కంప్యూటర్ లో టెక్స్ట్ సమాచారాన్ని ఎన్కోడింగ్

కంప్యూటర్ - మీరు సృష్టించవచ్చు ఇది మార్చేందుకు, మరియు ఒక అధునాతన పరికరం సమాచారాన్ని నిల్వ. అయితే, కంప్యూటర్ మాకు చాలా అర్థమయ్యేలా విధంగా పని లేదు - గ్రాఫిక్, టెక్స్ట్ మరియు సంఖ్యా డేటా బైనరీ శ్రేణుల నిలువ ఉంటుంది సంఖ్యలు. ఈ వ్యాసం లో మేము టెక్స్ట్ సమాచారాన్ని ఎలా ఎన్కోడింగ్ పరిశీలిస్తారు.

అక్షరాలు క్రమం - మాకు ఏమి ఒక కంప్యూటర్ యొక్క టెక్స్ట్. ప్రతి సింబల్ సున్నాలు మరియు వాటిని కొన్ని నియమాలకు సూచిస్తుంది. చిహ్నాలు మాత్రమే ఎగువ మరియు దిగువ బడిలో అర్థం కింద లాటిన్ అక్షరాలు వర్ణమాల, కానీ కూడా విరామ చిహ్నాలు, అంక సంకేతాలు, ప్రత్యేక అక్షరాలు, ప్రత్యేక చిహ్నాలు మరియు కూడా స్థలం.

పాఠ్య సమాచారాన్ని బైనరీ ఎన్కోడింగ్

అంతర్గత నియంత్రిక ఒక నిర్దిష్ట కీని నొక్కడం ద్వారా ఒక మార్చబడుతుంది ఒక ఎలక్ట్రికల్ సిగ్నల్ పంపుతుంది బైనరీ కోడ్. కోడ్ తెరపై ప్రదర్శించబడుతుంది ఇది ఒక నిర్దిష్ట మానవ, తో కలుపుతారు. సమర్పణ కోసం లాటిన్ వర్ణమాల ఒక డిజిటల్ ఫార్మాట్ ASCII అంతర్జాతీయ వ్యవస్థ కోడింగ్ను లో రూపొందించారు. ఇది ఒక చిహ్నాన్ని అందువలన సున్నాలు మరియు వాటిని ఎనిమిది చిహ్నం క్రమంను కలిగి రికార్డింగ్ కోసం 1 బైట్ అవసరం. రికార్డింగ్ విరామం - 00000000 నుండి 11111111 వరకు, ఈ వ్యవస్థ ఉపయోగించి టెక్స్ట్ సమాచారాన్ని అంటే కోడింగ్ మాకు 256 అక్షరాలు ప్రాతినిధ్యం అనుమతిస్తుంది. చాలా సందర్భాలలో, ఈ తగినంత ఉంది.

ASCII రెండు భాగాలుగా విభజించబడింది. మొదటి 127 అక్షరాలు (00000000 నుంచి 01111111 వరకు) అంతర్జాతీయ ఉంటాయి మరియు నిర్దిష్ట గుర్తులను మరియు ఆంగ్ల అక్షరమాల యొక్క అక్షరాలు ఉంటాయి. రెండవ భాగం - పొడిగింపు (10000000 నుంచి 11111111 వరకు) - లాటిన్ నుండి భిన్నంగా ఉంటుంది, వీటిలో రచన నేషనల్ అక్షరం ప్రాతినిధ్యం ఉద్దేశించబడింది.

ASCII లో ఎన్కోడింగ్ టెక్స్ట్ సమాచారం పెంపొందే క్రమం, అంటే, అక్షరాలు పెద్ద క్రమ సంఖ్య, ఎక్కువ దాని ASCII కోడ్ విలువ సూత్రం ఆధారంగా నిర్మించబడింది. గణాంకాలు మరియు పట్టిక రష్యన్ భాగంగా ఇదే సూత్రం నిర్మించినప్పటికీ.

అయితే, అక్కడ ప్రపంచంలో సిరిలిక్ అక్షరాలు కోసం ఎన్కోడింగ్ యొక్క అనేక రకాలు. అత్యంత సాధారణ - కోయ్-8 (మొదటి ruifitsirovannyh యునిక్స్ నిర్వహణ వ్యవస్థలో 70 లో వాడుతున్నారు ఎనిమిది బిట్ క్రోడీకరణ), ISO 8859-5 (ఇంటర్నేషనల్ స్టాండర్డైజేషన్ బ్యూరో అభివృద్ధి), CP 1251 (కోడింగ్ పాఠ్య ఉపయోగించే సమాచార ఉంది ఆధునిక OS విండోస్), అలాగే 65.536 పాత్రలు పరిచయం ఉపయోగించవచ్చు ఇది యూనికోడ్ 2-బైట్ ఎన్కోడింగ్. వారు వివిధ ఆపరేటింగ్ వ్యవస్థలు మరియు వివిధ కారణాల కోసం, వేర్వేరు సమయాల్లో అభివృద్ధి నిజాన్ని కారణంగా ఎన్కోడింగ్లని వివిధ అలాంటి. యూజర్ ఎన్కోడింగ్ గందరగోళంగా చిహ్నాలు సమితి చూస్తారు ఒక అసమతుల్యత నుండి - మరొక మాధ్యమం నుండి టెక్స్ట్ బదిలీ ఉన్నప్పుడు ఈ కారణంగా, తరచూ ఇబ్బందులు. ఈ పరిస్థితి నేను ఎలా పరిష్కరిస్తాము? వర్డ్ లో, ఉదాహరణకు, ఒక పత్రం ఉన్నప్పుడు తెరిచింది, టెక్స్ట్ డిస్ప్లే తో సమస్యల గురించి ఒక సందేశం మరియు ట్రాన్స్కోడింగ్ కోసం అనేక ఎంపికలు అందిస్తుంది.

అందువలన, కోడింగ్ మరియు కంప్యూటర్ యొక్క ఉపయోగం, ప్రేగుల పాఠ్య సమాచారాన్ని ప్రాసెసింగ్ - ప్రక్రియ కష్టం మరియు ఎక్కువ సమయం నిర్వహించబడుతోంది. ఏ వర్ణమాల యొక్క అన్ని చిహ్నాలు అంకెలు మాత్రమే ఒక నిర్దిష్ట క్రమం ఉంటాయి బైనరీ వ్యవస్థ, ఒక సెల్ - ఈ సమాచారాన్ని ఒక బైట్ ఉంది.