KODY ASCII, ANSI i UniCodeSystem.

Liczby - podstawowe pojęcie matematyki; powstało w świadomości człowieka na wiele tysięcy lat p.n.e a następnie rozwijało i kształtowało się wraz z rozwojem cywilizacji. Liczby służą do oznaczania liczności zbiorów (np. przedmiotów).
Cyfry - umowne znaki służące do zapisywania liczb.

1. SYSTEMY LICZBOWE. BIT. BAJT

Dawno temu starożytni rzymianie posługiwali się podczas zapisu liczb systemem, w którym ważna była kolejność występowanie liter służących za cyfry lub miejsce umieszczenia.
Taki system nazywamy niepozycyjnym. Zapisana w nim liczba roku 1999 to MCMXCIX. Problem zapisu polegał na braku cyfry oznaczającej "nic" czyli zero. Zero nie występuje w przyrodzie. Zostało wynalezione w V wieku n.e.
Od tej pory posługujemy się systemem pozycyjnym z cyframi arabskimi (Arabowie ich nie używają!), w którym o znaczeniu (wadze) cyfry w zapisie liczby świadczy jej pozycja.
Na codzień posługujemy się systemem dziesiętnym (ile mamy palców u rąk?). Cyfry od 0 do 9 - biorąc od prawej oznaczają wartość liczby reprezentowanej przez cyfrę pomnożoną przez potęgę dziesiątki począwszy od zerowej. Suma wyników daje liczbę.

Rok 1999 zapisany w systemie dziesiętnym:

	1999 = 9*100 + 9*101 + 9*102 + 1*103
czyli:	1999 = 9*1 + 9*10 + 9*100 + 1*1000
czyli:	1999 = 9 + 90 + 900 + 1000

Komputer - w ogromnym uproszczeniu - rozpoznaje dwa stany: "jest" ("1") lub "nie ma" ("0").
Mówimy, że komputer liczy w "systemie dwójkowym" - "binarnym". Cyfry 0 lub 1, biorąc od prawej, oznaczają wartość liczby reprezentowanej przez cyfrę pomnożoną przez potęgę dwójki począwszy od zerowej. Suma wyników daje liczbę.

Zapis liczby 42 w systemie dwójkowym - zwanym "binarnym" to 101010:

	101010 = 1*25 + 0*24 + 1*23 + 0*22 + 1*21 + 0*20
czyli:	101010 = 1*32 + 0*16 + 1*8 + 0*4 + 1*1 + 0*1
czyli:	101010 = 32 + 0 + 8 + 0 + 2 + 0

Zapis roku 2000 w postaci dwójkowej to 111 11010000.

W komunikacji z komputerem używany jest często wygodniejszy system "szesnastkowy", w którym cyfry odpowiadające liczbom od 10 do 15 zastąpiono literami od A do F.

BIT

- podstawowa jednostka informacji ("jest" / "nie ma") przyjmująca wartości "1" lub "0".

BAJT

- to 8 (osiem) bitów (np. 1001 0110) czyli liczba w systemie dwójkowym składająca się z ośmiu zer lub jedynek w dowolnej kombinacji.

Największa liczba możliwa do zapisania w postaci ośmiu zer lub jedynek - w jednym bajcie - to 1111 1111 co odpowiada w zapisie dziesiętnym liczbie 255 (najmniejsza to 0000 0000 czyli dziesiętne "zero"). Zapisanie większych liczb wymaga użycia dwu bajtów (do 65 535). Zapis roku 2000 w postaci dwójkowej to właśnie dwa bajty: 00000111 11010000. Pierwsze 5 zer nie jest znaczące.

Warto zwrócić uwagę na pewne porównanie. Gdy do przekazu informacji użyjemy jednej litery lub głoski (np. "o") - nie przekażemy praktycznie nic. Gdy użyjemy słowa (złożonego z kilku liter, np. "okno") nastąpi ogromny przyrost w przekazywanej informacji. Użycie dwu słów ("otwarte okno") daje kolejny ogromny skok - można nawet uznać ją już za "pełną".

2. KODY ASCII.

Komputer na zapamiętanie jednego znaku w pamięci potrzebuje 1 bajtu. Oznacza to, że może standardowo "zapisać" 255 znaków + 0.
Pierwsze komputery wiedziały tylko "0" i "1". Ludzie nie chcieli czytać cyfr i po jakimś czasie powstał pierwszy zestaw znaków. Nazywało się to ASCII (127 kodów znaków). Oczywiście, obecnie wszystkie komputery mają zaimplementowane ASCII w sobie (przynajmniej te 127 znaków).

ASCII - (American Standard Code for Information Interchange) to standardowy sposób przypisania liczb do znaków pisarskich.
Standardowy kod ASCII obejmuje znaki o kodach od 0 do 127. Jest on jednakowy dla wszystkich komputerów niezależnie od kraju użytkowania. Do zapisywania tej części kodu ASCII używane było siedem bitów - czyli bajt z zerowym pierwszym bitem.

