ASCII

ASCII (акроним от английски: American Standard Code for Information Interchange – „Американски стандартен код за обмен на информация“, чете се „аски“^[1]) е символна кодова таблица на основата на латинската азбука. ASCII кодът служи за представяне на текст в компютрите и други комуникационни и управляващи устройства. Всички съвременни устройства, използващи писмени знаци, поддържат ASCII, както и множество допълнителни символи. До 2007 ASCII е най-използваната символна таблица в World Wide Web (WWW), но след това я измества UTF-8, която е надмножество на ASCII.^[2][3][4]

ASCII

ASCII е разработен въз основа на някои телеграфни кодове. Работата по стандарта започва на 6 октомври 1960 г., когато е първото събрание на Американската асоциация за стандартизация, подкомитет X3.2. Първото издание на стандарта, публикувано през 1963 г.,^[5][6] преминава през сериозни промени през 1967 г.,^[7][8] а най-скорошната актуализация е през 1986 г.^[9] В сравнение с по-ранните телеграфни кодове, подреждането на знаците в ASCII е по-удобно за сортиране на списъци и за устройства, различни от телепринтерите.

ASCII дефинира кодове за 33 непечатими контролни символа (които служат за управление на устройства за обработка на текст) плюс следните 95 печатими символа (първият от които е знакът интервал):

 !"#$%&'()*+,-./
0123456789:;<=>?
@ABCDEFGHIJKLMNO
PQRSTUVWXYZ[\]^_
`abcdefghijklmno
pqrstuvwxyz{|}~

Въведение

ASCII определя еднозначно съответствие между двоични кодове и писмени знаци (глифи), правейки възможна обмяната на текстова информация между отделни цифрови устройства, както и нейното съхраняване в тези устройства. Важно е да се отбележи, че ASCII определя съответствие между кода и семантичната стойност на глифа, а не негова конкретна реализация. Компютърните шрифтове определят реализациите на глифите. Да вземем за пример главната латинска буква A – нейният двоичен код е 0100 0001, което е 65 в десетичен код. В един обикновен текстов файл в ASCII код тя ще бъде представена именно с този код – 65. Но за да се изобрази на екрана, е нужен шрифт, който от своя страна съпоставя на този код някакво изображение. Това изображение е различно при отделните шрифтове, но смисълът му е един и същ – главна латинска буква A.

ASCII е 7-битов код, което означава, че може да представи 128 символа. Той често се допълва до 8 бита чрез добавяне на една или повече допълнителни азбуки (освен латинската). По времето на своето създаване за изход на текст са се използвали предимно печатащи устройства. Затова в ASCII се съдържат и контролни кодове, уточняващи начина, по който да се отпечатат символите.

История

Американският стандартен код за обмен на информация се разработва под ръководството на Американската асоциация за стандартизация (наричана комитет X3), от подкомитета X3.2, а по-късно – от подкомитета X3.2.4. След като се преименува, днес Американската асоциация за стандартизация се нарича Американски институт за стандартизация

Преди ASCII

През 60-те години на XX век липсва общ стандарт и всеки производител на хардуер използва собствен код. По това време има над шестдесет различни начина за представяне на символи, но различните машини не могат да обменят информация поради различното представяне на буквите, цифрите и другите символи. Само IBM използва девет различни поредици от символи за различните си устройства.

1961 – Започване на работата

Боб Бъмър – програмист в IBM, наричан баща на ASCII – обръща внимание, че с използването на девет различни стандарта машините на IBM не могат да комуникират помежду си, а още по-малко с машините от останалия свят. През май 1961 г. той предлага на Американския институт за стандартизация да се въведе и използва общ стандарт между компютрите. За работа по проекта се създава подкомитет X3.2, съставен от представители на повечето производители на компютри.

1963 – Годината на раждане на ASCII

Всеки от производителите настоява да запази своя начин на представяне на символите. Повече от две години са нужни на комитета, за да постигнат съгласие за един общ код. Подкомитетът X3.2 разработва ASCII на базата на по-ранните системи за кодиране на телепринтерите. Подобно на други символни кодировки, ASCII определя съответствие на цифровите битови шаблони със символи (печатими и непечатими). Това позволява на кодиращите устройства да обменят, обработват и запазват информация в символен вид. За да включи 26-те латински букви, 10-те арабски цифри и специалните символи (от 11 до 25 при различните тогавашни кодировки), новият код трябвало да съдържа над 64 знака.

