ASCII

Запрос «ISO 646» перенаправляется сюда. На эту тему нужно создать отдельную статью.

ASCII
Орган стандартизации	Национальный институт стандартов США
Медиафайлы на Викискладе

ASCII (англ. American Standard Code for Information Interchange, [ˈæs.ki]) — стандарт кодирования букв латинского алфавита, цифр, некоторых специальных знаков и управляющих последовательностей, принятый в 1963 году Американской ассоциацией стандартов как основной способ представления текстовых данных в ЭВМ.

Описание

Кодовая таблица ASCII

Стандарт ASCII представляет собой 7-битный код без рекомендаций относительно контроля чётности, содержащий 2⁷ = 128 кодовых позиций, в которых размещены следующие символы:

• десятичные цифры;
• латинские буквы;
• знаки препинания;
• орфографические знаки;
• математические символы;
• управляющие символы.

История

С развитием вычислительной техники и языков программирования возможностей телетайпного кода ITA2 стало не хватать, что вынуждало производителей ЭВМ создавать расширения для ITA2 или же свои собственные коды. Кроме того, для записи на перфокарты использовались различные варианты кода Холлерита. Таким образом, к началу 1960-х годов существовало достаточно большое количество кодировок латиницы, используемых как для передачи по линиям связи, так и для записи на магнитную ленту, перфоленту и перфокарты, — таких как ITA2, FIELDATA, различные варианты BCDIC и т. д., причём даже в рамках одной и той же кодировки один код мог соответствовать различным символам в зависимости от модели и назначения устройства. Чтобы решить эту проблему, 4 августа 1960 года был создан комитет X3.2 (как часть комитета X3, сформированного 13 января того же года), в который вошли представители компаний IBM (в частности, Роберт Бемер), AT&T, Bell Labs и других.

Работа по созданию ASCII началась 6 октября 1960 года, и почти 3 года спустя, 17 июня 1963 года, была опубликована её первая редакция (ASA X3.4-1963). В ней отсутствовали строчные буквы, а область из 28 позиций 0x60—0x7B (в колонках (группах по 16 символов) № 6 и № 7, считая с 0) была зарезервирована для дальнейшего использования. Велись споры о том, использовать эту область для добавления строчных букв или же управляющих символов.

В 1965 году была подготовлена новая редакция ASCII (ASA X3.4-1965), которая, однако, так и не была опубликована и не использовалась нигде, кроме терминалов IBM 2260/2848 и принтеров IBM 1053 (да и то без строчных букв и некоторых других символов). Следующая редакция ASCII (USAS X3.4-1967) была опубликована 5 июля 1967 года и определила окончательную кодовую таблицу. Новые редакции ASCII продолжили выходить и далее (USAS X3.4-1968, ANSI X3.4-1977, ANSI X3.4-1986 и т. д.), однако кодовую таблицу изменения в них более не затрагивали.

В целом, внедрение ASCII долгое время саботировалось компанией IBM, отдававшей предпочтение собственной кодировке EBCDIC, являющейся дальнейшим развитием кодировки BCDIC, также созданной IBM и основанной, в свою очередь, на коде Холлерита.

Структурные свойства таблицы

Первая редакция ASCII содержала 36 управляющих символов, 10 арабских цифр, 26 заглавных латинских букв и 27 специальных символов, которые подразделяли на группы:

• 8 знаков препинания (., ,, :, ;, !, ?, ', ");
• 5 знаков для финансовых и биржевых операций (#, $, %, &, @);
• 2 пары скобок ((, ), [, ]);
• 8 математических символов ( , -, *, /, \, =, <, >);
• 2 стрелки для блок-схем (↑, ←).

Cимвол «подушка» (⌑), имевшийся в наборе доступных символов многих печатающих устройств того времени и присутствовавший в кодировках BCDIC, FIELDATA и др., ни в одну из редакций ASCII не вошёл.

