Représenter un texte en utilisant différents encodages

Les caractères sont des symboles alphanumériques : majuscules, minuscules, chiffres, ponctuation, caractères spéciaux, etc. À chaque caractère correspond un nombre en binaire.

En 1960, on normalise l’écriture avec l’ASCII de base (American Standard Code for Information Interchange), prononcé « aski ». À chaque caractère est associé un binaire sur 7 bits. Il y a donc 2⁷ = 128 caractères numérotés de 0₁₀ à 127₁₀ et codés en binaire de 0000000₂ à 1111111₂.

Table ASCII

Exemple
P en ASCII : 1010000₂. En effet, les 3 premiers bits sont donnés par le numéro de colonne associé à P, c’est-à-dire 101, puis les quatre autres bits sont donnés par le numéro de la ligne, ici 0000.
Le code ASCII de P en décimal vaut 80₁₀.

Beaucoup de langues n’utilisent pas l’alphabet latin, ce qui cause beaucoup de problèmes (par exemple les glyphes des alphabets russes ou arabes). Une nouvelle norme a donc été créée en 1991 : l’Unicode.

Le but est de rassembler tous les caractères existants, la table Unicode contient donc près de 150 000 caractères. Le codage de cette table est multiple.

Le codage le plus utilisé est l’UTF-8 qui fonctionne sur le principe suivant.

Principe du codage UTF-8

• Les caractères « classiques » sont codés sur 1 octet.
• Les caractères moins classiques, plus rares, sont codés sur un nombre variable d’octets (2, 3 ou 4).