Обсъждало се е да бъде вкарана променяща функция, която да позволи над 64 знака да бъдат представени в 6-битов код. Това би направило кодировката по-икономична, но по-малко надеждна за предаване на данни, тъй като грешка в променящия код ще направи данните нечетими. Това предложение се отхвърля и се решава, че ASCII ще бъде 7-битов код.

Комитетът обсъжда и 8-битов код, тъй като това би позволило два 4-битови шаблона за ефективно представяне на двоично кодирано десетично число. Само че това би изисквало при всеки обмен на данни да се пращат осем бита, дори когато седем са достатъчни. За да се намалят разходите по изпращане на данни, комитетът избира 7-битов код.

Първата публикация на ASCII става през 1963 г. от комитета като били оставени 28 символа без предназначение за по-късна стандартизация. Дебатирало се е дали да бъдат вкарани още контролни символи вместо малките букви от английската азбука, но било взето решение малките букви да бъдат вкарани на 6 – 7 колона. Това породило разлика между битовите шаблони на малките и големите букви с един бит, което опростило намирането на сходство между две букви, без да се има предвид дали е малка или голяма буква, по-лесно, а също улеснило правенето на принтери и клавиатури.

1963 – 1964 – Първи опит за прилагане на ASCII

За първи път с търговска насоченост ASCII е използван на 7-битов телепринтерски код за мрежата TWX (TeletypeWriter eXchange) на „American Telephone and Telegraph Company“ (АТ§Т) през 1963. От 1963 до 1964 Ай Би Ем работят здраво по новата си операционна система/360 (OС/360), но когато операционната система била готова станало ясно, че няма да успеят да завършват принтерите и перфокартите навреме за официалното пускане на системата на пазара. Това, което се опитали да направят е да дадат възможност на операционната система да превключва между ASCII и EBCDIC (8-битова кодировка използвана от Ай Би Ем), но начинанието завършило с неуспех.

ASCII между 1964 – 1981

След проваления опит на Ай Би Ем да прокара общ стандарт в технологиите си се създава дупка от 18 години, в които не се чува нищо за ASCII. Работата на производители продължава по същия начин, както преди създаването на ASCII, а единствения компютър използвал този стандарт през тези 18 години е UNIVAC 1050.

1981 – Завръщането на ASCII

Първият компютър на Ай Би Ем бил произведен през тази година и отбелязва началото на използването на ASCII в компютрите. Това е най-важното събитие за стандарта, който предстои да се превърне в глобално използван. Оттогава нататък всеки един компютър е правен така, че да е възможно най-съвместим с ASCII. Възникват и разширени стандарти, които отново са ASCII базирани.

ASCII е все още използван, изключвайки „Windows“ машините, които използват уникод.

ASCII контролни символи

Първоначално ASCII таблицата е създадена за обмен на информация между терминали и периферни устройства. ASCII запазва първите 32 символа (кодове с номера 0 – 31) за контролни знаци: служещи да контролират устройства (като принтери), които ползват ASCII за да предоставят мета-информация за потоци от данни, обработвани и съхранявани на различни видове носители. Например, код 10 представлява функция за „нов ред“ (което кара принтера да подава хартия), а код 8 представлява „връщане назад“.

Едно от първите устройства ползващи ASCII e Теле-шрифт модел 33 ASR, което е било терминал за печат с перфо-лента с опция четене и писане. Перфо-лентата е била много популярно средство за дългосрочно съхранение на данни до 1980 г. – значително по-евтини и в някои отношения по-стабилни носители от магнитна лента. Теле-шрифт Model 33 ползва кодове 17 (Control-Q, DC1, известен също като XON), 19 (Control-S, DC3, известен също като XOFF) и 127 (Изтриване), които дефакто стават стандарти. В модела 33 за пръв път е използвана и звуковата индикация Control-G (BEL) – конструирана със звънец, който се задейства механично, като получи BEL символ.