В редакции 1967 года был пересмотрен набор управляющих символов (сокращён до 33), убраны стрелки, но добавлены строчные буквы и 7 дополнительных символов (^, _, `, {, |, }, ~), после чего кодовая таблица приняла окончательный вид:

Кодовая таблица ASCII (начиная с редакции USAS X3.4-1967)

	.0	.1	.2	.3	.4	.5	.6	.7	.8	.9	.A	.B	.C	.D	.E	.F
0.	NUL	SOH	STX	ETX	EOT	ENQ	ACK	BEL	BS	HT	LF	VT	FF	CR	SO	SI
1.	DLE	DC1	DC2	DC3	DC4	NAK	SYN	ETB	CAN	EM	SUB	ESC	FS	GS	RS	US
2.		!	"	#	$	%	&	'	(	)	*		,	-	.	/
3.	0	1	2	3	4	5	6	7	8	9	:	;	<	=	>	?
4.	@	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
5.	P	Q	R	S	T	U	V	W	X	Y	Z	[	\	]	^	_
6.	`	a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
7.	p	q	r	s	t	u	v	w	x	y	z	{	|	}	~	DEL

Все символы в ASCII делятся на 4 группы по 32 символа:

1. Управляющие символы (0x00—0x1F) предназначены для управления передачей и выводом текста на терминал. Группа начинается с символа NUL (0x00), означающего незаписанный участок, например, перфоленты, и игнорируемого при выводе на экран или на печать. За пределами группы, в конце таблицы также располагается символ DEL (0x7F), означающий пробитый целиком участок перфоленты и сигнализирующий о том, что символ, записанный здесь ранее, был удалён, а значит, его также следует пропустить;
   • Сами управляющие символы основной группы изначально были разделены на 4 подгруппы: управление передачей (0x01—0x07), форматирование (0x08—0x0F), управление устройством (0x10—0x17) и разделители потоков данных (0x18—0x1F). В редакции 1967 года этот порядок был отчасти нарушен из-за переноса дополнительных управляющих символов.
2. Группа цифр и основных знаков препинания делится на две подгруппы, соответствующие верхнему и нижнему регистру.
   • Группа начинается с пробела (0x20) — было принято решение, что пробел должен считаться печатным, а не управляющим символом, но при этом располагаться в самом начале для корректной работы алгоритмов сортировки;
   • Цифры идут во второй подгруппе — такое решение было принято для того, чтобы их легко было преобразовать в двоично-десятичный код, убрав старшие 4 бита, и обратно, прибавив префикс 0011₂: например, цифра 5 имеет код 0011 0101₂. По этой причине цифры невозможно было разместить в первой подгруппе, так как в ней первым идёт пробел. Другая причина расположения цифр в этой группе — было необходимо, чтобы при сортировке большинство знаков препинания располагались раньше цифр и букв;
   • 9 символов после пробела — знаки препинания (!, ", #, $, %, &, ', (, )), идущие в том порядке, в котором их располагали на пишущих машинах тех лет, за исключением скобок, которые располагались на позициях 0x28 и 0x29, поскольку цифра 0 оказалась под кодовой позицией пробела. Впрочем, на некоторых электромеханических пишущих машинах, в частности IBM Selectric, расположение этих знаков было иным в связи с наличием у них механизма дозирования силы удара, который требовал расположения на одной клавише знаков, близких по оптической плотности. Окончательно отличное от таблицы ASCII положение этих знаков было закреплено в IBM PC.
   • Символы точки и запятой в пишущих машинах тех лет дублировались в обоих регистрах. В ASCII было решено не дублировать их и разместить на освободившихся местах символы < и >. Знак вопроса также спарен со знаком косой черты как на пишущих машинах.
3. Группа заглавных букв начинается с символа «коммерческое „эт“» (@, 0x40) — предполагалось, что для машин, поставляемых во Францию и Италию, этот символ будет заменяться на букву À. Положение заглавных латинских букв и цифр было выбрано из соображений совместимости с шестибитной кодировкой DEC SIXBIT. Три позиции после заглавных букв (0x5B, 0x5C и 0x5D) также предполагалось при необходимости заменять на национальные символы. В редакции 1963 года в позициях 0x5E и 0x5F располагались, соответственно, символы «стрелка вверх» (↑) и «стрелка влево» (←), заменённые в редакции 1965 года на карет (^) и подчёркивание (_).
4. Группа строчных букв появилась в редакции 1965 года и была частично пересмотрена в редакции 1967 года. Все строчные буквы расположены так же, как в соответствующие заглавные, что позволяет переключать регистр, изменяя лишь старший бит. Позиции 0x60, 0x7B, 0x7C и 0x7D также предполагалось при необходимости заменять на национальные символы. Символ логического отрицания (¬, 0x7C), добавленный в редакции 1965 года, в редакции 1967 года был убран.