W komputerach stosowany jest też tzw. "rozszerzony kod ASCII" obejmujący znaki o kodach od 128 do 255. Zawartość tej części może być różna w różnych komputerach, a nawet w tym samym komputerze w różnych konfiguracjach (ustawieniach do pracy). W "czystej formie" znaki zawarte w tej części występują tylko w tzw. stronie kodowej CP 437 (amerykańskiej). Do zapisywania tej części kodu ASCII używane jest osiem bitów, czyli pełny bajt.

Znaki kodu ASCII (całego, tylko w oknie DOS) można uzyskać przez:
1. naciśnięcie klawisza ALT i przytrzymanie go wciśniętego;
2. wystukanie na klawiaturze numerycznej kodu znaku; NumLock nie musi być włączony!
3. puszczenie klawisza ALT; dopiero teraz znak pojawia się na ekranie.

Prawie wszystkie książki dotyczące DOS podają tablice przyporządkowań liczb do znaków, czyli kody ASCII. W książkach o Windows - takich tabel już nie ma. Przeciętnemu windziarzowi nie są one już potrzebne.

2.1 KODY ASCII OD 0 DO 31 - STERUJĄ KOMPUTEREM.

2.2 KODY ASCII OD 32 DO 127 - TO ZNAKI UZYSKIWANE Z KLAWIATURY.

2.3 KODY ASCII OD 128 DO 255 - ZNAKI NARODOWE, SEMIGRAFICZNE I INNE.

Fakt rozmieszczenia w jednym przedziale kodów do trzech różnych zastosowań owocował kolizjami. Stare drukarki traktowały niektóre z kodów tego zakresu jako znaki sterujące krojem czcionki, przesuwem papieru. Podobnie - komenda DOS-u (do wersji 6.2x) tree miała opcję /a aby uniknąć wydruku niepełnego tzn. potraktowania przez drukarkę semigrafiki ASCII jako kodów sterujących i zniekształcenia rysunku drzewa katalogów. Ponad to w programie zawierającym "semigrafikę" z kodów ASCII (a był to np. ogromnie popularny Norton Commander) zamiast elementów tabelek mogą pojawiać się "dziwne" znaki.

3. STRONA KODOWA - (CODE PAGE).

Po jakimś czasie od powstania ASCII powstał pierwszy zestaw znaków narodowych, bowiem ludzie w innych państwach też chcieli mieć w komputerach swój cały alfabet.

Strona kodowa (oznaczana CP) to:

Istnieją różne strony kodowe umożliwiające uzyskanie w komputerze różnych znaków narodowych.
Gdy powstały kody ASCII, międzynarodowa organizacja normalizacyjna ISO była przewidująca i poszła dalej. Stworzyła (w porozumieniu z zainteresowanymi) jeszcze więcej stron kodowych dla np. krajów Europy Wschodniej, Rosji (cyrylica), krajów Dalekiego Wschodu (Japonia, Korea). I te normy są znane powszechnie pod nazwą ISO-8859-x, gdzie x jest cyfrą od 1 do 10. Europa Wschodnia, łącznie z Polską dostała numerek 2.
Jesteśmy ZOBOWIĄZANI stosować właśnie ISO-8859-2.

W międzyczasie powstał Microsoft.
Normy ISO już były ustanowione. W tym mniej więcej czasie Bill G. wypuścił na rynek produkt o nazwie "Microsoft Windows". Na początku wersja 2.0, potem 3.0, a wkrótce 3.1. No i właśnie od wersji 3.1 wszystko się zaczęło, bo powstały wersje 3.1EE, 3.1PL i inne. Wszystkie te - nieangielskie - wersje zawierały znaki takie, jak norma ISO, tyle, że te znaki były w innych miejscach. MS twierdził, że skoro firma jest w Stanach, to podlega normie ANSI (p.dalej). Niestety, powinny podlegać normom ustanowionym przez te kraje.

W Polsce "współżyją" więc następujące strony kodowe i standardy polskich liter:

Współczesne komputery pozwalają na instalację dowolnej strony kodowej przez uruchomienie programu - zainstalowanie strony kodowej.
Instalacja strony kodowej nie oznacza konieczności wybrania narodowej klawiatury jako obowiązkowej. Można zainstalować polska stronę kodową ale amerykańską (typową) klawiaturę.
Konieczne jest wtedy uruchomienie programu pozwalającego uzyskać poprzez naciśnięcie dodatkowego klawisza polskie znaki na amerykańskiej klawiaturze.
Rozwiązanie takie jest często stosowane w Polsce ponieważ:

Instalacja polskiej strony kodowej w komputerze VGA oraz klawiatury narodowej lub amerykańskiej wymaga ustawienia w plikach konfiguracyjnych komputera.

config.sys:     	
COUNTRY=48,852,C:\DOS\COUNTRY.SYS


autoexec.bat:   	
C:\win95\MODE CON CP PREP=((852) C:\DOS\EGA.CPI)
C:\win95\MODE CON CP SEL=852
C:\win95\KEYB us,,c:\dos\keyboard.sys

Kody polskich liter mają jeszcze jedno znaczenie: jeżeli dysponujemy edytorem formatującym tekst (tj. Word-em, bo inne już zniknęły z ekranów), to, aby przekazać nasz dokument do drukarni lub koledze mającemu inny porządny edytor, ale bez możliwości konwersji naszego pliku - nakazujemy naszemu edytorowi zapisać dokument jako kody ASCII lub ANSI (w razie potrzeby umieszczamy informację o czcionce i grafice dla operatora drukarni). W ten sposób przenosi się dokumenty między edytorami.

