INF4375 Paradigmes des échanges Internet. Encodage de caractères. Jacques Berger

Dimension: px

Commencer à balayer dès la page:

Download "INF4375 Paradigmes des échanges Internet. Encodage de caractères. Jacques Berger"

Mathilde Paquin
il y a 9 ans
Total affichages :

1 INF4375 Paradigmes des échanges Internet Encodage de caractères Jacques Berger

2 Objectifs Comprendre la problématique et les solutions

3 Prérequis Aucun

4 Encodage de caractères Ne s'applique qu'aux chaînes de caractères En mémoire Dans un fichier Un fichier texte, c'est une chaîne de caractères

5 Encodage de caractères Découle de la représentation binaire de la chaîne de caractères Encodages standards Encodages propriétaires

6 Problème Le web accentue les problèmes d'incompatibilité d'encodage de caractères Plus de communications Plus de composants Plus d'échanges de données

7 Problème L'interprétation d'une donnée encodée avec un encodage différent Exemple : "Énoncé du TP1" encodé en UTF-8, interprété en Latin1 devient : "ÃnoncÃ du TP1"

8 Concepts de base Répertoire Ensemble de symboles Code Tableau de symboles Position : index dans le tableau Assignation d'un numéro de référence

9 Concepts de base Encodage Algorithme Code <=> chaîne de bits Représentation du code selon une convention binaire

10 Confusion Langue et encodage Police de caractères

11 ASCII L'encodage de base à tous les autres Combine le répertoire, le code et l'encodage Répertoire : 128 caractères anglais Code :

12 ASCII Encodage Le code est directement traduit en binaire ASCII est encodé sur 7 bits Plusieurs variantes selon le pays d'usage grâce au 8ème bit (ASCII étendu)

13 ISO (Latin1) Encodage normalisé Contient le code ASCII Rétrocompatible avec ASCII Encodage fait sur un seul octet

14 ISO (Latin1) Contient les caractères en usage en Europe occidentale Possède une plage de codes réservés

15 ISO (Latin1) Traduction ASCII vers Latin1 : directe, sans perte Latin1 vers ASCII : directe, avec perte

16 Windows-1252 (cp-1252) Encodage propriétaire de Microsoft Par défaut avec Windows Semblable mais non identique à Latin contient Latin1 Utilise les positions de code réservées de Latin1

17 Windows-1252 (cp-1252) Traduction ASCII vers 1252 : directe, sans perte 1252 vers ASCII : directe, avec perte

18 Windows-1252 (cp-1252) Traduction Latin1 vers 1252 : conversion, sans perte 1252 vers Latin1 : conversion, avec perte

19 Mac Roman Encodage propriétaire d'apple Par défaut sur les machines Apple Semblable mais non identique à Latin1 Contient ASCII Contient une partie seulement de Latin1

20 Mac Roman Traduction ASCII vers MR : directe, sans perte MR vers ASCII : directe, avec perte

21 Mac Roman Traduction Latin1 vers MR : conversion, avec perte MR vers Latin1 : conversion, avec perte

22 Mac Roman Traduction 1252 vers MR : conversion, avec perte MR vers 1252 : conversion, avec perte

23 Unicode répertoire et code Compatibilité avec UCS (Universal Char Set) UCS est divisé en plans Chaque plan contient des caractères reliés

24 Unicode répertoire et code BMP contient la majorité des caractères «utiles» Basic Multilingual Plane Les autres plans : plans astraux

25 Unicode encodage UTF-32 Encode un caractère vers un entier sur 4 octets 4 fois la taille de Latin1 Très volumineux

26 Unicode encodage UTF-16 Encodage à longueur variable sur 2 ou 4 octets 2 octets : BMP 4 octets : le reste

27 Unicode encodage UTF-8 Encodage à longueur variable sur 1 à 4 octets 1 octet : ASCII 2 octets : caractères européens 3 octets : le reste du BMP 4 octets : le reste

28 Unicode encodage UTF-8 Algorithme plus complexe qu'utf-16 et UTF-32 Plus efficace pour les textes anglophones Code source

29 Unicode encodage UTF-8 Ethnocentrisme Rétrocompatible avec ASCII IETF favorise UTF-8

30 Unicode Traduction Unicode vers autre : conversion, avec perte Autre vers unicode : conversion, sans perte

31 Recommandations Si possible, entente entre les deux parties d'une communication Spécifier l'encodage avec les données HTTP, HTML, XML, etc. Utiliser des caractères sécuritaires Éviter les encodages propriétaires

32 Recommandations Quel encodage choisir? Dépend des caractères les plus communs Taille vs interopérabilité En Amérique du Nord : UTF-8, Latin1, ASCII

33 Recommandations Pour les échanges web : UTF-8

34 Plus loin... Table ASCII ISO

35 Plus loin... Windows Mac Roman

36 Plus loin... Unicode

Documents pareils

TP Codage numérique des caractères. Un ordinateur ne manipule que des 0 et des 1 : Comment alors code-t-il du texte?

TP Codage numérique des caractères Un ordinateur ne manipule que des 0 et des 1 : Comment alors code-t-il du texte? I Le code ASCII 1. Une première approche Ouvrir un fichier Excell Sur la ligne 1 du tableau,