Важная особенность — ASCII, в отличие, к примеру, от ITA2, не использует переключение регистров. Хотя переключение регистров для заглавных букв могло бы уменьшить требуемое количество бит и, соответственно, увеличить скорости передачи и уменьшить требуемое место на носителях, оно также повысило бы риск не прочесть сообщение при его повреждении. Таким образом, было решено отказаться от использования регистров и уместить все символы в 7 бит. Тем не менее, для возможности дальнейшего расширения в набор включены символы ESC, SI и SO.

Управляющие символы

Основная статья: Управляющие символы

Стандарт ASCII создавался не только для применения в ЭВМ, но и для обмена информацией по телетайпу. В набор были включены непечатаемые символы, используемые как команды для управления телетайпом. Аналогичные команды применялись и в других докомпьютерных средствах обмена сообщениями (азбука Морзе, семафорная азбука), учитывая специфику устройства. Большинство управляющих символов ASCII вскоре утратили своё назначение и в современных компьютерных системах не используются.

• NUL, 0x00 (null с англ. — «пустой»). Символ NUL всегда игнорировался. На перфолентах бит «1» обозначался отверстием, а бит «0» — отсутствием отверстия. Участки перфоленты, на которых не была записана информация, не содержали отверстий (то есть содержали символы NUL); такие участки располагались в начале и в конце ленты. Символ NUL по сей день используется во многих языках программирования (как признак конца строки) и обозначается как \0 (термин «строка» обозначает последовательность символов). В некоторых операционных системах NUL — последний символ любого текстового файла.

Сообщения, передаваемые по каналу связи, делились на две части:

• Заголовок;
• Текст.

«Заголовок» мог содержать адреса отправителя и получателя, контрольную сумму и т. п.; мог размещаться до «текста» или после. Термином «текст» называлась часть сообщения, предназначенная для печати.

