szit

Ez az oldal csak olvasható. Megtekintheted a forrását, de nem változtathatod meg. Ha úgy gondolod, hogy ez helytelen, kérdezd az Adminisztrátorokat!
[[oktatas:számítástechnika|< Számítástechnika]]

====== Karakterkódolás ======

  * **Szerző:** Sallai András
  * Copyright (c) 2012, Sallai András
  * Szerkesztve: 2012, 2014, 2015, 2017
  * Licenc: [[https://creativecommons.org/licenses/by-sa/4.0/|CC BY-SA 4.0]]
  * Web: https://szit.hu


===== Bevezetés =====
Mivel a számítógép alapvetően számokkal dolgozik, ezért minden általunk használt írásjelnek meg kell feleltetni egy számot. 
Az írásjel-szám megfeleltetés így egy kódtáblát eredményez. 


===== BCD =====
 

Binary Coded Decimal (BCD)

Binárisan kódolt decimális számok.

A BCD egy 4 bites sorozatot használ, amely számokat reprezentál.



^  Decimális |  0  |  1  |  2  |  3  |  4  |  5  |  6  |  7  |  8  |  9  |
^  BCD  | 0000 | 0001 | 0010 | 0011 | 0100 | 0101 | 0110 | 0111 | 1000 | 1001 |

Például 123 így van kódolva:
  0001 0010 0011

Tárolt programú vezérlések időzítésénél előfordul.

A négyes csoportokat tetrádnak hívjuk, amely görögből származik és négyes csoportot jelent. 


19-ig ábrázolhatjuk a számokat a következő formában:



^  BCD kódtáblázat  ^^^^
^ Decimális szám ^ BCD kód ^ Decimális szám ^ BCD kód ^
|  0  | 0000 |  10  | 0001 0000 |
|  1  | 0001 |  11  | 0001 0001 |
|  2  | 0010 |  12  | 0001 0010 |
|  3  | 0011 |  13  | 0001 0011 |
|  4  | 0100 |  14  | 0001 0100 |
|  5  | 0101 |  15  | 0001 0101 |
|  6  | 0110 |  16  | 0001 0110 |
|  7  | 0111 |  17  | 0001 0111 |
|  8  | 1000 |  18  | 0001 1000 |
|  9  | 1001 |  19  | 0001 1001 |


Az összeadás szokásos művelet a BCD kódokkal. Ha összeadás esetén átvitel történik, akkor
az eredmény négyeshez (terádhoz) hozzá kell adni 0110-át. 


Adjuk össze 19 és 5 számokat. 

  0001 1001
  0000 0101
  _________
  0001 1110
       0110
  _________
  0010 0100

A 0110 hozzáadásával korrigáltuk a számot.


  
===== EBCDIC =====

Extended Binary-Coded Decimal Interchange Code.


Binárisan kódolt decimális kódrendszer az ASCII-től függetlenül alakult ki. 
Az **IBM által** 1963 és 1964 között kialakított kódrendszer. Elsőként az **IBM System/360** rendszeren használták. 
Az ASCII szabvány fő támogatója akkoriban az IBM, de nem volt megvalósított verziójuk.

Itt használták
  * IBM nagyszámítógépein
    * System/360
    * z/OS
    * OS/390
    * VM
    * VSE
  * IBM minikomputerein
    * OS/400
    * i5/OS

A binárisan kódolt decimális (BCD) kódrendszer kiterjesztéseként jött létre.


Jellemzője: 
  * **8 bites**, szemben a 7-bites ASCII-vel
  * számtalan változata létezik, országok nyelvéhez igazítva
  * néhány Kelet-Ázsiai ország a 2 byte-os megfelelőjét használja
    * japán
    * kínai 
    * koreai


===== ASCII =====
==== 7-bites ASCII ====


Az eredeti amerikai kódtábla, a számítógépek elterjedése előtt. 
Ebben az időben is 8-bittel dolgoztak, de a 8-dik bitet másra használták.
Az angol betűk tárolásához a 7 bit teljességgel elég volt. 


