Pag-encode sa impormasyon nga teksto sa sa computer

Computer - sa usa ka komplikado nga device nga imong mahimo sa paghimo, kinabig, ug tindahan sa impormasyon. Apan, ang computer wala magbuhat kaayo masabtan nga dalan alang kanamo - graphic, text ug numerawo data nga gitipigan nga ingon sa duha arrays mga numero. Sa niini nga artikulo atong tan-awon kon sa unsang paagi nga ang pag-encode sa mga impormasyon nga teksto.

Unsa alang kanato mao ang teksto sa usa ka computer - sa usa ka han-ay sa mga karakter. Ang matag simbolo nagrepresentar sa usa ka pipila ka mga hugpong sa mga sero ug mga. Ubos sa mga simbolo nagpasabot dili lamang sa ibabaw ug sa ubos nga kaso sa mga sulat sa Latin nga alpabeto, apan usab ang punctuation marka, aritmetik mga ilhanan, espesyal nga mga karakter, espesyal nga mga simbolo ug bisan luna.

Duha-encode sa mga teksto nga impormasyon

Pinaagi sa dinalian sa usa ka pipila ka mga yawe sa internal nga controller nagpadala sa usa ka electrical signal nga nakabig ngadto sa usa ka duha code. Code nga nakigtagbo sa usa ka pipila ka mga simbolo, nga gipakita sa screen. Kay pagpasakop sa Latin alpabeto sa usa ka digital format ASCII coding internasyonal nga sistema gilalang. Kini nagkinahanglan 1 Byte alang sa pagtala sa usa ka simbolo sa ingon naglangkob sa walo ka-simbolo ay sa mga sero ug mga. Ang recording kal - gikan sa 00000000 ngadto sa 11111111, ie coding sa impormasyon nga teksto sa paggamit niini nga sistema nagtugot kanato sa pagrepresentar 256 karakter. Sa kadaghanan sa mga kaso, kini mao ang igo.

ASCII gibahin ngadto sa duha ka bahin. Ang unang 127 karakter (gikan sa 00000000 ngadto sa 01111111) ang mga internasyonal ug mga piho nga mga simbolo ug mga sulat sa Iningles alpabeto. Ang ikaduhang bahin - ang extension (gikan sa 10000000 ngadto sa 11111111) - gituyo aron sa pagrepresentar sa national alpabeto, ang sinulat sa nga mao ang lain-laing gikan sa Latin.

Pag-encode nga teksto impormasyon sa ASCII natukod sa baruganan sa pagdugang sa han-ay, ie, ang mas dako ang han-ay nga gidaghanon sa mga sulat, ang mas dako ang bili sa iyang ASCII-code. Numero ug Russian nga bahin sa lamesa nga gitukod sa ibabaw sa sama nga baruganan.

Apan, sa kalibutan adunay mga pipila ka mga matang sa pag-encode sa Cyrillic mga sulat. Ang labing komon nga - mao Koi-8 (walo ka-gamay pag-encode nga gigamit alang sa diha sa mga 70s sa unang ruifitsirovannyh UNIX operating system), ISO 8859-5 (og sa International Standardization Bureau), ang CP 1251 (coding sa teksto nga impormasyon nga gigamit sa mga modernong OS Windows), ingon man usab sa 2-Byte pag-encode sa Unicode, nga mahimong gamiton sa pagpaila sa 65.536 mga karakter. Ang maong usa ka matang sa encodings tungod sa kamatuoran nga sila naugmad sa lain-laing mga panahon, alang sa lain-laing mga operating sistema ug lain-laing mga konsiderasyon. Tungod niini, sa kanunay adunay mga kalisdanan sa diha nga pagbalhin teksto gikan sa usa ka medium ngadto sa usa - gikan sa usa ka mismatch encode user makakita sa usa ka hugpong sa mga makalibog imahen. Unsaon nako pag-ayo niini nga sitwasyon? Sa Pulong, alang sa panig-ingnan, sa diha nga ang usa ka dokumento nga giablihan, nga usa ka mensahe mahitungod sa mga problema uban sa teksto display ug nagtanyag sa pipila ka mga kapilian alang sa transcoding.

Mao kini ang, coding ug sa pagproseso sa teksto nga impormasyon sa mga tinae sa computer ni - ang proseso mao ang lisud nga ug sa panahon-nga nagaut-ut-organisar. Ang tanan nga mga simbolo sa bisan unsa nga alpabeto mga lamang sa usa ka pipila ka mga han-ay sa mga numero sa duha nga sistema, ang usa ka cell - kini mao ang usa ka Byte sa impormasyon.