Символ	Код	Расшифровка	Перевод	Описание
SOH	0x01	start of heading	начало «заголовка»	Символ начала заголовка (SOH) отмечает данные, не относящиеся к «тексту»: часть потока, содержащую адреса и другие служебные данные.
STX	0x02	start of text	начало «текста»	Включить печатающее устройство (телетайп). Текст для печати располагался между символами STX и ETX.
ETX	0x03	end of text	конец «текста»	Выключить печатающее устройство (телетайп). В наши дни символ ETX используется для отправки процессу сигнала SIGINT (signal interrupt с англ. — «сигнал-прерывание») и может быть набран нажатием комбинации клавиш Ctrl C. Получив такой сигнал, процесс должен завершить работу.
EOT	0x04	end of transmission	конец передачи	Символ используется эмуляторами терминалов в значении EOF (End of File с англ. — «конец файла») и может быть отправлен нажатием комбинации клавиш Ctrl D. Получив такой сигнал, эмулятор терминала определит процесс, который в данный момент работает с терминалом, и установит в стандартном потоке ввода этого процесса (stdin: англ. standard input stream) признак «Конец файла». В результате процесс прекратит чтение stdin и начнёт обработку прочитанных данных.
ENQ	0x05	enquiry	«Прошу подтверждения!»
ACK	0x06	acknowledgement	«Подтверждаю!»	Символ NAK означает обратное: «Не подтверждаю!».
BEL	0x07	bell	звуковой сигнал: звонок	Используется для подачи звукового сигнала. Во многих языках программирования обозначается как \a (от англ. alert).
BS	0x08	backspace	возврат на один символ	Передаётся при нажатии клавиши ← Backspace. Во многих языках программирования обозначается как \b.
HT	0x09	horizontal tab	горизонтальная табуляция	Во многих языках программирования обозначается как \t.
LF	0x0A	line feed	перевод строки	Команда для опускания каретки печатающего устройства на одну строку вниз. Обозначение конца строки различается в семействах операционных систем: в UNIX — одиночный символ LF; в классических версиях Mac OS и некоторых ОС домашних компьютеров — одиночный символ CR; в Windows — последовательность символов CR LF. Многие терминалы 1970—1980-х годов содержали переключатель поведения клавиши ↵ Return, позволяющий посылать при нажатии на неё либо последовательность CR LF, либо только CR. Во многих языках программирования обозначается как \n.
VT	0x0B	vertical tab	вертикальная табуляция	Во многих языках программирования обозначается как \v.
FF	0x0C	form feed	«прогон страницы», новая страница	Команда для принтера: продолжить печать с начала следующего листа. Во многих языках программирования обозначается как \f.
CR	0x0D	carriage return	возврат каретки	Команда для принтера: продолжить печать с начала текущей строки (не с новой строки). В классических версиях операционной системы Mac OS символ CR обозначал конец строки текстового файла. С клавиатуры символ CR может быть введён нажатием комбинации клавиш: Ctrl M. Во многих языках программирования обозначается как \r.
SO	0x0E	shift out	«Переключиться на другую ленту (кодировку)»	Другая лента обычно была окрашена в красный цвет. В дальнейшем символ использовался для переключения на национальную кодировку.
SI	0x0F	shift in	«Переключиться на исходную ленту (кодировку)»	Команда для выполнения действия, обратного действию SO.
DLE	0x10	data link escape	«Экранирование канала данных»	Любые символы, следующие после DLE, должны восприниматься как данные, а не как управляющие символы.
DC1	0x11	device control 1	Первый символ управления устройством	Команда включить устройство чтения перфоленты.
DC2	0x12	device control 2	Второй символ управления устройством	Команда включить перфоратор.
DC3	0x13	device control 3	Третий символ управления устройством	Команда выключить устройство чтения перфоленты.
DC4	0x14	device control 4	Четвёртый символ управления устройством	Команда выключить перфоратор.
NAK	0x15	negative acknowledgement	«Не подтверждаю!»	Обратно символу ACK.
SYN	0x16	synchronous idle	синхронное ожидание	Этот символ передавался, когда (для синхронизации) было необходимо что-нибудь передать.
ETB	0x17	end of transmission block	конец блока передаваемых данных	Иногда данные (по техническим причинам) разбивались на блоки.
CAN	0x18	cancel	«Отмена»	Отмена того, что было передано ранее.
EM	0x19	end of medium	«Конец носителя»	Кончилась бумага, перфолента, магнитная лента и т. п.
SUB	0x1A	substitute	«Подставить»	Символ ставится: На месте символа, значение которого было потеряно (или испорчено) при передаче; Перед символом, для интерпретации которого нужно переключиться на дополнительный набор символов; Перед символом, печатать который нужно другим цветом; И т. п. В настоящее время символ вставляется нажатием комбинации клавиш Ctrl Z и используется для обозначения конца файла в операционных системах DOS и Windows.
ESC	0x1B	escape	экранирование	Признак того, что символ, следующий после ESC, имеет какое-то другое (отличное от определённого в ASCII) значение. Обычно после символа ESC следуют управляющие последовательности; в операционной системе DOS они реализуются драйвером ANSI.SYS.
DEL	0x7F	delete	«Забой», стереть последний символ	Символом DEL (состоящим в двоичном коде из всех единиц) можно было «забить» любой символ. Устройства и программы игнорировали DEL так же, как и NUL. Код этого символа происходит из первых текстовых процессоров с памятью на перфоленте: в них удаление символа происходило «забиванием» его кода отверстиями (обозначавшими логические единицы).

