Elméleti alapozás

A karakterkódolás

www.informatika-programozas.hu - Ez a programozási feladat nehéz lesz!

 

A számítógépet alapjában véve bináris adatok és utasítások működtetik. De már viszonylag hamar felmerült annak lehetősége, hogy működésébe a felhasználó közvetlenül, akár saját nyelvének használatával is beavatkozhasson. Így kerültek kifejlesztésre a karaktertáblák, amelyek először voltaképpen a géppel történő kommunikációhoz elengedhetetlen betűk, karakterek, egyéb szimbólumok rendezett, digitális adattáblái voltak, majd később lettek minden kommunikációs program karakteres alapforrásai. A karaktertáblák kódolt formában tárolják az információt, azaz a bennük tárolt adat nem érhető el közvetlenül, hanem az őt felhasználni kívánó programnak kódoló algoritmusokat kell alkalmaznia (character encoding). Már egy operációs rendszeren belül is sokféle karakterkódoló eljárás érhető el, mi magunk is sokféle ilyen opciót választhatunk ki. (Nagy szoftvergyártók saját rendszereikben sokszor saját karakterkódoló eljárásukat erőltethetik, például Windows 1250.) Ha szöveges tartalom megnyitásakor krix-krax-szal szembesülünk, főként a nemzeti karaktereknél...

 

szöveges tartalom megnyitásakor krix-krax-szal szembesülünk
 

...akkor bizonyosak lehetünk abban, hogy a szövegben karakterkódolási ütközések léptek fel. Egy gyors listázással a Javán belüli karakterkódolási lehetőségekről is tudomást szerezhetünk (eredeti kód: A&K Java Akadémia):
 

www.informatika-programozas.hu - Futtatható Java-kód!

 

 

 

 

 

 

 

 

import java.nio.charset.Charset;
import java.util.Map.Entry;

public class Main {

public static void main(String[] args) {
    for (Entry<String, Charset> entry : Charset.availableCharsets().entrySet()) {
        System.out.println(entry);
        }
    }
}
 

Végeredmény:

Big5=Big5
Big5-HKSCS=Big5-HKSCS
CESU-8=CESU-8
EUC-JP=EUC-JP
EUC-KR=EUC-KR
GB18030=GB18030
GB2312=GB2312
GBK=GBK
IBM-Thai=IBM-Thai
IBM00858=IBM00858
IBM01140=IBM01140
IBM01141=IBM01141
IBM01142=IBM01142
IBM01143=IBM01143
IBM01144=IBM01144
IBM01145=IBM01145
IBM01146=IBM01146
IBM01147=IBM01147
IBM01148=IBM01148
IBM01149=IBM01149
IBM037=IBM037
IBM1026=IBM1026
IBM1047=IBM1047
IBM273=IBM273
IBM277=IBM277
IBM278=IBM278
IBM280=IBM280
IBM284=IBM284
IBM285=IBM285
IBM290=IBM290
IBM297=IBM297
IBM420=IBM420
IBM424=IBM424
IBM437=IBM437
IBM500=IBM500
IBM775=IBM775
IBM850=IBM850
IBM852=IBM852
IBM855=IBM855
IBM857=IBM857
IBM860=IBM860
IBM861=IBM861
IBM862=IBM862
IBM863=IBM863
IBM864=IBM864
IBM865=IBM865
IBM866=IBM866
IBM868=IBM868
IBM869=IBM869
IBM870=IBM870
IBM871=IBM871
IBM918=IBM918
ISO-2022-CN=ISO-2022-CN
ISO-2022-JP=ISO-2022-JP
ISO-2022-JP-2=ISO-2022-JP-2
ISO-2022-KR=ISO-2022-KR
ISO-8859-1=ISO-8859-1
ISO-8859-13=ISO-8859-13
ISO-8859-15=ISO-8859-15
ISO-8859-2=ISO-8859-2
ISO-8859-3=ISO-8859-3
ISO-8859-4=ISO-8859-4
ISO-8859-5=ISO-8859-5
ISO-8859-6=ISO-8859-6
ISO-8859-7=ISO-8859-7
ISO-8859-8=ISO-8859-8
ISO-8859-9=ISO-8859-9
JIS_X0201=JIS_X0201
JIS_X0212-1990=JIS_X0212-1990
KOI8-R=KOI8-R
KOI8-U=KOI8-U
Shift_JIS=Shift_JIS
TIS-620=TIS-620
US-ASCII=US-ASCII
UTF-16=UTF-16
UTF-16BE=UTF-16BE
UTF-16LE=UTF-16LE
UTF-32=UTF-32
UTF-32BE=UTF-32BE
UTF-32LE=UTF-32LE
UTF-8=UTF-8
windows-1250=windows-1250
windows-1251=windows-1251
windows-1252=windows-1252
windows-1253=windows-1253
windows-1254=windows-1254
windows-1255=windows-1255
windows-1256=windows-1256
windows-1257=windows-1257
windows-1258=windows-1258
windows-31j=windows-31j
x-Big5-HKSCS-2001=x-Big5-HKSCS-2001
x-Big5-Solaris=x-Big5-Solaris
x-euc-jp-linux=x-euc-jp-linux
x-EUC-TW=x-EUC-TW
x-eucJP-Open=x-eucJP-Open
x-IBM1006=x-IBM1006
x-IBM1025=x-IBM1025
x-IBM1046=x-IBM1046
x-IBM1097=x-IBM1097
x-IBM1098=x-IBM1098
x-IBM1112=x-IBM1112
x-IBM1122=x-IBM1122
x-IBM1123=x-IBM1123
x-IBM1124=x-IBM1124
x-IBM1166=x-IBM1166
x-IBM1364=x-IBM1364
x-IBM1381=x-IBM1381
x-IBM1383=x-IBM1383
x-IBM300=x-IBM300
x-IBM33722=x-IBM33722
x-IBM737=x-IBM737
x-IBM833=x-IBM833
x-IBM834=x-IBM834
x-IBM856=x-IBM856
x-IBM874=x-IBM874
x-IBM875=x-IBM875
x-IBM921=x-IBM921
x-IBM922=x-IBM922
x-IBM930=x-IBM930
x-IBM933=x-IBM933
x-IBM935=x-IBM935
x-IBM937=x-IBM937
x-IBM939=x-IBM939
x-IBM942=x-IBM942
x-IBM942C=x-IBM942C
x-IBM943=x-IBM943
x-IBM943C=x-IBM943C
x-IBM948=x-IBM948
x-IBM949=x-IBM949
x-IBM949C=x-IBM949C
x-IBM950=x-IBM950
x-IBM964=x-IBM964
x-IBM970=x-IBM970
x-ISCII91=x-ISCII91
x-ISO-2022-CN-CNS=x-ISO-2022-CN-CNS
x-ISO-2022-CN-GB=x-ISO-2022-CN-GB
x-iso-8859-11=x-iso-8859-11
x-JIS0208=x-JIS0208
x-JISAutoDetect=x-JISAutoDetect
x-Johab=x-Johab
x-MacArabic=x-MacArabic
x-MacCentralEurope=x-MacCentralEurope
x-MacCroatian=x-MacCroatian
x-MacCyrillic=x-MacCyrillic
x-MacDingbat=x-MacDingbat
x-MacGreek=x-MacGreek
x-MacHebrew=x-MacHebrew
x-MacIceland=x-MacIceland
x-MacRoman=x-MacRoman
x-MacRomania=x-MacRomania
x-MacSymbol=x-MacSymbol
x-MacThai=x-MacThai
x-MacTurkish=x-MacTurkish
x-MacUkraine=x-MacUkraine
x-MS932_0213=x-MS932_0213
x-MS950-HKSCS=x-MS950-HKSCS
x-MS950-HKSCS-XP=x-MS950-HKSCS-XP
x-mswin-936=x-mswin-936
x-PCK=x-PCK
x-SJIS_0213=x-SJIS_0213
x-UTF-16LE-BOM=x-UTF-16LE-BOM
X-UTF-32BE-BOM=X-UTF-32BE-BOM
X-UTF-32LE-BOM=X-UTF-32LE-BOM
x-windows-50220=x-windows-50220
x-windows-50221=x-windows-50221
x-windows-874=x-windows-874
x-windows-949=x-windows-949
x-windows-950=x-windows-950
x-windows-iso2022jp=x-windows-iso2022jp