Codificación de Carácteres

Created in January 08, 2024 by Alan Yahir Juárez Rubio , last updated in June 05, 2024

2024   ·   codificacion   ascii   unicode   utf   ·   informatica

Conceptos básicos

  • Código: Conjunto de elementos que, al ser combinados, representan una idea, concepto o información. Un código puede ser texto, palabras, dibujos, música, videos, etc. (cualquier forma de comunicación).

  • Codificación: Acción de convertir ideas e infomación en un código

  • Decodificación: Acción de decifrar cualquier código, es decir, interpretar el código.

Conceptos en Informática

  • Codificación: Acción de convertir una serie de bits (lenguaje máquina) en otro código, en otro formato de información (números, texto, imágenes…).

  • Decodificación: Proceso opuesto a la codificación, es decir, convertir código a lenguaje máquina.

  • Esquema de codificación de carácteres Esquema que establece el cómo se convertirán (códificaran) los carácteres en lenguaje máquina.

ASCII

ASCII (American Standard Code for Information Interchange) es un esquema compuesto de 1 byte. Fue creado para sistemas de 8 bits. El primer bit (bit de control) es 0 mientras que los 7 bits restantes son utilizados para representar carácteres (128 carácteres, del 0 al 127).

Esquma ASCII
Fig. 1: Esquema ASCII

Existen dos tipos de carácteres:

  • De control (no imprimibles): Carácteres que sirve para el uso interno del computador.

  • Imprimibles: Carácteres que se imprimen en pantalla, que podemos visualizar.

Los primeros 32 carácteres y el 128 son carácteres de control, mientras que el resto (32 - 127) son carácteres imprimibles del inglés.

ASCII-Extendido

El ASCII-Extendido fue creado principalmente para aquellos idiomas que requieren símbolos adicionales al inglés. Este utiliza los 8 bits para representar carácteres (256 carácteres, del 0 - 255). Los primeros 128 carácteres son los carácteres originales de ASCII, mientras que los 128 restantes (128 - 255) depende de la variación de ASCII-Extendido

NOTA

Para conocer los diferentes esquemas de ASCII-Extendido recomiendo consultar ASCII Code Sets

Unicode

Unicode (Standard character encoding system) fue creado con el propósito de remplazar a ASCII. En un principio este se conformaba de 16 bits, siendo los primeros 7 iguales a ASCII (agregando 0’s a la izquierda), la cual soportaba una gran basta cantidad de carácteres

Si bien Unicode agregó muchísimos carácteres, la versión de 16 bits no era suficiente, por lo que más tarde fue desarrollada la versión de 32 bits, soportando todos los idiomas e inclusive emojis. Hoy en día Unicode soporta hasta 149,813 carácteres.

UTF

UTF (Unicode Transformation Format) es un estándar establecido por Unicode para que cada símbolo solo ocupe la cantidad de bits necesearios (8, 16 o 32), en vez de que cada símbolo del archivo esté obligado a utilizar 16 o 32 bits.

Si bien se han inventado varias versiones de UTF, actualmente solo existen 3:

  • UTF-8: Utiliza mínimo 8 bits; comprenden los símbolos de ASCII. Requieremenos menos espacio, pero al utilizar símbolos de 16 y 32 bits requiere mayor procesamiento.

  • UTF-16: Utiliza mínimo 16 bits; comprenden los símbolos de la mayoría de los idiomas. Al utilizar símbolos de 32 bits requiere mayor procesamiento.

  • UTF-32: Utiliza mínimo 32 bits. Comprende todos los idiomas, símbolos de matemática, física, geometría, música, etc; y emojis.

Referencias

Recursos Recomendados



    Enjoy Reading This Article?

    Here are some more articles you might like to read next:

  • Introducción a los Comandos
  • Interfaces de Usuario en los Sistemas Operativos
  • Introducción a Linux
  • Introducción a los Sistemas Operativos
  • Vim CheatSet
  • Sistemas Numéricos