Двоичное кодирование текстовой информации. Различные кодировки кириллицы

Начиная с конца 60-х годов компьютеры все больше стали использоваться для обработки текстовой информации, и в настоящее время основная доля персональных компьютеров в мире (и большая часть времени) занята обработкой именно текстовой информации. Традиционно для кодирования одного символа используется количество информации, равное 1 байту, т. е. I = 1 байт = 8 бит. Если рассматривать символы как возможные события, то можно вычислить, какое количество различных символов можно закодировать: N = 2^I = 2⁸ = 256 возможных событий, то есть возможных символов.

Такое количество символов вполне достаточно для представления текстовой информации, включая прописные и заглавные буквы русского и латинского алфавита, цифры, знаки, графические символы и т. д.

Кодирование заключается в том, что каждому символу ставится в соответствие уникальный десятичный код от 0 до 255 или соответствующий ему двоичный код от 00000000 до 11111111.

Таким образом, человек различает символы по их начертанию, а компьютер – по их коду. При вводе в компьютер текстовой информации происходит ее двоичное кодирование, изображение символа преобразуется в его двоичный код. Пользователь нажимает на клавиатуре клавишу с символом – и в компьютер поступает определенная последовательность из восьми электрических импульсов (двоичный код символа). Код символа хранится в оперативной памяти компьютера, где занимает одну ячейку.

В процессе вывода символа на экран компьютера производится обратный процесс – декодирование, т.е. преобразование кода символа в его изображение.

Важно, что присвоение символу конкретного кода – это вопрос соглашения, которое фиксируется в кодовой таблице. Первые 33 кода (с 0 по 32) обозначают не символы, а операции (перевод строки, ввод пробела и т. д.)

Коды с 33 по 127 – интернациональные и соответствуют символам латинского алфавита, цифрам, знакам арифметических операций и знакам препинания. Коды с 128 по 255 являются национальными, т.е. в национальных кодировках одному и тому же коду отвечают различные символы.

К сожалению, в настоящее время существует пять различных кодовых таблиц для русских букв (КОИ-8, СР1251, СР866, Мас, ISO), поэтому тексты, созданные в одной кодировке, не будут правильно отображаться в другой. Каждая кодировка задается своей собственной кодовой таблицей. Одному и тому же двоичному коду в различных кодировках поставлены в соответствие различные символы. Примеры кодовых вариантов представлены в таб. 1.2.2, по которой можно увидеть, что одному и тому же русскому символу соответствуют разные числа.

Таблица 1.2.2. Кодировки символов

Двоичный код	Десятичный код	КОИ8	СР1251	СР866	Мас	ISO
		перевод строки (клавиша Enter)
		пробел
		!
		D
			ъ	А	А'	k
		б	В	-	-	Т
		щ	э	_	Ё	н
		ь	я	нераз. пробел	нераз. пробел	п

В последнее время появился новый международный стандарт Unicode, который отводит на каждый символ не один байт, а два, и потому с его помощью можно закодировать не 256 символов, а N = 2¹⁶ = 65536 различных символов. Эту кодировку поддерживают последние версии платформы Microsoft Windows&Office (начиная с 1997 года).

Для того, чтобы представить символ в ПК необходимо:

1. По таблице ASCII (принятая стандартная таблица кодирования символа) определить порядковый номер символа.
2. Порядковый номер из десятичной системы счисления перевести в двоичную систему счисления.
3. Каждому разряду назначить соответствующий уровень напряжения.

Представить слово Hit в форме для записи в ячейки памяти ПК.

Таблица 1.2.3.

Символ	Число по таблице ASCII	Двоичный код	Уровень напряжения в ячейке ПК
H
i
t

Таким образом, получается, что для кодирования слова Hit в памяти ПК необходимо занять 3 ячейки, то есть 3 байта информации.