Някои видове софтуер дават специални значения на ASCII символите, изпращани от терминала до софтуера. Операционните системи от Digital Equipment Corporation, например, тълкуват DEL като команда „изтрии последно въведения символ“. Тази интерпретация също се използва често при Unix системи. Повечето други системи, използват BS вместо DEL за тази функция, а DEL означава „изтрии символа на мястото на курсора“. Символът „escape“ (код 27) е първоначално замислян да изпраща контролни символи като литерали, вместо да извиква тяхното значение. Същото значение на „escape“ се среща и в URL кодирането, низове в езика C и други системи, в които определени символи имат запазено значение. С времето, това значение е било променено.

Поради появилите се с времето интерпретации на контролните символи неминуемо се появяват и проблеми при прехвърляне на файлове между системите. Най-добрия пример за това е проблемът с „новия ред“ на различни операционни системи.

В библиотеките на С и конвенциите на Unix, символът „null“ се използва да се прекрати символен низ. Такива низове са познати като „ASCIIZ“ като „Z“ представлява „0“ (zero).

В днешно време идеята за ASCII таблицата е доразвита и управлението на потоците от данни става с форматиращи файлове, езици за управление на устройства (като PostScript) и стандартни протоколи. Поради тази причина много от контролните символи вече или изобщо не се използват или се използват не по първоначалното им предназначение.

ASCII контролни символи – диаграма

Binary	Oct	Dec	Hex	Съкр.	ИП	КК	Английски	Български	Описание
0000 0000	000	0	00	NUL	␀	^@	NULL	Празен символ	Този символ не прави нищо. Някои терминали го изобразяват като интервал, но това е неправилно.
0000 0001	001	1	01	SOH	␁	^A	Start of Heading	Начало на заглавие	В днешно време се използва в маршрутизатори на CISCO.
0000 0010	002	2	02	STX	␂	^B	Start of Text	Начало на текст	В днешно време се използва в маршрутизатори на CISCO.
0000 0011	003	3	03	ETX	␃	^C	End of Text	Край на текст	При въвеждане в терминала обикновено се интерпретира като сигнал за презареждане.
0000 0100	004	4	04	EOT	␄	^D	End-of-transmission character	Край на предаване	Unix ситемите го интерпретират като край на входните данни. Текущата програма е прочела данните от терминала приключва четенето и обработва цялата информация до символа ^D.
0000 0101	005	5	05	ENQ	␅	^E	Enquiry	Повикване	Използва се в телетайпните системи (теграфи).
0000 0110	006	6	06	ACK	␆	^F	Acknowledgement	Потвърждение	Използва се в телетайпните системи (теграфи).
0000 0111	007	7	07	BEL	␇	^G	Bell	Звънец	Ако принтера или терминала получи таккъв символ той не отпечатва нищо, но произвежда звуков сигнал.
0000 1000	010	8	08	BS	␈	^H	Backspace	Връщане назад	Премества позицията на печатното устройство един символ назад.
0000 1001	011	9	09	HT	␉	^I	Horizontal Tab	Хоризонтална табулация	Премества позицията на печатното устройство към следваща позиция.
0000 1010	012	10	0A	LF	␊	^J	Line feed	Нов ред	Премества позицията за печат един ред надолу или разделя текстов файл в Unix системите.
0000 1011	013	11	0B	VT	␋	^K	Vertical Tab	Вертикална табулация	Премества печатното устройство в следващата позиция по вертикал.
0000 1100	014	12	0C	FF	␌	^L	Form feed	Следваща страница	Изтрива печата на текущата страница и започва печат на следващата. На терминалните устройства този символ обикновено е еквивалентен на изчистване на екрана.
0000 1101	015	13	0D	CR	␍	^M	Carriage return	Връщане в изходно положение	Премества печатащата глава на принтера в крайно ляво – изходно положение.
0000 1110	016	14	0E	SO	␎	^N	Shift Out	Режим на въвеждане	Превключва режима на въвеждане на текущия език.
0000 1111	017	15	0F	SI	␏	^O	Shift In	ACSII режим на въвеждане	Превключва на латински режим на писане.
0001 0000	020	16	10	DLE	␐	^P	Data Link Escape	Игнориране на управляващ символ	Означава, че следващия символ трябва да се приеме буквално, а не като управляващ.
0001 0001	021	17	11	DC1	␑	^Q	Device Control 1 (или XON)	Управление на устройство код 1	Разрешава на терминала да продължи да приема данни.
0001 0010	022	18	12	DC2	␒	^R	Device Control 2	Управление на устройство код 2
0001 0011	023	19	13	DC3	␓	^S	Device Control 3 (или XOFF)	Управление на устройство код 3	Временно да прекрати приемането на данни.
0001 0100	024	20	14	DC4	␔	^T	Device Control 4	Управление на устройство код 4
0001 0101	025	21	15	NAK	␕	^U	Negative Acknowledgement	Отрицателно потвърждение	Означава, че устройството е заето.
0001 0110	026	22	16	SYN	␖	^V	Synchronous Idle	Синронен режим	Синхронизиран обмен на данни.
0001 0111	027	23	17	ETB	␗	^W	End of Trans. Block	Край на блока на предаване
0001 1000	030	24	18	CAN	␘	^X	Cancel	Отмяна	Данните, които са дошли преди този символ са некоректни.
0001 1001	031	25	19	EM	␙	^Y	End of Medium	Край на носителя	Използва се например, ако е свършила перфолентата.
0001 1010	032	26	1A	SUB	␚	^Z	Substitute	Замяна	Поставя се на мястото на символи, които са били изгубени при приемането на данните. В MS-DOS се използва за край на текстов файл и край на входящата от конзолата информация. Някои текстови редактори под DOS го добавят автоматично в края на файла.
0001 1011	033	27	1B	ESC	␛	^[	Escape	Алтернативен регистър	Следващия символ има значение различно от значението му определено от ASCII.
0001 1100	034	28	1C	FS	␜	^\	File Separator	Файлов разделител
0001 1101	035	29	1D	GS	␝	^]	Group Separator	Разделител на групи
0001 1110	036	30	1E	RS	␞	^^	Record Separator	Разделите на записа
0001 1111	037	31	1F	US	␟	^_	Unit Separator	Разделител по полета
0111 1111	177	127	7F	DEL	␡	^?	Delete	Изтриване

