Наборы символов западной латиницы (вычисления)

Несколько двоичных представлений 8-битных наборов символов для общих Западноевропейских языков сравниваются в этой статье. Эти кодировки были разработаны для представления итальянского, испанского, португальского, французского, немецкого, Голландский, английский, датский, шведский, норвежский и исландский, в которых используется Латинский алфавит, несколько дополнительных букв и буквы с предварительно составленными диакритическими знаками, некоторые знаки препинания и различные символы (включая некоторые греческие буквы). Хотя их называют «западноевропейскими», на многих из этих языков говорят во всем мире. Кроме того, эти наборы символов поддерживают многие другие языки, такие как малайский, суахили и классическая латынь.

. Этот материал технически устарел и был функционально заменен на Юникод. Однако он по-прежнему имеет исторический интерес.

Содержание

• 1 Обзор
• 2 История
  • 2.1 Знак евро
• 3 Таблица сравнения
• 4 Примечания
• 5 Ссылки

Обзор

The ISO-8859 серия наборов символов 8bit кодирует все наборы символов Latin, используемые в Европе, хотя одни и те же кодовые точки имеют несколько применений, вызывающих определенные трудности (включая моджибаке или искаженные символы, а также проблемы со связью). Появление Unicode с уникальной кодовой точкой для каждого глифа устранило эти проблемы.

• ISO / IEC 8859-1 или Latin-1 является наиболее используемым и также определяет первые 256 кодов в Unicode.
• ISO / IEC 8859-15 изменяет ISO-8859-1 для полной поддержки эстонского, финского и французского и добавляет знак евро.
• Windows-1252 - это расширенный набор ISO-8859-1, который включает печатные символы из ISO / IEC 8859-15 и популярные знаки препинания, такие как изогнутые кавычки (также известные как умные кавычки, например, в настройках Microsoft Word и подобных программах). Обычно инструменты веб-страницы для Windows используют Windows-1252, но помечают веб-страницу как использующую ISO-8859-1, это было рассмотрено в HTML5, который требует, чтобы страницы, помеченные как ISO-8859-1, интерпретировались как Windows-1252.
• IBM CP437, предназначенные для English <256 только>, имеет очень мало букв с диакритическими знаками (особенно прописных ), но имеет гораздо больше графических символов, чем другие кодовые страницы IBM , а также некоторые математические и греческие символы, которые используются в качестве технических символов.
• IBM CP850 имеет все печатные символы, которые есть в ISO-8859-1 (хотя и по-другому), и все же им удается иметь достаточно графических символов для создания удобного текстового режима пользовательский интерфейс.
• IBM CP858 отличается от CP850 только одним символом - i без точки (ı ), редко используется за пределами Турции и с n o Предусмотрен эквивалент верхнего регистра, заменен знаком валюты евро (€ ).
• IBM CP859 содержит все печатные символы, которые ISO / IEC 8859-15 имеет, поэтому в отличие от CP850 он поддерживает знак евро, эстонский, финский и французский.
• IBM кодовые страницы 037, 500 и 1047 - это кодировки EBCDIC, которые включают все символы ISO-8859-1.
• Mac OS Roman набор символов (часто называемый MacRoman и известный в IANA как просто MACINTOSH) содержит большинство, но не все, тех же символов, что и ISO / IEC 8859- 1, но в совершенно другом расположении; а также добавляет много технических и математических символов (хотя в нем отсутствуют важные × ) и другие диакритические знаки. Старые Macintosh веб-браузеры, как известно, изменяли несколько символов, которые были в ISO / IEC 8859-1, но не их родные Macintosh набор символов при редактировании текста с веб-сайтов. И наоборот, в веб-материалах, подготовленных на более старом Macintosh, многие символы отображались неправильно при чтении другими операционными системами. Кодировка Macintosh Latin, модификация Mac OS Roman для поддержки ISO / IEC 8859-1, была создана создателями Kermit (протокол) для решения этой проблемы.

История

Более ранние семь- бит США Американский стандартный код для обмена информацией Кодировка ('ASCII') содержит символы, достаточные для правильного представления только нескольких языков, таких как английский, латынь, малайский и суахили. В нем отсутствуют некоторые буквы и буквенно-диакритические комбинации, используемые в других языках латинского алфавита. Однако, поскольку на большинстве компьютерных платформ, поставляемых в США, другого выбора не было, использование ASCII было неизбежным, за исключением тех случаев, когда существовала сильная национальная вычислительная промышленность. Существовала группа кодировок ISO 646, которая заменяла некоторые символы в ASCII локальными символами, но пространство было очень ограничено, а некоторые замененные символы были довольно распространены в таких вещах, как языки программирования.

Большинство компьютеров внутри используют восьмибитные байты, но для связи (которая по своей природе ненадежная) использовалось семь битов данных плюс один бит четности. Со временем стало обычным использовать все восемь бит для данных, создавая пространство для еще 128 символов. Вначале большинство из них были специфичными для системы, но постепенно появились стандарты ISO / IEC 8859, чтобы обеспечить некоторую кросс-платформенную схожесть для обмена информацией.

К концу В 20-м веке, когда снизились затраты на хранение и память, проблемы, связанные с множественными значениями данного восьмибитного кода (существует только семь наборов кодов ISO-Latin), перестали быть оправданными. Все основные операционные системы перешли на Unicode в качестве основного внутреннего представления. Однако, поскольку Windows не поддерживала метод кодирования Unicode UTF-8 (предпочитая UTF-16 ), многие приложения по-прежнему ограничивались этими устаревшими наборами символов.

Знак евро

Знак евро и его знак евро оказали значительное давление на поддержку знака евро (€) и большинства 8-битных наборы символов пришлось как-то адаптировать.

• Apple с MacRoman и Sun Microsystems с OS Solaris просто заменили общий знак валюты (¤ ). Это вызвало значительные трудности, поскольку организации нашли ему другое применение, например, логотип компании.
• ISO представила дополнительный вариант ISO 8859, ISO 8859-15, который заменил общую валюту знак евро, а также некоторые другие замены символов буквами с диакритическими знаками. ISO 8859-15 так и не получил широкого распространения.
• В Windows-1252 Microsoft поместила знак евро в пробел (позиция 80 шестнадцатеричный) в существующем Контрольные коды C1.

Все эти проблемы были решены, поскольку операционные системы были обновлены для поддержки Unicode в качестве стандарта, который кодирует знак евро в U + 20AC (десятичное число 8364).

Таблица сравнения

Кодовые точки от U + 0000 до U + 007F в настоящее время не показаны в этой таблице, поскольку они напрямую отображаются во всех перечисленных здесь наборах символов. Стандарт кодирования ASCII определяет исходную спецификацию для отображения первых 0–127 символов.

Таблица упорядочена по кодовой точке Unicode. Наборы символов здесь упоминаются их именами IANA в верхнем регистре.

• Сопоставления кодовых страниц IBM взяты с сайта Unicode, предоставленного Microsoft. См. Документ Консорциума Unicode о различиях между отображениями IBM и Microsoft для этих кодовых страниц.
• IBM437 и IBM850 определили печатаемые символы для диапазонов управляющих кодов. Хотя их нельзя было использовать при печати текста через DOS, так как они будут захвачены до достижения экрана, они могут использоваться приложениями, которые напрямую используют память экрана.
• Macintosh имеет Apple logo ⟨⟩ в 0xF0, и преобразует его в U + F8FF в области частного использования для Unicode.

Примечания

Ссылки