ASCII

Материал из Википедии — свободной энциклопедии
(перенаправлено с «ISO 646»)
Перейти к навигации Перейти к поиску
ASCII
Орган стандартизации Национальный институт стандартов США
Логотип Викисклада Медиафайлы на Викискладе

 

ASCII (англ. American standard code for information interchange, [ˈæs.ki][1]) — стандарт кодирования знаков латинского алфавита, цифр, некоторых специальных знаков и управляющих последовательностей, принятый в 1963 году Американской ассоциацией стандартов как основной способ представления текстовых данных в ЭВМ[2].

Описание[править | править код]

Таблица ASCII

Стандарт ASCII представляет собой семиразрядный код без рекомендаций относительно контроля чётности, содержащий 128 кодовых позиций[3]. Таблица ASCII определяет коды для символов:

История[править | править код]

Изначально (1963 год) ASCII была разработана для кодирования символов, коды которых помещались в 7 бит (128 символов; 27=128), а старший бит №7 (нумерация с нуля) использовался для контроля ошибок, возникших при передаче данных. В первой версии кодировались только заглавные буквы. Полосы (группы по 16 символов) № 6 и 7 (нумерация начинается с 0) были зарезервированы для дальнейшего расширения[4]. Велись споры, использовать ли эту область для строчных букв или управляющих символов.

В 1965 году была подготовлена новая редакция ASCII[5], которая так и не была опубликована[6]. Она не использовалась нигде, кроме терминалов IBM 2260/2848 и принтеров IBM 1053 — и то без заглавных букв и некоторых символов[7]. Окончательная спецификация была опубликована в 1967 году[8][9], и все содержащиеся в ней символы в дальнейшем не меняли своего положения в таблице.

Со временем кодировка была расширена до 256 символов (28=256); коды первых 128 символов не изменились. ASCII стала восприниматься как половина 8-битной кодировки, а «расширенной ASCII» называли ASCII с задействованным 8-м битом (например, КОИ-8).

Структурные свойства таблицы[править | править код]

Первая версия ASCII содержала 36 управляющих символов, 10 арабских цифр, 26 заглавных латинских букв и 27 специальных символов, которые подразделяли на группы[10]:

  • 8 знаков препинания (.,:;!?'");
  • 5 знаков для финансовых и биржевых операций (#$%&@);
  • 2 пары скобок (()[]);
  • 8 математических символов (+-*/\=<>)[11];
  • 2 стрелки для блок-схем: ().

Cимвол «подушка» (), имевшийся в наборе доступных символов многих печатающих устройств того времени и присутствовавший в кодировках BCDIC, Fieldata[en] и т.д., ни в одну версию ASCII не вошёл.

В версии от 67 года был пересмотрен набор управляющих символов (сокращён до 33), убраны стрелки, но добавлены строчные буквы и семь дополнительных символов: ^_`{|}~, после чего таблица приняла окончательный вид[12]:

Таблица ASCII
  .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.     ! " # $ % & ' ( ) * + , - . /
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

Все символы в ASCII делятся на 4 группы по 32 символа[13]:

  1. #Управляющие символы (0x000x1F) — предназначены для управления передачей и выводом текста на терминал[14]. Группа начинается символом NUL (0x00), означающим незаписанный участок, например перфоленты, и этот символ должен игнорироваться при выводе на экран или на печать[15]. За пределами группы, в конце таблицы также располагается символ DEL 0x7F — участок перфоленты, пробитый целиком, означающий, что символ, который здесь располагался был удалён, а значит его также следует пропустить[15][16];
    • Сами управляющие символы основной группы изначально были разделены на 4 подгруппы: управление передачей (0x01..0x07), форматирование (0x08..0x0F), управление устройством (0x10..0x17) и разделители потоков данных (0x18..0x1F)[17]. В версии 67 года этот порядок был отчасти нарушен из-за переноса дополнительных управляющих символов
  2. Группа цифр и основных знаков препинания — делится на две подгруппы, соответствующие верхнему и нижнему регистру.
    • Группа начинается с пробела 0x20 — было принято решение, что пробел должен считаться печатным, а не управляющим символом, но при этом располагаться в самом начале — для корректной работы алгоритмов сортировки[18];
    • Цифры идут во второй подгруппе — такое решение было принято для того, чтобы их легко было преобразовать в Двоично-десятичный код, убрав старшие 4 бита — и обратно, прибавив префикс 00112: например цифра 5 имеет код 0011 01012. По этой причине цифры невозможно было разместить в первой подгруппе, так как в ней первым идёт пробел[19]. Другая причина расположения цифр в этой группе — было необходимо, чтобы при сортировке большинство знаков препинания располагались раньше цифр и букв[20];
    • 9 символов после пробела — знаки препинания (!"#$%&'()), идущие в том порядке, в котором их располагали на пишущих машинках тех лет[10], за исключением скобок, которые располагались на позициях 0x28 и 0x29, так как над цифра «0» оказалась под кодовой позицией пробела[21]. Однако на электромеханических пишущих машинах, в частности IBM Selectric расположение этих знаков было иным, что связано с наличием у некоторых из них механизма дозирования силы удара, который требовал расположения на одной клавише знаков, близких по оптической плотности. Окончательно отличное от таблицы ASCII положение этих знаков было закреплено в IBM PC.
    • Символы точки и запятой в пишущих машинках тех лет дублировались в обоих регистрах. В ASCII было решено не дублировать знаки, а заполнить освободившееся место символами < и >[22]. Знак вопроса также спарен со знаком косой черты как на пишущих машинках[10].
  3. Группа заглавных букв начинается с символа «@» (0x40) — предполагалось, что для машин, поставляемых во Францию и Италию этот символ будет заменяться на «À». Также, положение заглавных латинских букв и цифр было выбрано из соображений совместимости с шестибитной кодировкой DEC SIXBIT. Три позиции после заглавных букв (0x5B, 0x5C и 0x5D) также предполагалось заменять при необходимости на местные символы.
  4. Группа строчных букв появилась в ASCII-1965, но была пересмотрена в ASCII-1967. Все строчные буквы расположены так же, как в соответствующие заглавные, что позволяет переключать регистр, изменяя лишь старший бит. Позиции 0x60, 0x7B, 0x7C и 0x7D также предполагалось менять на местные при необходимости. В редакции 65-го года был добавлен символ логического отрицания (¬,0x7C), который в версии 67-го года был убран.

Важная особенность — ASCII, в отличие, к примеру, от CCITT #2, не использует переключения регистров[20]. Хотя переключение регистров для заглавных букв могло бы уменьшить требуемое количество бит, и соответственно увеличить скорости передачи и уменьшить требуемое место на носителях, однако повышает риск не прочесть сообщение при повреждении[23]. Было решено отказаться от использования регистров и уместить все символы в 7 бит[20]. Тем не менее, в набор включены символы переключения регистра (ESC, SI и SO) для целей дальнейшего расширения[23].

Наложение символов[править | править код]

С помощью символа Backspace (BS) (возврат на один символ) на принтере можно печатать один символ поверх другого. В ASCII таким же способом можно добавить к буквам диакритические знаки, например:

  • a BS ' → á
  • a BS ` → à
  • a BS ^ → â
  • o BS / → ø
  • c BS , → ç
  • n BS ~ → ñ

Примечание. В старых шрифтахапостроф «'» рисовался с наклоном влево (сравните: «`» и «´»), а тильда «~» — была сдвинута вверх (сравните: «~» и «˜»), так что они как раз подходили на роль символов акут «´» и «тильда сверху».

Если в одной позиции дважды напечатать один и тот же символ — получится жирный символ; если в одной позиции напечатать символ, а затем подчёркивание «_» — получится подчёркнутый символ:

  • a BS aa
  • a BS _a

Эта техника до сих пор используется, например, в справочной системе man.