Pliki w kodach ASCII lub ANSI są tworzone i/lub odczytywane przez edytory nieformatujące. Pliki te, to czyste kody ASCII "zakłócone" jedynie polskimi literami.

4. Kody ANSI.

W Windows występuje odmiana kodów ASCII zwana ANSI (Amerykański Narodowy Instytut Standardów). Różnice nie są duże. Polegają na braku w zakresie rozszerzonym ANSI znaków semigraficznych i sterujących drukarką (w Windows zbędne), oraz innym umieszczeniu znaków narodowych (obejrzenie w Notatniku z Windows tekstu w ASCII wyraźnie to ukazuje).

5. UNICODE (UCS-4).

ASCII i ANSI nie wystarczają, gdy trzeba zapisać w rozszerzonym zakresie np. ponad 3000 chińskich idiomów lub np. stworzyć jedną stronę kodową dla całej Europy. Unikod (ang. Unicode) jest nowoczesnym sposobem kodowania obejmującym znaki używane na całym świecie w tym wielu, jeżeli wręcz nie wszystkich, krajów (np. polskie, hieroglify czy cyrylicę), symbole muzyczne, techniczne, wymowy i inne często spotykane. W odróżnieniu od dotychczas używanych sposobów, kod numeryczny jednoznacznie identyfikuje symbol. Nie ma sytuacji, że dany kod może oznaczać różne symbole w zależności od numeru strony czy innego znacznika. Wynika z tego możliwość swobodnego mieszania znaków różnych krajów bez obawy o niejednoznaczność.

Istotę Unikodu zgrabnie odzwierciedla określenie alfabet uniwersalny.

Pełny Unikod jest standardem 32-bitowym (UCS-4). Bagatela: 4 294 967 295 znaków.
Aktualnie używane jest jednak tylko 16 bitów (można przypisać liczby 65 535 znakom).

Ze względu na to, iż nie wszystkie systemy komputerowe i programy zdolne są do używania Unikodu w pełnym zakresie oraz dla zapewnienia bezproblemowego transferu przesyłania danych przy użyciu takich systemów komputerowych określono kilka sposobów kodowania:

Specyfiką kodowań UTF-7 i UTF-8 jest przesyłanie kodów ASCII praktycznie bez zmian. Tylko kody większe niż 127 podlegają modyfikacji. Dzięki temu polskie teksty powiększają swoją objętość tylko o niewielki procent (kilka..kilkanaście) zamiast dwukrotnie lub czterokrotnie.

Unikod jest obsługiwany przez dwa najczęściej stosowane pakiety oprogramowania firm Netscape Communications oraz Microsoft. Konkretnie Internet Explorer (MS) oraz Netscape Communicator oba w wersjach 4.0 i wyższych. Obejmuje to obsługę poczty, grup dyskusyjnych, WWW (czytanie i edycja). Bo też o Internet tu chodzi.

6. INTERNET ORAZ E-MAIL A POLSKIE OGONKI.

Kiedy Windows rozpowszechniły się w 90% komputerów na świecie, wtedy w Polsce - rozpowszechniła się CP 1250 i powoli zaczęły znikać teksty pisane w ASCII. Wprawdzie Windows instaluje CP 852 w DOSie i, w oknie Trybu MS DOS-u oraz wierszu poleceń, mamy na ekranie polskie znaki diakrytyczne oraz polską klawiaturę programisty, ale większość komputerowców już tego nie potrzebowała.

Wydawało się, że narzucona przez B. Gatesa strona kodowa stanie się (nieformalnym - przypominam) standardem.

Jednak pojawił się Internet. W nim zaś stosuje się ogonki wg ISO. A że programy do tworzenia stron WWW są z windy, mamy de facto dwa standardy ogonków na stronach. Stosowane są więc programy konwertujące tekst w jednym standardzie na drugi. Przeglądarki internetowe, takie jak Netscape i Internet Explorator, po znaczniku zawartym w kodzie strony, orientują się jaki standard zastosował autor i automatycznie pokazują ogonki prawidłowo. Z tym, że Bill G. dalej bruździ - MsIE konwertuje (podczas zapisu na dysk) strony w ISO do CP 1250.
Jest to sytuacja paranoidalna. Podobnie jest w przypadku poczty e-mail.