Поддерживалось разделение данных на 4 уровня:

Символ	Код	Расшифровка	Перевод	Описание
FS	0x1C	file separator	разделитель файлов	сообщение могло состоять из файлов
GS	0x1D	group separator	разделитель групп	файлы могли состоять из групп
RS	0x1E	record separator	разделитель записей	группы могли состоять из записей
US	0x1F	unit separator	разделитель полей	записи могли состоять из полей

Наложение символов

С помощью символа BS (возврат на один символ) на принтере можно напечатать один символ поверх другого. В ASCII таким же способом можно добавить к буквам диакритические знаки, например:

• a BS ' → á
• a BS ` → à
• a BS ^ → â
• o BS / → ø
• c BS , → ç
• n BS ~ → ñ

Если в одной позиции дважды напечатать один и тот же символ, получится жирный символ; если в одной позиции напечатать символ и подчёркивание (_), получится подчёркнутый символ:

• a BS a → a
• a BS _ → a

Эта техника до сих пор используется, например, в справочной системе man.

Представление ASCII в ЭВМ

На подавляющем большинстве современных компьютеров минимально адресуемой единицей памяти является 8-битный байт (октет), поэтому там используются 8-битные, а не 7-битные символы. Обычно символ ASCII дополняют до 8 бит, просто добавляя один нулевой бит в качестве старшего.

USASCII-8

На компьютерах IBM/360 применялся другой метод: 6-й бит (если первым считать самый младший бит) перемещается в 7-й, а бывший 7-й «раздваивается» и копируется и в 8-й бит, и в 6-й. Такую кодировку называли USASCII-8.

	.0	.1	.2	.3	.4	.5	.6	.7	.8	.9	.A	.B	.C	.D	.E	.F
0.	NUL	SOM	EOA	EOM	EQT	WRU	RU	BELL	BKSP	HT	LF	VT	FF	CR	SO	SI
1.	DC0	DC1	DC2	DC3	DC4	ERR	SYNC	LEM	S0	S1	S2	S3	S4	S5	S6	S7
2.
3.
4.	BLANK	!	"	#	$	%	&	'	(	)	*		,	-	.	/
5.	0	1	2	3	4	5	6	7	8	9	:	;	<	=	>	?
6.
7.
8.
9.
A.	@	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
B.	P	Q	R	S	T	U	V	W	X	Y	Z	[	\	]	↑	←
C.
D.
E.		a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
F.	p	q	r	s	t	u	v	w	x	y	z				ESC	DEL

На компьютерах с минимально адресуемой единицей памяти в 36 бит поначалу использовали 6-битные символы (1 слово = 6 символов). После перехода на ASCII на таких компьютерах в одном слове стали размещать либо 5 семибитных символов (1 бит оставался лишним), либо 4 девятибитных символа.

Ввод с клавиатуры

Расположение символов ASCII на клавиатуре согласно ANSI X4.14-1971: символы верхнего регистра вводятся в сочетании с клавишей ⇧ Shift, а управляющие символы — с Ctrl.

!
1

"
2

#
3

$
4

%
5

&
6

'
7

(
8

)
9

␠
0

=
-

~ ␞
^

¦ ␜
\

BS

ESC

Q ␑
q

W ␗
w

E ␅
e

R ␒
r

T ␔
t

Y ␙
y

U ␕
u

I ␉
i

O ␏
o

P ␐
p

` ␀
@

{ ␛
[

_ ␟
␡

Ctrl

A ␁
a

S ␓
s

D ␄
d

F ␆
f

G ␇
g

H ␈
h

J ␊
j

K ␋
k

L ␌
l

;

*
:

} ␝
]

CR

Shift

Z ␚
z

X ␘
x

C ␃
c

V ␖
v

B ␂
b

N ␎
n

M ␍
m

<
,

>
.

?
/

Shift

LF

␠

Коды ASCII используются в программировании как промежуточные кроссплатформенные коды нажатых клавиш (в противовес скан-кодам IBM PC и прочим внутренним кодам). Ниже приведена таблица соответствия кодов клавишам для раскладки клавиатуры QWERTY.

