Principe de l'encodage binaire des caractères

Dimension: px

Commencer à balayer dès la page:

Download "Principe de l'encodage binaire des caractères"

Sandrine Marie-Ange Benoît
il y a 7 ans
Total affichages :

1 Principe de l'encodage binaire des caractères L'informatique est basé sur le traitement et le stockage de l'information à l'aide d'entités binaires appelées bits, pouvant prendre les valeurs symboliques 0 ou 1. Concrètement le support d'une entité binaire pourra être tout système physique présentant deux états distincts pouvant être à tout moment choisi (écriture) ou connu (lecture) et le reste du temps conservé (mémoire). Cela pourra être la présence ou l'absence d'une charge électrique, la polarisation N/S ou S/N d'un dipôle (petit barreau aimanté) magnétique ou encore la différence de relief dans un support physique comme un disque optique qui renverra ou non le faisceau d'un laser vers un détecteur. Il s'agit de trouver un système de stockage de données textuelles et donc de coder les caractères alphabétiques à l'aide de ces bits Avec un bit, on distingue deux valeurs : 0 et 1. On pourrait décider que 0 représenter la lettre "a" et 1 la lettre "b". Mais quid des autres lettres. Si on choisit alors de lire (et écrire) les bits deux par deux, on aura 4 valeurs différentes: 00, 01, 10, 11. En attribuant à chacune de ces combinaisons une lettre de l'alphabet, on pourra distinguer les lettres de "a" à "d". Avec trois bits, on aura les 4 valeurs précédentes avec un 0 devant et les mêmes 4 valeurs avec un 1 devant. On aura doublé le nombre de valeurs et donc de lettres distinguables. 3 bits permettent de coder 8 caractères différents. Chaque fois que l'on ajoute un bit à notre système de codage, on double le nombre de valeurs possibles du mot binaire. Pour distinguer nos 26 lettres de l'alphabet, il faudrait les coder sur 5 bits (2^5=32 valeurs différentes). Pour pouvoir distinguer les minuscules des majuscules (soit 52 caractères), il faudra passer à 6 bits (2^6=64). Pour saisir nos textes, il nous faudra ajouter les caractères de ponctuation (espace, point, virgule, parenthèses...) et également des codes pour contrôler la forme du texte : fin de paragraphe, tabulation... Les 12 codes restants ne suffiront pas, on passera donc à un codage sur 7 bits, soit 128 codes différents. C'est ce choix qui a été retenu dans le standard ASCII qui affecte un numéro de code distinct à chacun des caractères de l'alphabet Latin ainsi qu'à 32 caractères dits de contrôle (de 0 à 31) 1. L'affichage de ces caractères à l'écran (ou son impression) se fait par l'intermédiaire d'un fichier spécial appelé police de caractères qui contient la définition graphique des caractères. Il consiste en des tables définissant la forme de chacun des caractères identifié par un octet. Depuis le standard TTF (True Type Font), une seule police est nécessaire pour l'écran et l'imprimante quelque soit la taille du caractère. Chaque police diffère par le style du caractère mais d'une police à l'autre, un même code représente le même caractère 1 En fait dès le départ, les données seront gérées par mots de 8 bits appelés octets. Le 8ème bit ne servait pas à l'origine à coder des caractères supplémentaires, mais à contrôler les échanges des données d'un point à un autre de la chaîne informatique.

2 (sauf pour les polices spéciales représentant autre chose que des caractères alphabétiques courants, par exemple une police API). Le standard ASCII sur 7 bits ! " # $ % & ' ( ) * +, -. / : ; < = >? A B C D E F G H I J K L M N O P Q R S T U V W X Y Z [ \ ] ^ _ ` a b c d e f g h i j k l m n o p q r s t u v w x y z { } ~ Nos systèmes d'écriture européens ne peuvent pas se satisfaire de ces seuls caractères latins du fait des diacritiques qu'ils utilisent (é, è, ê...) ou encore des caractères non-latins (cyrillique, grec...). La libération du 8ème bit a permis de doubler la capacité de codage des caractères. Sur les 128 codes supplémentaires libérés, une trentaine a été réservée pour des caractères de contrôle supplémentaires et le reste a été affecté d'abord aux caractères spéciaux des système d'écriture de l'europe de l'ouest. Cela a donné naissance au standard ANSI. Les différents systèmes d'exploitation (Windows, Mac...) ont malheureusement leurs propres standards pour cette extension et de fait, il y a incompatibilité entre fichiers provenant de plateformes différentes dès que ces codes étendus sont utilisés. Certains logiciels, comme Word, restitue automatiquement les caractères à leur place au moment de l'ouverture d'un fichier issu d'une autre plateforme 2. D'autre part, pour satisfaire les besoins du reste du monde, des variantes se sont développées pour cette deuxième partie de la table de codage. Ainsi des jeux de caractères (character set ou codepage) différents sont apparus suivant l'aire géographique d'utilisation de l'ordinateur. Un système d'exploitation ne pouvait jusqu'alors gérer qu'un jeu de caractères à la fois et ce choix était fait au démarrage. Les fichiers provenant d'une aire géographique différente ne pouvait pas s'afficher correctement sur un autre système. 2 Toutefois, certains caractères spéciaux (peu nombreux) sont codés dans une plateforme et pas dans l'autre et dans ce cas, il y a une erreur d'affichage.