1. Изобразимо Представяне, Unicode глифите представящи контролните символи когато е необходимо те да се отпечатат или изобразят вместо да се използват по предназначение. Понякога вместо това се използва представянето с каретка съответстващо на начина на въвеждане.
2. Клавишна Комбинация, стандартната клавишна комбинация използвана за въвеждане на контролните символи. Каретката (^) представя клавиша Control (Ctrl) който трябва да се задържи докато се натиска следващия клавиш от комбинацията.
3. Символите Backspace, Delete, Escape и Carriage Return могат да бъдат въведени и чрез натискане на съответните клавиши – ← Backspace (или Bksp, ←), Delete (Del), Escape (или Esc), Carriage Return (или Return, Ret, Enter, ↵)
4. Някои системи превеждат символът Delete в Backspace. В тези случаи Delete може да се въведе и чрез клавиша или клавишните комбинации за Backspace.

ASCII печатаеми символи

След първите 32 контролни знаци в ASCII таблицата са вкарани 95 печатаеми или входни знаци. Това са текстови символи представени чрез числа: 26 малки английски букви, 26 големи английски букви, 10 цифри, 32 препинателни знаци и 1 интервал. Тоест в ASCII таблицата са вкарани всички символи, които трябва да бъдат изобразявани, за да може един текст да бъде прочетен, затова и те се наричат печатаеми символи.
Кодът 20_hex, „space“ клавишът обозначава интервал между думите. Интервалът се счита за невидим символ и затова се причислява към печатаемите знаци, а не към контролните.

Binary Oct Dec Hex Glyph 010 0000 040 32 20 (space) 010 0001 041 33 21 ! 010 0010 042 34 22 „ 010 0011 043 35 23 # 010 0100 044 36 24 $ 010 0101 045 37 25 % 010 0110 046 38 26 & 010 0111 047 39 27 ' 010 1000 050 40 28 ( 010 1001 051 41 29 ) 010 1010 052 42 2A * 010 1011 053 43 2B + 010 1100 054 44 2C , 010 1101 055 45 2D - 010 1110 056 46 2E . 010 1111 057 47 2F / 011 0000 060 48 30 0 011 0001 061 49 31 1 011 0010 062 50 32 2 011 0011 063 51 33 3 011 0100 064 52 34 4 011 0101 065 53 35 5 011 0110 066 54 36 6 011 0111 067 55 37 7 011 1000 070 56 38 8 011 1001 071 57 39 9 011 1010 072 58 3A : 011 1011 073 59 3B ; 011 1100 074 60 3C < 011 1101 075 61 3D = 011 1110 076 62 3E > 011 1111 077 63 3F ?