Национальные варианты ASCII[править | править код]

Стандарт ISO 646 (ECMA-6) предусматривает возможность размещения в ASCII национальных символов. Для этого предлагается заменять символы «@», «[», «\», «]», «^», «`», «{», «|», «}», «~». Также на месте знака решётки «#» может быть размещён символ фунта «£», а на месте символа доллара «$» — знак валюты «¤». Вариант ASCII, не содержащий национальных символов, называется «US-ASCII» или «international reference version».

Для некоторых языков (с нелатинской письменностью: русский, греческий, арабский, иврит и др.) существовали более радикальные модификации ASCII:

  • В одной из таких модификаций — на месте строчных латинских букв размещались национальные символы (для русского и греческого — заглавные буквы).
  • В другой модификации — предусматривалось переключение между US-ASCII и национальным вариантом; переключение осуществлялось «на лету»: с помощью символов «SO» (англ. shift out) и «SI» (англ. shift in); в этом случае — в национальном варианте можно было полностью заменить латинские буквы на национальные символы. См. также: КОИ-7.

Впоследствии оказалось удобнее использовать 8-битовые кодировки (кодовые страницы), в которых нижнюю половину кодовой таблицы (0—127) занимают символы US-ASCII, а верхнюю (128—255) — дополнительные символы, включая набор национальных символов. Таким образом, верхняя половина таблицы ASCII (до повсеместного внедрения Юникода) активно использовалась для представления локализированных символов, букв местного языка. Отсутствие единого стандарта размещения кириллических символов в таблице ASCII доставляло множество проблем с кодировками (КОИ-8, Windows-1251 и др.). Носители других языков с нелатинской письменностью тоже страдали из-за наличия нескольких разных кодировок.

Первые 128 символов стандарта Юникод совпадают с соответствующими символами US-ASCII.

В первой версии стандарта ASCII (1963 год) — в позициях 0x5e (94) и 0x5f (95) располагались символы «стрелка вверх» и «стрелка влево», соответственно. Стандарт ECMA-6 (1965 год) заменил их на знак вставки и символ подчёркивание «_», соответственно.

В Советском Союзе стандарт был утвержден в виде таблицы международной ссылочной версии кода КОИ-7 Н0 ГОСТ 27463-87 (СТ СЭВ 356-86) «Системы обработки информации. 7-битные кодированные наборы символов».[24]

Управляющие символы[править | править код]

Таблица ASCII создавалась для обмена информацией по телетайпу. В набор были включены непечатаемые символы, используемые как команды для управления телетайпом. Аналогичные команды применялись и в других докомпьютерных средствах обмена сообщениями (азбука Морзе, семафорная азбука), учитывая специфику устройства. Большинство управляющих символов ASCII вскоре утратили своё назначение и в современных компьютерных системах не используются.

Примечание: далее в списке — коды символов записаны в шестнадцатеричной системе счисления, после названий символов.

  • NUL, 00 — null («пустой»). Символ null всегда игнорировался. На перфолентах, цифра «1» обозначалась отверстием, а цифра «0» — отсутствием отверстия. Участки перфоленты, на которых не была записана информация — не содержали отверстий (то есть содержали символы null); такие участки располагались в начале и в конце ленты. Символ null по сей день используется во многих языках программирования (как признак конца строки) и обозначается «\0» (термин «строка» обозначает последовательность символов). В некоторых операционных системах, null — последний символ любого текстового файла.

Сообщения, передаваемые по каналу связи, делились на две части:

  • Заголовок;
  • Текст.

«Заголовок» содержал: адреса отправителя и получателя, контрольную сумму и т. п.; мог размещаться до «текста» или после. Термином «текст» называлась часть сообщения, предназначенная для печати.