^  karakter  ^  decimálisan  ^  kód  ^
|  NUL  | 0 | 0000000 |
|  ...  | ... |  |
|  a  | 97 | 1100001 |
|  b  | 98 | 1100010 |
|  c  | 99 | 1100011 |
|  d  | 100  | 1100100 |
|  e  | 101  | 1100101 |
|  ...  | ... |  |
|  ~  | 126 | 1111110 |
|     | 127 | 1111111 |

==== 8-bites ASCII ====

A számítógépek elterjedése magával hozott egy problémát. A 7-bites ASCII kódtábla
nem tartalmazott minden nyelvterületen használható betűket. Így használni
kezdték a 8-dik bitet is. 

A 8-bites ASCII-t minden nyelvterületen saját karaktereik leírására használták.
Ilyen nyelvterületek:
  * Nyugat Európai 
    * Szabvány: ISO-8859-1
    * Gyakran így említik: Latin 1
    * é, ü
    * dán, holland (részben), angol, feröeri, 
    * finn (részben) francia (részben), német, 
    * izlandi, ír, olasz, norvég, portugál, 
    * réto-román, skót, spanyol, svéd, albán, afrikaans, szuahéli
  * Közép Európai 
    * Szabvány: ISO-8859-2
    * Gyakran így említik: Latin 2
    * ő, ű
    * bosnyák, lengyel, horváth, cseh, szlovák, szlovén, magyar
  * 3 latin3
    * török, máltai, eszperantó
  * 4 latin4
    * észt, lett, litván, grönlandi, számi
  * 5 latin/cirill
    * cirill ábécé (belorusz, bolgár, macedon, orosz, szerb, ukrán)
  * 6 latin/arab
    * arab
  * 7 latin/görög
    * görög, ó-görög
  * 8 latin/héber
    * héber
  * 9 latin5 török
    * ritkán használt izlandi és török; kurd nyelv
  * 10 latin6 északi
    * a latin4 átrendezése
  * 11 latin1/thai
    * thai
  * 12 
    * nem készült el
  * 13 latin7/balti római
    * balti római (a latin4-ből és a latin-6-ból hiányzó)
  * 14 latin8 kelta
    * kelta nyelvek (gail és breton)
  * 15 latin9
    * 8859-1 felülvizsgálata (€)
  * 16 latin10
    * Latin-10 délkelet-európai
    * albán, horvát, magyar, olasz, lengyel, 
    * román, szlovén
    * finn, francia, német, ír (új írású)


^  karakter  ^  decimálisan  ^  kód  ^
|  NUL  | 0 | 00000000 |
|  ...  | ... |  |
|  a  | 97 | 01100001 |
|  b  | 98 | 01100010 |
|  c  | 99 | 01100011 |
|  d  | 100  | 01100100 |
|  e  | 101  | 01100101 |
|  ...  | ... |  |
|     | 254 | 11111110 |
|     | 255 | 11111111 |
===== Unicode =====
==== Bevezetés ====

A Unicode kódolást azért hozták létre, mert minden nyelvterületen más és más kódolást használtak.
Ha egyik nyelvterületről a másikra kellett adatokat küldeni, akkor mindig át kellett kódolni 
az adatokat. A Unicode kódolást úgy alkották meg, hogy a föld összes nyelvterületének betűit,
ábráit lefedje.

A Unicodenak több megvalósítása is van. Ilyenek:
  * UTF-8  - A karakterek 1, 2, 3 vagy 4 bytes
  * UTF-16 - A karakterek 2 vagy 4 bytes
  * UTF-32 - Minden karakter 4 bytes, azaz 32 bit
  * stb.


A Unicode karakterek gyűjteménye:
  * http://www.unicode.org/charts/
==== UTF-8 ====
Egy Unicode megvalósítás, változó bájthosszúságú kódolás. Hogy hány bájton tárolunk egy karaktert változó. 
Ha például csak az angol ábéc betűig használjuk, akkor 1 bájt. 
Magyar ékezetesek használata esetén 2 bájton tárolódnak a karakterek.
A japán kara (üres) szó 3 bájton van tárolva. 