Binary Oct Dec Hex Glyph 100 0000 100 64 40 @ 100 0001 101 65 41 A 100 0010 102 66 42 B 100 0011 103 67 43 C 100 0100 104 68 44 D 100 0101 105 69 45 E 100 0110 106 70 46 F 100 0111 107 71 47 G 100 1000 110 72 48 H 100 1001 111 73 49 I 100 1010 112 74 4A J 100 1011 113 75 4B K 100 1100 114 76 4C L 100 1101 115 77 4D M 100 1110 116 78 4E N 100 1111 117 79 4F O 101 0000 120 80 50 P 101 0001 121 81 51 Q 101 0010 122 82 52 R 101 0011 123 83 53 S 101 0100 124 84 54 T 101 0101 125 85 55 U 101 0110 126 86 56 V 101 0111 127 87 57 W 101 1000 130 88 58 X 101 1001 131 89 59 Y 101 1010 132 90 5A Z 101 1011 133 91 5B [ 101 1100 134 92 5C \ 101 1101 135 93 5D ] 101 1110 136 94 5E ^ 101 1111 137 95 5F _

Binary Oct Dec Hex Glyph 110 0000 140 96 60 ` 110 0001 141 97 61 a 110 0010 142 98 62 b 110 0011 143 99 63 c 110 0100 144 100 64 d 110 0101 145 101 65 e 110 0110 146 102 66 f 110 0111 147 103 67 g 110 1000 150 104 68 h 110 1001 151 105 69 i 110 1010 152 106 6A j 110 1011 153 107 6B k 110 1100 154 108 6C l 110 1101 155 109 6D m 110 1110 156 110 6E n 110 1111 157 111 6F o 111 0000 160 112 70 p 111 0001 161 113 71 q 111 0010 162 114 72 r 111 0011 163 115 73 s 111 0100 164 116 74 t 111 0101 165 117 75 u 111 0110 166 118 76 v 111 0111 167 119 77 w 111 1000 170 120 78 x 111 1001 171 121 79 y 111 1010 172 122 7A z 111 1011 173 123 7B { 111 1100 174 124 7C | 111 1101 175 125 7D } 111 1110 176 126 7E ~

Вариации

Тъй като компютърните технологии се разпространяват из целия свят, различни стандарти и корпорации разработват различни вариации на ASCII. Целта им е да допълнят липсващите не-английски символи в останалите езици базирани на латинската азбука. Този тип вариации се нарича ASCII разширения, въпреки че често този термин се използва за всички варианти, включително и тези които не запазват ASCII символите в 7 битовия обхват. Обратното също се наблюдава – ASCII разширенията биват погрешно наричани ASCII.

Много страни са разработили собствени варианти на ASCII, за да включат букви, които не се използват в английския език (напр. é, ñ, ß, Ł), символи за валута (напр. £, ¥), и др.

7-битови

От зората на разработката си, ASCII е планиран да бъде един от няколко варианта на символно кодиране за англоговорещите страни, включени в международния стандарт. Този стандарт е публикуван под името ISO/IEC 646 през 1972 г. В него общо използваните символи винаги стоят на една и съща позиция, докато останалите се променят за нуждите на определена дейност или етническа група.

През 4-те години между публикацията на ASCII-1963 и приемането на международен стандарт ISO през 1967, ASCII се утвърждава дотолкова, че на практика се приема за световния стандарт. Останалите страни я приемат за основна и я променят според своите нужди, което неминуемо довежда до обърквания и несъвместимости.

ISO/IEC 646, подобно на ASCII, е 7 битово символно кодиране. Той не е допускал включването на допълнителни кодове, така че в различните страни са се използвали различни символи за един и същ код. Специални кодове са били дефинирани, които да указват за чия нужда е предназначен даден текст. Често обаче тези указващи кодове не са били използвани, което в определени ситуации е довеждало до грешно интерпретирани кодове и съответно, грешно изписани символи.