Символ Код HEX Расшифровка Перевод Описание
SOH 01 start of heading начало «заголовка» Символ начала заголовка (SOH) отмечает разделение данных, не относящийся к данным: часть потока, содержащую адреса и другие служебные данные.
STX 02 start of text начало «текста» Включить печатающее устройство (телетайп). Текст для печати располагался между символами «STX» и «ETX».
ETX 03 end of text конец «текста» Выключить печатающее устройство (телетайп). В наши дни код «03» используется для отправки процессу сигнала «SIGINT» (сигнал-прерывание: англ. signal interrupt) и может быть набран нажатием комбинации клавиш Ctrl+C. Получив такой сигнал, процесс должен завершить работу[en].
EOT 04 end of transmission конец передачи Символ используется эмуляторами терминалов в значении «Конец файла» (EOF: англ. end of file) и может быть отправлен нажатием комбинации клавиш Ctrl+D. Получив такой сигнал, эмулятор терминала определит процесс, который в данный момент работает с терминалом, и установит в стандартном потоке ввода этого процесса (stdin: англ. standard input stream) флаг «Конец файла». В результате процесс прекратит чтение[en] stdin и начнёт обработку прочитанных данных.
ENQ 05 enquire «Прошу подтверждения!»
ACK 06 acknowledgement «Подтверждаю!» Символ «NAK» означает обратное: «Не подтверждаю!».
BEL 07 bell звуковой сигнал: звонок Символ часто обозначается как «\a» и используется для подачи звукового сигнала.
BS 08 backspace возврат на один символ Передаётся при нажатии клавиши Backspace.
TAB 09 tabulation горизонтальная табуляция Обозначается как «\t». Иногда называется «HT» (от англ. horizontal tabulation).
LF 0A line feed перевод строки Команда для опускания каретки печатающего устройства на одну строку вниз. Обозначение конца строки различается в семействах операционных систем:
  • в «UNIX» — одиночный символ «LF»;
  • в ранних версиях MacOS и некоторых ОС домашних компьютеров — одиночный символ «CR»;
  • в «Windows» — последовательность символов «CR LF».

Во многих языках программирования символ обозначается как «\n». Многие терминалы 70-80-х годов содержали переключатель поведения клавиши ↵ Return, позволяющий посылать при нажатии на неё либо последовательность CR LF, либо только CR.

VT 0B vertical tab вертикальная табуляция
FF 0C form feed «прогон страницы», новая страница Команда для принтера: продолжить печать с начала следующего листа.
CR 0D carriage return возврат каретки Команда для принтера: продолжить печать с начала текущей строки (не с новой строки). Во многих языках программирования — символ «CR» обозначается как «\r». В операционной системе «Mac» — символ «CR» (в прошлом) обозначал конец строки текстового файла. С клавиатуры символ «CR»может быть введён нажатием комбинации клавиш: Ctrl+M.
SO 0E shift out «Переключиться на другую ленту (кодировку)» Другая лента обычно была окрашена в красный цвет. В дальнейшем символ использовался для переключения на национальную кодировку.
SI 0F shift in «Переключиться на исходную ленту (кодировку)» Команда для выполнения действия, обратного действию «SO».
DLE 10 data link escape «Экранирование канала данных» Любые символы, следующие после «DLE», должны восприниматься как данные, а не как управляющие символы.
DC1 11 device control 1 Первый символ управления устройством Команда включить устройство чтения перфоленты.
DC2 12 device control 2 Второй символ управления устройством Команда включить перфоратор.
DC3 13 device control 3 Третий символ управления устройством Команда выключить устройство чтения перфоленты.
DC4 14 device control 4 Четвёртый символ управления устройством Команда выключить перфоратор.
NAK 15 negative acknowledgment «Не подтверждаю!» Обратно символу «ACK».
SYN 16 synchronization Этот символ передавался, когда (для синхронизации) было необходимо что-нибудь передать.
ETB 17 end of text block конец текстового блока Иногда текст (по техническим причинам) разбивался на блоки.
CAN 18 cancel «Отмена» Отмена того, что было передано ранее.
EM 19 end of medium «Конец носителя» Кончилась перфолента, бумага — и т. п.
SUB 1A substitute «Подставить» Символ ставится:
  • На месте символа, значение которого было потеряно (или испорчено) при передаче;
  • Перед символом, для интерпретации которого нужно переключиться на дополнительный набор символов;
  • Перед символом, печатать который нужно другим цветом...