3 Les jeux de caractères 8 bits Exemples Sous Windows (SBCS: single bit character set. CP 1251 : Europe centrale; CP1252 : Europe de l'ouest ) ƒ ˆ Š Š Œ Ś Ť Ž Ž Ź š š œ ś ť ž ž Ÿ ź ˇ Ł Ą ª Ș « Ż ± ± ² ³ ł µ µ ¹ ą º ș » ¼ Ľ ½ ¾ ľ ż À Ŕ Á Á Â Â Ã Ă Ä Ä Å Ĺ Æ Ć Ç Ç È Č É É Ê Ę Ë Ë Ì Ě Í Í Î Î Ï Ď Ð Đ Ñ Ń Ò Ň Ó Ó Ô Ô Õ Ő Ö Ö Ø Ř Ù Ů Ú Ú Û Ű Ü Ü Ý Ý Þ Ț ß ß à ŕ á á â â ã ă ä ä å ĺ æ ć ç ç è č é é ê ę ë ë ì ě í í î î ï ď ð đ ñ ń ò ň ó ó ô ô õ ő ö ö ø ř ù ů ú ú û ű ü ü ý ý þ ț ÿ

4 Standard Windows CP1252 (Europe de l'ouest) ! " # $ % & ' ( ) * +, -. / : ; < = >? A B C D E F G H I J K L M N O P Q R S T U V W X Y Z [ \ ] ^ _ ` a b c d e f g h i j k l m n o p q r s t u v w x y z { } ~ ƒ ˆ Š Œ Ž š œ ž Ÿ ª « ± ² ³ µ ¹ º» ¼ ½ ¾ À Á Â Ã Ä Å Æ Ç È É Ê Ë Ì Í Î Ï Ð Ñ Ò Ó Ô Õ Ö Ø Ù Ú Û Ü Ý Þ ß à á â ã ä å æ ç è é ê ë ì í î ï ð ñ ò ó ô õ ö ø ù ú û ü ý þ ÿ

Un texte basé sur un script LATIN s'affichera mal avec une version "exotique" du système d'exploitation code US Windows Russian Windows Thai Windows 225 199 234 242 241 252 163 Exemple de

01101110011001000110000101101110011101000010000001101100001001110110100001101111 01110010011100100110010101110101011100100010000001100100001001110111010101101110

010000110010011111101001011101000110000101101001011101000010000001110000011 00101 C ' é t a i t p e 011011100110010001100001011011100111010000100000011011000010011101101000011 01111 n d a n t

5 Un texte basé sur un script LATIN s'affichera mal avec une version "exotique" du système d'exploitation code US Windows Russian Windows Thai Windows Exemple de texte encodé en Latin1 C'était pendant l'horreur d'une profonde nuit C ' é t a i t p e n d a n t l ' h o r r e u r d ' u n e p r o f o n d e n u i t espace lettre n

6 Le même texte enregistré par WORD ÐÏà ± á > þÿ! # þÿÿÿ ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿì Á 9 ð 1 bjbjýïýï. Ÿ Ÿ 1 ÿÿ ÿÿ ÿÿ l ž ž ž ž ž ž ž ² Ì Ì Ì Ì Ø ² ë ð ð ð ð ð ð ð ð j l l l l l l $ Á ª ž ð ð ð ð ð ú ž ž ð ð ú ú ú ð ž ð ž ð j ú ð j ú p ú j ž ž j ð Nþ Â ² Ì ð j j» 0 ë j k ð k j ú ² ² ž ž ž ž Ù C'était pendant l'horreur d'une profonde nuit ý 1 þ, 1 h. ÆA! " # $ % Ä Ä Ä i 8 N o r m a l CJ _HaJ mhshth 2 A@òÿ 2 P o l i c e p a r d é f a u t 1 ÿÿÿÿ ÿÿ C h r i s t i a n * C : \ 1. D e v e l o p p e m e n t \ I n a l c o \ \ h o r r e u r. d o c ÿ@ 0 0 & & ÿÿ U n k n o w n ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ G z ÿ T i m e s N e w R o m a n 5 S y m b o l 3& z ÿ A r i a l " 1ˆ ðä ÀBqfËBqf (! ð 0 1 2ƒ ð ÿÿ. C ' é t a i t p e n d a n t l ' h o r r e u r d ' u n e p r o f o n d e n u i t & C h r i s t i a n C h r i s t i a n þÿ à ŸòùOh «+'³Ù0 œ Ð Ü ð ü 0 < X d p Œ ä - / C'était pendant l'horreur d'une profonde nuit 0- 'ét- Christian nd- hri- hri- Normal.dot d- Christian d- 2 ri- Microsoft Word 9.0 o@ ü

Documents pareils

Le codage informatique

Outils de Bureautique Le codage informatique (exemple : du binaire au traitement de texte) PLAN 3) Le codage binaire 4) Représentation physique des bits 5) Le bit est un peu court... 6) Codage de texte