27

112

113

114

115

116

117

118

119

120

121

122

123

44

145

19

192

49

50

51

52

53

54

55

56

57

48

189

187

8

45

36

33

144

111

106

109

9

81

87

69

82

84

89

85

73

79

80

219

221

13

46

35

34

103

104

105

107

20

65

83

68

70

71

72

74

75

76

186

222

220

100

101

102

16

226

90

88

67

86

66

78

77

188

190

191

16

38

97

98

99

13

17

91

18

32

18

92

93

17

37

40

39

96

110

Национальные варианты и расширения

7-битные коды

Стандарт ISO 646 (ECMA-6) предусматривает возможность размещения в ASCII национальных символов. Для этого предлагается заменять ими символы @, [, \, ], ^, `, {, |, }, ~. Также допускается замена знака решётки (#) на знак фунта (£), а знака доллара ($) — на знак валюты (¤). Оригинальный американский вариант кода при этом обозначается US-ASCII, а унифицированный вариант, не содержащий национальные символы, — ISO 646 IRV (International Reference Version с англ. — «международная ссылочная версия»). Последний (в редакции 1983 года, отличающейся от US-ASCII только заменой символа $ на ¤) был утверждён в Советском Союзе как КОИ-7 Н0 в ГОСТ 27463-87 (СТ СЭВ 356-86).

Для некоторых языков с нелатинской письменностью (русского, греческого, арабского, иврита и др.) существовали и более радикальные модификации ASCII:

• в одних на месте строчных латинских букв размещались национальные символы (для русского и греческого вариантов — заглавные буквы (как, например, в КОИ-7 Н2));
• в других предусматривалось переключение между US-ASCII и национальным вариантом «на лету» с помощью символов SO и SI; в этом случае в национальном варианте можно было полностью заменить латинские буквы на национальные символы (как, например, в КОИ-7 Н1).

8-битные коды

Со временем стали появляться производные 8-битные кодировки (кодовые страницы), содержащие 2⁸ = 256 кодовых позиций, в которых нижняя половина кодовой таблицы (позиции 0x00—0x7F) совпадает с ASCII, а верхняя (позиции 0x80—0xFF) служит для размещения дополнительных, в том числе национальных, символов. Подобные ASCII-совместимые кодировки, получившие неофициальное собирательное название «Расширенная ASCII», оказались удобнее упомянутых ранее 7-битных вариантов и широко использовались вплоть до начала повсеместного внедрения Юникода. Впрочем, отсутствие единого подхода к размещению национальных символов в их кодовых таблицах (например, кириллицы в КОИ-8, Windows-1251, ISO 8859-5 и т. д.) порождало множество проблем. Так, например, когда почтовые клиенты отправителя и получателя электронного письма использовали различные кодировки для его интерпретации, текст письма (за исключением символов ASCII) становился нечитаемым.

Юникод

Основная статья: Юникод

Символы ASCII включены в Юникод под теми же самыми кодами (0x00—0x7F), благодаря чему UTF-8 полностью обратно совместим с 8-битным представлением ASCII. Таким образом, Юникод также можно считать одним из расширений ASCII.

См. также

• Переносимый набор символов
• YUSCII
• ASCII-графика

Литература

• American Standard Code for Information Interchange, ASA X3.4-1963
• USA Standard Code for Information Interchange, USAS X3.4-1967
• USA Standard Code for Information Interchange, USAS X3.4-1968
• American National Standard Code for Information Interchange ANSI X3.4-1977
• 7-Bit American National Standard Code for Information Interchange (7-Bit ASCII), ANSI X3.4-1986

Ссылки

• Charles E. Mackenzie. Coded Character Sets, History and Development (англ.). — Addison-Wesley Publishing Company, inc, 1980. — ISBN 0-201-14460-3.
• Fischer, Eric The Evolution of Character Codes, 1874–1968 (англ.) 14–15 (Table 35) (20 июня 2000). Дата обращения: 30 ноября 2022. Архивировано 30 ноября 2022 года.
• Толковый словарь по вычислительным системам / Под редакцией В. Иллингуорта и др.: Пер. с английского А.К. Белоцкого и др.; Под редакцией Е.К. Масловского. — М.: Машиностроение, 1990. — ISBN 5-217-00617-X.
• Standard ECMA-6: 7-bit coded character set. 6th edition (англ.). Ecma international (декабрь 1991). Архивировано 23 августа 2011 года.
• Tom Jennings. An annotated history of some character codes or ASCII. American standard code for information infiltration (англ.) (29 октября 2004). Архивировано 17 июля 2011 года.
• ASCII chart and other resources (англ.). JimPrice.Com.