В настоящее время символ вставляется нажатием комбинации клавиш Ctrl+Z и используется для обозначения конца файла в операционных системах «DOS» и «Windows».

ESC 1B escape Знак того, что символ, следующий после «ESC», имеет какое-то другое (отличное от определённого в ASCII) значение. Обычно после символа «ESC» следуют управляющие последовательности; в операционной системе «DOS» они реализуются драйвером «ANSI.SYS».
DEL 7F delete стереть последний символ Символом «DEL» (состоящим в двоичном коде из всех единиц) можно было «забить» любой символ. Устройства и программы игнорировали «DEL» так же, как и «NUL».

Код этого символа происходит из первых текстовых процессоров с памятью на перфоленте: в них удаление символа происходило «забиванием» его кода дырочками (обозначавшими логические единицы).

Поддерживалось разделение данных на 4 уровня:

Символ Код Расшифровка Перевод Описание
FS 1C file separator разделитель файлов сообщение могло состоять из файлов
GS 1D group separator разделитель групп файлы могли состоять из групп
RS 1E record separator разделитель записей группы могли состоять из записей
US 1F unit separator разделитель юнитов записи могли состоять из юнитов

Представление ASCII в ЭВМ[править | править код]

На подавляющем большинстве современных компьютеров, минимально адресуемая единица памяти — байт (размером в 8 бит); поэтому там используются 8-битные, а не 7-битные символы. Обычно символ ASCII расширяют до 8 бит, просто добавляя один нулевой бит в качестве старшего.

USASCII-8[править | править код]

На компьютерах IBM/360 применялся другой метод: 6-й бит (если первым считать самый младший бит) перемещается в 7-й, а бывший 7-й «раздваивается» и копируется и в 8-й бит, и в 6-й[25]. Такую кодировку называли USASCII-8[26]

  .0 .1 .2 .3 .4 .5 .6 .7 .8 .9 .A .B .C .D .E .F
0. NUL SOM EOA EOM EQT WRU RU BELL BKSP HT LF VT FF CR SO SI
1. DC0 DC1 DC2 DC3 DC4 ERR SYNC LEM S0 S1 S2 S3 S4 S5 S6 S7
2.                                
3.                                
4. BLANK ! " # $ % & ' ( ) * + , - . /
5. 0 1 2 3 4 5 6 7 8 9 : ; < = > ?
6.                                
7.                                
8.                                
9.                                
A. @ A B C D E F G H I J K L M N O
B. P Q R S T U V W X Y Z [ \ ]
C.                                
D.                                
E.   a b c d e f g h i j k l m n o
F. p q r s t u v w x y z       ESC DEL

На компьютерах с минимально адресуемой единицей памяти в 36 бит — поначалу использовали 6-битные символы (1 слово = 6 символов). После перехода на ASCII на таких компьютерах в одном слове стали размещать либо 5 семибитовых символов (1 бит оставался лишним), либо 4 девятибитовых символа.

