Особенности кодировки символов кириллицы в разных операционных системах

При подготовке текстовых документов следует учитывать то, что в разных операционных системах сисмволы кириллицы (русского алфавита) кодируются по-разному. Обычно один символ в ЭВМ хранится в виде одного байта. Байт может содержать не более 256 комбинаций нулей и единиц (0-255). Каждому символу соответствует одна такая комбинация. Числа от 0 до 127 кодируют символы английского алфавита (заглавные и прописные), цифры, знаки препинания, вспомогательные символы ($@&*%~`'”>< и т.д.), а также специальные (“невидимые”) символы, используемые для служебных целей (перевода строки, возврат каретки , табуляции и т.д). Символы других алфавитов (в том числе русского) и ряд специальных символов кодируются числами от 128 до 255. Различные операционные системы используют различные способы кодировки символов кириллицы. В разных кодировках одному и тому же числу из диапазона 128-255 может соответствовать разная буква кириллицы. Поэтому при просмотре текста, набранного в Windows, с помощью программы для DOS на экране вместо одних букв можно увидеть совсем другие или вообще “абракадабру” - специальные символы, не являющиеся буквами. И наоборот. Это следствие различного кодирования символов.

Существует множество различных кодировок символов кириллицы. Наиболее распространенными являются три:

• ANSI (CP1251) - кодировка, используемая в Windows;

• OEM (CP866) - кодировка, используемая в DOS и OS/2;

• КОИ8 R - кодировка, используемая в Unix.

Для преобразования текстов из одной кодировки в другую существуют специальные программы. Многие текстовые редакторы (но не Notepad) также позволяют выполнять такие преобразования.

Кодирование символов одним байтом приводит к тому. Что в одном документе становится невозможным использование сразу нескольких языков. Это особенно актуально для иероглифических языков (японский, китайский, корейский). Поэтому сейчас активно внедряется кодировка Unicode, в которой каждый символ кодируется 2 байтами. Это позволяет одновременно кодировать более 65 тыс. символов.

Текстовые процессоры

Текстовые процессоры - это программы, позволяющие не только набирать и редактировать текст, но и включающие развитые инструменты оформления содержимого текстовых документов. Помимо собственно текста файлы документов текстовых процессоров содержат служебную информацию, служащую указанием как текст должен выглядеть при просмотре и печати, а также различные данные, служащие иллюстративным материалом (графики, диаграммы, схемы, рисунки).

Наиболее распространенным и универсальным форматом хранения данных текстовых процессоров является RTF (Rich Text Format). Он является стандартным и поддерживается всеми текстовыми процессорами. Формат RTF предполагает, что вместе с текстом хранится описание того, как он должен выглядеть при просмотре и печати, закодированное представление данных других приложений (например, картинок, графиков), размещенных в текстовом документе и т.д. Многие текстовые процессоры поддерживают собственные, более эффективные, чем RTF способы хранения файлов данных, а также имеют различные средства для конвертирования данных из одних форматов в другие.

Текстовые процессоры сильно различаются по составу поддерживаемых ими функций. Простейшим текстовым процессором является WordPad, входящий в комплект поставки Windows. Из Интернет можно скачать множество других текстовых процессоров, имеющих схожие или чуть большие возможности.

Наиболее мощными текстовыми процессорами являются Word (Microsoft), Word Perfect (Corel), Word Pro (IBM-Lotus), а также текстовые процессоры из пакетов программ Star Office (Sun), Open Office (свободно распространяемый). В состав пакета программ Microsoft Works входит текстовый процессор, полностью совместимый с Word, но не поддерживающий небольшую часть редко применяемых функций Word. Следует отметить и чисто российскую разработку - текстовый процессор Lexicon, практически аналогичный с Word по функциональности (основное отличие в том, что Lexicon не имеет своей встроенной системы программирования).