==== A magyar ékezetesek ====


| á | 00e1 |
| í | 00ed |
| é | 00e9 |
| ö | 00f6 |
| ó | 00f3 |
| ü | 00fc |
| ő | 0151 |
| ű | 0171 |

==== Han írás ====
A következő unicode karakterek csak telepített fontkészlet mellett láthatók. Debian GNU/Linux alapú rendszereken például:  apt install ttf-hanazono

üreskéz:
| <nowiki>空</nowiki> | 7a7a | HTML: 31354 |
| <nowiki>手</nowiki> | 624b |       |

Az írásjelek UTF-8 esetén 3 bytes, UTF-16 bytes esetén 2 bytes, UTF-32 esetén 4 byteson tárolódnak.

Linuxon unicodebevitel:
  Ctrl + Shift + U
Ekkor megjelenik egy U betű aláhúzva. Ha nem jelenik meg, akkor
az aktuális program nem támogatja. Az U betű után beírjuk a bevinni
kívánt kódot. 



Unicode beszúró más rendszerekre:
  * http://www.fileformat.info/tool/unicodeinput/index.htm
  * http://www.fileformat.info/tool/unicodeinput/unicodeinput.zip
Az unicodeinput program, ha egyszer használtuk, nem záródik be,
az Alt+Plusz billentyűvel érhető el.





| Víz | <nowiki>水</nowiki> | 6c34 | UTF-16 és UTF-8 esetén 2 bytes |


| <nowiki>入</nowiki> | 5165 | bemenet |
| <nowiki>門</nowiki> | 9580 | kapu |




==== Sumér-akkád ékírás ====

A következő karakterek 4 bájton tárolódnak utf-8 esetén is.

A sumér-akkád ékírás kódjai 12000–1236E és 12400–12473 között vannak (angolul: cuneiform). 

^ írásjel ^  kód  ^
| 𒀀 | 12000 |
| 𒀁 | 12001 |
| 𒀂 | 12002 |
|    | ... |
| 𒍮 | 1236E |
|  | ... |
| 𒐀 | 12400 |
| 𒐁 | 12401 |
|  | ... |
| 𒑳 | 12473 |


Ha nincsenek telepítve az őskori fontok, akkor a fenti táblázatban
csak négyzetek vannak. Ezért a következő ábrán kép formájában látjuk
ugyanezt: 


{{:oktatas:szamitastechnika:karakterkodolas_sumer-akkad-ekiras.png|}}

A megjelenítéshez **Ancient** Scripts Unicode fontkészlet szükséges. Ősköri fontok készlete. 

Debian GNU/Linuxon, Ubuntun, LinuxMint rendszeren így telepíthető:
  apt install ttf-ancient-fonts

Windowson kiindulásnak:
  * http://culmus.sourceforge.net/ancient/

==== Magyar rovásírás ====
A magyar rovásírás betűit a következő kódpontokon érhetjük el: U+10C80 - U+10CFF

A következő karakterekhez szükség van megfelelő fontokra:


𐲀𐲁

Szükséges fontok:
  * http://oldhungarian.eu/
  * https://github.com/OldHungarian/old-hungarian-font (Release-re kell kattintani)
    * https://github.com/OldHungarian/old-hungarian-font/releases
  * https://github.com/googlefonts/noto-fonts/tree/master/hinted/ttf/NotoSansOldHungarian

==== Még néhány Unicode lehetőség ====
Az írás mellett többféle szimbólum is megjeleníthető a Unicode segítségével.
Néhány példa:
  ☉ ☿ ♀ ♁ ☽ ♂ ♃ ♄ ⛢ ♆ ♇

