Les normes de codage

Si le caractère existe depuis environ deux millénaires, sa représentation abstraite sous forme numérique est plus récente. Elle a notamment été développée pour le télégraphe. Cette abstraction permettant d'améliorer l'efficience des communications. L'émergence d'un codage unifié s'est cependant heurté par des différences d'approche conventionnelles et culturelles du concept de caractère.

Considérations techniques[modifier | modifier le code]

Comme les ordinateurs fonctionnent en binaire, un numéro est attribué à chaque caractère. Ce numéro peut être codé avec un certain nombre de bits.

L'article sur le Codage des caractères couvre en détail ces aspects.

8 bits[modifier | modifier le code]

À la fin du vingtième siècle, 8 bits (c'est-à-dire un octet) était assez habituel et permettait de représenter 256 numéros, donc 256 caractères différents.

Cette première limite à 256 numéros a conduit à des normes qui différent dans le jeu de caractères couverts, dans le code attribué à chaque caractère, et dans la représentation binaire du code. Ainsi, le caractère « € » n'existe pas en ASCII, a le numéro 164 en ISO 8859-15, et le numéro 8364 en Unicode.

Cette limite est aujourd'hui couramment dépassée.

Normalisation et standardisation[modifier | modifier le code]

Il existe plusieurs normes de codage de caractères dont, parmi les plus connus, ASCII, ISO 8859, et Unicode. Les normes différent dans le jeu de caractères couverts, dans le code attribué à chaque caractère, et dans la représentation binaire du code. Ainsi, le caractère « € » n'existe pas en ASCII, a le numéro 164 en ISO 8859-15, et le numéro 8364 en Unicode. Sept bits suffisent pour coder tous les caractères de la norme ASCII, mais il en faut 8 (un octet) pour ISO 8859, et plus de 16 pour Unicode. Il existe plusieurs représentations binaires différentes d'Unicode, dont UTF-8 et UTF-16 ; ainsi il faut trois octets pour coder le 8364 de « € » en UTF-8, contre deux octets en UTF-16.

Les différents numéros attribués ne permettent pas seulement d'identifier les caractères de certains alphabets, mais également les variantes liées aux accents, les chiffres, certains symboles, ainsi que des caractères non imprimables, comme les espaces, tabulations et retours à la ligne.

Une suite de caractères informatiques représente un texte brut, avec les espaces et les retours à la ligne, mais sans formatage plus élaboré comme la fonte de caractères, la couleur de texte, la taille des caractères, etc. Les caractères spéciaux (comme l'astérisque et l'esperluette) étaient surtout utilisés comme codes de contrôle par le matériel informatique (terminaux et imprimantes1) d'avant les années 1990 qui ne fonctionnait qu'en mode texte. Les caractères d'échappement permettaient de combiner plusieurs codages et étaient le principe de base de l'ISO-2022.

Terminologie[modifier | modifier le code]

La standard Unicode différencie les caractères abstraits et les caractères

...