В ASCII, различните видове скоби са били означени като символи разрешени за промяна. За нуждите на езици като немски, френски, шведски и други, в които се използват букви с ударение, символите със скоби са били заместени със символи за букви. Това засегнало особено програмистите, които използвайки различен от американския вариант на ISO/IEC 646, получавали трудно четим код:

ä aÄiÜ = 'Ön'; ü

вместо правилния:

{ a[i] = '\n'; }

C trigraph е бил създаден за да реши този проблем при езика C (ANSI C). Късното му представяне обаче го обричат на ограничена употреба. Много програмисти по това време вече са били свикнали компютърът им да използва US-ASCII и неудобството понякога да виждат скоби в средата на думите. Използването на US-ASCII от шведи, например ги е принуждавало да заместват ударените букви, със скобата съответстваща на същия код: Тоест трябвало е да напишат „N{ jag har sm|rg}sar.“, за да може отсрещната страна, която използва шведски стандарт да види правилното „Nä jag har smörgåsar.“

8-битови

Скоро, след като 8, 16 и 32 битовите компютри започват да изместват 18 и 36 битовите, започва и използването на 8 бита за съхранение на символ в паметта. Допълнителния бит позволява двойно да се увеличат ASCII кодовете, като оригиналния ASCII се запази в позиции от 0 до 127. За допълнителните символи са предвидени местата от 128 до 255.

Повечето ранни компютърни системи използват собствени версии на 8 битовата подредба, обикновено съдържащи символи за чертане на различни видове линии или за изобразяване на елементи в игрите. Някои дори подменят дори и контролните символи от 0 до 31. Kaypro CP/M компютрите използват „горните“ 128 символа за гръцката азбука. IBM-ските компютри дефинират code page 437, която подменя контролните символи с графични (напр. усмихнато лице) и добавя още 128 графични символи в разширените позиции. Digital Equipment Corporation разработва Multinational Character Set (DEC-MCS) – първото разширение на ASCII фокусирано върху многоезичната поддръжка, вместо върху символите за рисуване или чертане.

Компанията Макинтош с техния Mac OS Roman, както и разработчиците на Postscript, също дефинират подредби акцентиращи върху чуждоезичните букви и печатарските символи, вместо върху символите с графични елементи.

В крайна сметка стандарта ISO/IEC 8859 (водещ началото си от DEC-MCS) става шаблона, който останалите системи започват да копират (но отново включват по някоя и друга промяна). На този стандарт се базира и известното разширение на Майкрософт – Windows-1252, което добавя печатарските пунктуационни знаци, необходими при принтиране на текст. ISO-8859-1, Windows-1252, и оригиналния 7 битов ASCII са били най-разпространените символни кодировки до 2008 г., когато UTF-8 става най-използваната.

ISO/IEC 4873 включва 32 допълнителни контролни символа на позиции от 128 до 159, като необходимост за разширяването на 7 битовото ASCII в 8 битово.

Уникод

Unicode и ISO/IEC 10646 Universal Character Set (UCS) разполагат с много по-голям набор от символи, и техните различни форми са започнали да изместват ISO/IEC 8859 и ASCII в много и различни разработки. В Уникод и UCS липсва ограничението на ASCII от 128 символа. При тях, всеки от символите се идентифицира с уникално естествено число наречено code point, а броят им се ограничава единствено от използвания начин на представяне: чрез 8, 16 или 32 бита (съответно наречени UTF-8, UTF-16 и UTF-32).

За да се постигне обратна съвместимост, 256-те символа от ISO-8859-1 (Latin 1) и в частност 128-те символа от ASCII заемат едни и същи позиции в Unicode/UCS таблицата. По този начин ASCII може да се приеме като 7 битово представяне на много малка част от целия Unicode/UCS, а освен това, (когато е предшестван от 0 като 8-и бит) за ASCII може да се каже, че е валиден UTF-8.

Подредба на символите

ASCII таблицата е подредена в свой собствен ред, наричан „ASCIIbetical order“. Сравнението на данни се извършва по този начин, за разлика от традиционната азбучна подредба. Главните разнородности в ASCII подредбата са:

• Всички главни букви са разположени преди малките. (Напр. „Z“ е преди „а“)
• Цифрите и много пунктуационни знаци са разположени преди буквите.
• Цифрите са сортирани като низове (Напр. „10“ предходжа „2“)

Такова сортиране може да бъде избегнато чрез т.нар. „запълване с нули“ (Напр. „02“ ще идва преди „10“)