§ 3.6. Оценка количественных параметров текстовых документов

Человек узнаёт букву по её начертанию: «А» остаётся буквой «А», выведена она пером, напечатана в книге или нарисована мелом на асфальте. Компьютер начертаний не различает. Когда вы нажимаете клавишу, в него приходит цепочка электрических сигналов, а её удобно записать нулями и единицами — двоичным кодом. Значит, у каждого символа есть свой код, и весь текст хранится в памяти как длинная последовательность таких кодов. В этом уроке разберёмся, как символы получают коды, почему один и тот же текст иногда превращается в бессмыслицу и как посчитать, сколько памяти занимает документ.

Коды символов и кодовые таблицы

Вспомните связь, известную по прошлым урокам: если код состоит из i двоичных разрядов, то разных кодовых комбинаций N получается 2ⁱ = N. Восемь разрядов дают 2⁸ = 256 комбинаций. Этого с запасом хватает на всё, что есть на клавиатуре: на буквы русского и латинского алфавитов, большие и маленькие, на цифры, скобки, точки, запятые и знаки действий. Остаются коды и для служебных, управляющих символов — без них не обойтись, ведь текст надо делить на строки, удалять лишнее, разделять слова пробелами.

Какой код у какого символа, записано в кодовой таблице. Кодовая таблица — это соглашение, которое ставит в пару изображение символа и его код. Чтобы тексты читались на любых компьютерах и в любых операционных системах, такие таблицы строят по международным стандартам кодирования символов.

В восьмиразрядной таблице 256 мест, их нумеруют от 0 до 255. Первая половина, коды от 0 до 127, во всех таблицах одна и та же. Номера от 0 до 32 занимают управляющие символы. Номера от 33 до 127 отданы символам, которые видны на экране: латинским буквам, цифрам, знакам препинания и действий. Эту общую часть придумали в США и назвали ASCII — по первым буквам английского названия «American Standard Code for Information Interchange», то есть американский стандартный код для обмена информацией. Небольшой кусок такой таблицы показан на рисунке 1: у каждого символа — десятичный номер и восьмиразрядный двоичный код (рис. 1).

Латинские прописные буквы стоят в таблице подряд, по алфавиту: у A код 65, у B — 66 и так далее до Z с кодом 90. Поэтому текст, записанный кодами, легко прочитать. Пример. Дано: коды 84 69 88 84. Решение. 84 − 65 = 19, значит, это двадцатая буква алфавита, T; 69 — это E, 88 — X.