Technische Informatik I
Zeichenkodierung

→ nächste Folie (auch Enter oder Spacebar).
← vorherige Folie
 d  schaltet das Zeichnen auf Folien ein/aus
 p  wechselt zwischen Druck- und Präsentationsansicht
CTRL  +  vergrößert die Folien
CTRL  -  verkleinert die Folien
CTRL  0  setzt die Größenänderung zurück

• ASCII-Code
• ISO 8859
• Unicode

• Um Text auf einem Computer darzustellen, muss jeder Buchstabe binär kodiert werden
• Je nachdem wie viele Bits pro Zeichen verwendet werden, können unterschiedlich viele verschiedene Zeichen abgelegt werden
• Beispiel:
  • 7 Bits: 2⁷ = 128 verschiedene Zeichen
  • 8 Bits: 2⁸ = 256 verschiedene Zeichen
  • 16 Bits: 2¹⁶ = 65536 verschiedene Zeichen

• Der ASCII-Code (American Standard Code for Information Interchange) ist eine 7-Bit-Zeichenkodierung, die 1963 von der American Standards Association (ASA) beschlossen wurde
• Ein Zeichen wird jedoch immer als 1 Byte (=8 Bits) abgelegt, d.h. das höchstwertige (8.) Bit ist immer Null
• Insgesamt gibt es 128 Zeichen, davon 95 druckbare und 33 Steuerzeichen

• In folgender Tabelle sind alle 128 ASCII-Zeichen angegeben
• Wird der Mauszeiger über ein Zeichen gehalten, wird eine kurze Beschreibung angezeigt

Hex Code	…0	…1	…2	…3	…4	…5	…6	…7	…8	…9	…A	…B	…C	…D	…E	…F
0…	NUL	SOH	STX	ETX	EOT	ENQ	ACK	BEL	BS	HT	LF	VT	FF	CR	SO	SI
1…	DLE	DC1	DC2	DC3	DC4	NAK	SYN	ETB	CAN	EM	SUB	ESC	FS	GS	RS	US
2…	SP	!	"	#	$	%	&	'	(	)	*	+	,	-	.	/
3…	0	1	2	3	4	5	6	7	8	9	:	;	<	=	>	?
4…	@	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
5…	P	Q	R	S	T	U	V	W	X	Y	Z	[	\	]	^	_
6…	`	a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
7…	p	q	r	s	t	u	v	w	x	y	z	{	|	}	~	DEL

• Beispiel: Das Zeichen "A" hat den Hexadezimalwert (41)₁₆
  (41)₁₆ = (01000001)₂ = (65)₁₀

• Die Steuerzeichen stammen aus einer Zeit, in der der ASCII-Code zur Steuerung von Fernschreibern (elektrisch angesteuerte Schreibmaschinen) verwendet wurde
• Heutzutage habe viele dieser Steuerzeichen ihre Bedeutung verloren
• Wichtig ist eigentlich nur noch das Steuerzeichen für eine neue Zeile: "LF" (Line Feed, ASCII (0A)₁₆)
• Beim Betriebsystem Windows muss dem "Line Feed" Zeichen allerdings noch ein "Carriage Return" vorangestellt werden: "CR LF" (=ASCII (0D)₁₆ (0A)₁₆)

• Bei der ASCII-Codierung werden nur 7 der 8 Bits eines Bytes genutzt
• Der restliche Zahlenbereich (128 bis 255) kann also für weitere Zeichen verwendet werden
• Die International Organization for Standardization definiert in ISO 8859 insgesamt 15 ASCII-Erweiterungen
• ISO 8859-1 enthält z.B. die für uns in Deutschland wichtigen Buchstaben: "ä", "ö", "ü", "ß"

• Bei der Verwendung von ISO 8859 zum Austausch von Texten kommt es immer wieder zu fehlerhaften Darstellungen von Zeichen. Dies passiert leicht, wenn Sender und Empfänger nicht die gleiche ISO 8859-x Norm zur Dekodierung verwenden
• Ausserdem sind in ISO 8859 längst nicht alle Schriftzeichen aus den unterschiedlichsten Kulturkreisen erfasst
• Die Bestrebung des Unicode ist es, eine einzige universelle Kodierung zu definieren, die alle relevanten Zeichen enthält
• Der Unicode wurde von der ISO als ISO-10646 standardisiert

• Der Unicode besteht aus 17 Ebenen (darstellbar mit 5 Bits).
• Jede Ebene hat 16 Bits und kann damit theoretisch 2¹⁶=65536 Zeichen kodieren
• Insgesamt kann ein Unicode also 5+16=21 Bits benötigen
• Die meisten aktuell verwendeten Zeichen sind in Ebene 0, der Basic Multilingual Plane (BMP), zu finden
• Ein Unicode Zeichen wird üblicherweise als ein "U+" und einer Hexadzimalzahl mit mindestens 4 Stellen angegeben
• Beispiele:
  U+00E4 für das "ä"
  U+1300C für die ägyptische Hieroglyphe

• Die Kodierung aller möglichen Schriftzeichen ist ein andauernder Prozess, d.h. die Anzahl der Zeichen wächst ständig
• Ein Problem bei der Darstellung ist, dass die meisten Schriftarten nur eine kleine Untermenge der im Unicode definierten Zeichen bereit halten
• Ist ein Zeichen in einer Schrift nicht vorhanden, wird oftmals einfach ein Zeichen aus einer anderen Schriftart eingefügt
• Die Webseite http://www.decodeunicode.org/ hat es sich zur Aufgabe gemacht, alle aktuell im Unicode kodierten Zeichen darzustellen

• Beim Entwurf des Unicode wurde auf Kontinuität wert gelegt
• Aus den 21 Bits des Unicodes entsprechen die ersten 7 Bits dem ASCII-Code und die ersten 8 Bits der ASCII-Erweiterungen ISO 8859-1 (Latin 1)

Anregungen oder Verbesserungsvorschläge können auch gerne per E-mail an mich gesendet werden: Kontakt

Weitere Vorlesungsfolien