyhrazuje poznámkový blok 6 kB (pro DOS 6) k načtení všech informací. To umožňuje přijetí maximálně 438 položek v souboru COUNTRY.SYS, jinak se zobrazí zpráva „COUNTRY.SYS too large.“. The NLSFUNC analyzátor toto omezení nemá a analyzátory souborů v systému DR-DOS (jádro a NLSFUNC) o takovém omezení také nevědí. Starší vydání systému MS-DOS / PC DOS měla dokonce 2 kB vyrovnávací paměť pro maximálně 146 položek.
  3. ^ Paul, Matthias R. (2001-08-27). „Změna kódových stránek ve FreeDOS (následná kontrola)“. Archivováno od originálu dne 2014-10-01. Citováno 2013-05-08. […] Lze také bez potíží vytvořit vlastní soubory .CPI v tradičním stylu FONT, ale do takového souboru byste mohli uložit pouze […] šest kódových stránek, pokud by to mělo být použitelné pro MS-DOS / PC DOS (některé OEM problémy a NT zvládne soubory větší než 64 kB, ale MS-DOS / PC DOS ne).