  ⛈ ⛅ ☼

  🍏 🍔 🍷 🍅

   𝄞♩ ♩ ♩ ♪ 𝄽 ♫ ♫ ♫ ♬ 𝅘𝅥𝅯 𝅗𝅥

  ☠ ☢ ☣ ☤

  ♖ ♘ ♗ ♔ ♕ ♗ ♘ ♖
  ♙ ♙ ♙ ♙ ♙ ♙ ♙ ♙
  
  
  
  
  ♟ ♟ ♟ ♟ ♟ ♟ ♟ ♟
  ♜ ♞ ♝ ♛ ♚ ♝ ♞ ♜

  ⚽ ⚾ ⛷ 🏃


  * ⬭ 2b2d eilipszis
  * △ 25b3 háromszög
  * ⊿ 22bf derékszögű háromszög
  * ⬜ 2b1c négyzet
  * ▭ 25Ad téglalap
  * ♢ 2662 rombusz
  * ⬠ 2b20 pentagon
  * ⬡ 2b21 hexagon
  * ○ 25cb kör

  * 𓅓 U+13153 egyiptomi hieroglif m hang, madár; mondat végét jelző jel

  𓀆 𓀏 𓂡 𓀒 𓀐 
  𓀗 𓀙 𓀝 𓀭 𓀾 𓂝

  𓇖 𓇌 𓆲


  𓅓


  √ ∛ ✗ ✘ ✓✔

  ⚀ ⚁ ⚂ ⚃ ⚄ ⚅

===== Alapértelmezett kódolások =====


^  Operációs rendszer  ^  Alapértelemezett kódolás  ^^^
^  :::  ^  Western Latin  ^  Cyrillic  ^  magyar  ^
| Modern Unices (*BSD, Mac OS X, GNU/Linux)  |  utf-8  |  utf-8  |  utf-8  |
| Mac (OS X előtt)  |  applemac  |  maccyr  |  ?  |
| Unix (régi)  |  latin1  |  koi8-ru  |  latin2  |
| Windows  |  ansinew, cp1252  |  cp1251  |  cp1250  |
| DOS, OS/2  |  cp850  |  cp866nav  |  cp852  |
| régi DOS |  [[wp>Code_page_437|cp437]]  | | |




===== A magyar ékezethelyesség ellenőrzésére kitalált mondatok =====


  * árvíztűrő tükörfúrógép
  * Kázmér füstölgő fűnyírót húz
  * öt szép szűzlány őrült írót nyúz
  * tüskés hátú kígyóbűvölő

===== Linkek =====

Unicode leírások
  * http://www.cs.bme.hu/~egmont/utf8/
  * http://hu.wikipedia.org/wiki/UTF-8
  * http://hu.wikipedia.org/wiki/ISO/IEC_10646
  * http://hu.wikipedia.org/wiki/UTF-32/UCS-4
  * http://hu.wikipedia.org/wiki/Univerz%C3%A1lis_karakterk%C3%A9szlet
  * http://hu.wikipedia.org/wiki/Unicode_karakterek_elhelyezked%C3%A9se
  * http://unicode-table.com/hu/

Han írás karaktereinek keresője:
  * http://www.cojak.org
Nemzetközi han karakter és variánsainak adatbázisa:
  * http://chardb.iis.sinica.edu.tw
Kapcsolódó téma (Han írás):
  * http://hu.wikipedia.org/wiki/K%C3%ADnai_%C3%ADr%C3%A1s
Lecke:
  * http://infoerettsegi.blog.hu/2012/02/04/karakterkodolasok_a_szobeli_informatika_erettsegire

Egyéb:
  * http://en.wikibooks.org/wiki/LaTeX/Special_Characters

Windowsra Unicode beírásához:
  * http://www.fileformat.info/tool/unicodeinput/index.htm

ASCII-vel egyező Unicode:
  * http://www.unicode.org/charts/PDF/U0000.pdf

Táblák:
  * http://www.rikai.com/library/kanjitables/kanji_codes.unicode.shtml
  * http://unicode-table.com/
  * https://dev.w3.org/html5/html-author/charref