Ввод с клавиатуры[править | править код]

Расположение символов ASCII на клавиатуре согласно ANSI X4.14-1971: символы верхнего регистра вводятся в сочетании с клавишей ⇧ Shift, а управляющие символы — с Ctrl,[27]

!
1
"
2
#
3
$
4
%
5
&
6
'
7
(
8
)
9

0
=
-
~ ␞
^
¦ ␜
\
BS
ESC
Q ␑
q
W ␗
w
E ␅
e
R ␒
r
T ␔
t
Y ␙
y
U ␕
u
I ␉
i
O ␏
o
P ␐
p
` ␀
@
{ ␛
[
_ ␟
Ctrl
A ␁
a
S ␓
s
D ␄
d
F ␆
f
G ␇
g
H ␈
h
J ␊
j
K ␋
k
L ␌
l
+
;
*
:
} ␝
]
CR
Shift
Z ␚
z
X ␘
x
C ␃
c
V ␖
v
B ␂
b
N ␎
n
M ␍
m
<
,
>
.
?
/
Shift
LF

Коды ASCII используются в программировании как промежуточные кроссплатформенные коды нажатых клавиш (в противовес скан-кодам IBM PC и прочим внутренним кодам). Для раскладки клавиатуры QWERTY — таблица кодов выглядит так, как показано в следующей таблице[28].

27
112
113
114
115
116
117
118
119
120
121
122
123
44
145
19
192
49
50
51
52
53
54
55
56
57
48
189
187
8
45
36
33
144
111
106
109
9
81
87
69
82
84
89
85
73
79
80
219
221
13
46
35
34
103
104
105
107
20
65
83
68
70
71
72
74
75
76
186
222
220
100
101
102
16
226
90
88
67
86
66
78
77
188
190
191
16
38
97
98
99
13
17
91
18
32
18
92
93
17
37
40
39
96
110

См. также[править | править код]

Примечания[править | править код]

  1. ASCII (англ.). the Cambridge English Dictionary. dictionary.cambridge.org. Дата обращения: 9 апреля 2018. Архивировано 27 сентября 2017 года.
  2. Mackenzie, 1980, p. 211.
  3. Иллингуорт, 1990, с. 28.
  4. Mackenzie, 1980, p. 245.
  5. Mackenzie, 1980, p. 423.
  6. Mackenzie, 1980, p. 426.
  7. Mackenzie, 1980, p. 426−427.
  8. Mackenzie, 1980, p. 246−248.
  9. Mackenzie, 1980, p. 428.
  10. 1 2 3 Mackenzie, 1980, p. 240.
  11. вместо специального знака для операций умножения и деления было решено использовать типографский астериск и косую черту
  12. Mackenzie, 1980, p. 246−247.
  13. Mackenzie, 1980, p. 237.
  14. Mackenzie, 1980, p. 234.
  15. 1 2 Mackenzie, 1980, p. 235.
  16. Mackenzie, 1980, p. 225.
  17. Mackenzie, 1980, p. 226.
  18. Mackenzie, 1980, p. 222−224.
  19. Mackenzie, 1980, p. 225,239.
  20. 1 2 3 Mackenzie, 1980, p. 236.
  21. Mackenzie, 1980, p. 241.
  22. Mackenzie, 1980, p. 240−241.
  23. 1 2 Mackenzie, 1980, p. 214−215.
  24. ГОСТ 27463-87 (СТ СЭВ 356-86) Системы обработки информации. 7-битные кодированные наборы символов (с Изменением N 1), ГОСТ от 29 октября 1987 года №27463-87. docs.cntd.ru. Дата обращения: 9 апреля 2018. Архивировано 23 апреля 2018 года.
  25. Amdahl G. M., Blaauw G. A., Brooks F. P., Jr. «Architecture of the IBM system/360». 1964
  26. Mackenzie, 1980, p. 399-400.
  27. ANSI X4.14-1971: Alphanumeric Keyboard Arrangements Accommodating the Character Sets of ASCII and ASCSOCR (англ.)
  28. Keys Enum. Microsoft.com. Дата обращения: 11 июня 2022. Архивировано 11 июня 2022 года.

Литература[править | править код]

  • ANSI X3.4-1963 Code for Information Interchange
  • ANSI X3.4-1965 Code for Information Interchange
  • ANSI X3.4-1967 Code for Information Interchange
  • ANSI X3.4-1977 Code for Information Interchange

Ссылки[править | править код]