Shell ���� ���������������� linux

Символы Unicode: о чём должен знать каждый разработчик

Если вы пишете международное приложение, использующее несколько языков, то вам нужно кое-что знать о кодировке. Она отвечает за то, как текст отображается на экране. Я вкратце расскажу об истории кодировки и о её стандартизации, а затем мы поговорим о её использовании. Затронем немного и теорию информатики.

Введение в кодировку

Компьютеры понимают лишь двоичные числа — нули и единицы, это их язык. Больше ничего. Одно число называется байтом, каждый байт состоит из восьми битов. То есть восемь нулей и единиц составляют один байт. Внутри компьютеров всё сводится к двоичности — языки программирования, движений мыши, нажатия клавиш и все слова на экране. Но если статья, которую вы читаете, раньше была набором нулей и единиц, то как двоичные числа превратились в текст? Давайте разберёмся.

Краткая история кодировки

На заре своего развития интернет был исключительно англоязычным. Его авторам и пользователям не нужно было заботиться о символах других языков, и все нужды полностью покрывала кодировка American Standard Code for Information Interchange (ASCII).

ASCII — это таблица сопоставления бинарных обозначений знакам алфавита. Когда компьютер получает такую запись:

то с помощью ASCII он преобразует её во фразу «Hello world».

Один байт (восемь бит) был достаточно велик, чтобы вместить в себя любую англоязычную букву, как и управляющие символы, часть из которых использовалась телепринтерами, так что в те годы они были полезны (сегодня уже не особо). К управляющим символам относился, например 7 (0111 в двоичном представлении), который заставлял компьютер издавать сигнал; 8 (1000 в двоичном представлении) — выводил последний напечатанный символ; или 12 (1100 в двоичном представлении) — стирал весь написанный на видеотерминале текст.

В те времена компьютеры считали 8 бит за один байт (так было не всегда), так что проблем не возникало. Мы могли хранить все управляющие символы, все числа и англоязычные буквы, и даже ещё оставалось место, поскольку один байт может кодировать 255 символов, а для ASCII нужно только 127. То есть неиспользованными оставалось ещё 128 позиций в кодировке.

Вот как выглядит таблица ASCII. Двоичными числами кодируются все строчные и прописные буквы от A до Z и числа от 0 до 9. Первые 32 позиции отведены для непечатаемых управляющих символов.

Проблемы с ASCII

Позиции со 128 по 255 были пустыми. Общественность задумалась, чем их заполнить. Но у всех были разные идеи. Американский национальный институт стандартов (American National Standards Institute, ANSI) формулирует стандарты для разных отраслей. Там утвердили позиции ASCII с 0 по 127. Их никто не оспаривал. Проблема была с остальными позициями.

Вот чем были заполнены позиции 128-255 в первых компьютерах IBM:

Какие-то загогулины, фоновые иконки, математические операторы и символы с диакретическим знаком вроде é. Но разработчики других компьютерных архитектур не поддержали инициативу. Всем хотелось внедрить свою собственную кодировку во второй половине ASCII.

Все эти различные концовки назвали кодовыми страницами.

Что такое кодовые страницы ASCII?

Здесь собрана коллекция из более чем 465 разных кодовых страниц! Существовали разные страницы даже в рамках какого-то одного языка, например, для греческого и китайского. Как можно было стандартизировать этот бардак? Или хотя бы заставить его работать между разными языками? Или между разными кодовыми страницами для одного языка? В языках, отличающихся от английского? У китайцев больше 100 000 иероглифов. ASCII даже не может всех их вместить, даже если бы решили отдать все пустые позиции под китайские символы.

Читайте также:  The sound from windows

Эта проблема даже получила название Mojibake (бнопня, кракозябры). Так говорят про искажённый текст, который получается при использовании некорректной кодировки. В переводе с японского mojibake означает «преобразование символов».

Пример бнопни (кракозябров).

Безумие какое-то.

Именно! Не было ни единого шанса надёжно преобразовывать данные. Интернет — это лишь монструозное соединение компьютеров по всему миру. Представьте, что все страны решили использовать собственные стандарты. Например, греческие компьютеры принимают только греческий язык, а английские отправляют только английский. Это как кричать в пустой пещере, тебя никто не услышит.

ASCII уже не удовлетворял жизненным требованиям. Для всемирного интернета нужно было создать что-то другое, либо пришлось бы иметь дело с сотнями кодовых страниц.

��� Если только ������ вы не хотели ��� бы ��� читать подобные параграфы. �֎֏0590֐��׀ׁׂ׃ׅׄ׆ׇ

Так появился Unicode

Unicode расшифровывают как Universal Coded Character Set (UCS), и у него есть официальное обозначение ISO/IEC 10646. Но обычно все используют название Unicode.

Этот стандарт помог решить проблемы, возникавшие из-за кодировки и кодовых страниц. Он содержит множество кодовых пунктов (кодовых точек), присвоенных символам из языков и культур со всего мира. То есть Unicode — это набор символов. С его помощью можно сопоставить некую абстракцию с буквой, на которую мы хотим ссылаться. И так сделано для каждого символа, даже египетских иероглифов.

Кто-то проделал огромную работу, сопоставляя каждый символ во всех языках с уникальными кодами. Вот как это выглядит:

Префикс U+ говорит о том, что это стандарт Unicode, а число — это результат преобразования двоичных чисел. Стандарт использует шестнадцатеричную нотацию, которая является упрощённым представлением двоичных чисел. Здесь вы можете ввести в поле что угодно и посмотреть, как это будет преобразовано в Unicode. А здесь можно полюбоваться на все 143 859 кодовых пунктов.

Уточню на всякий случай: речь идёт о большом словаре кодовых пунктов, присвоенных всевозможным символам. Это очень большой набор символов, не более того.

Осталось добавить последний ингредиент.

Unicode Transform Protocol (UTF)

UTF — протокол кодирования кодовых пунктов в Unicode. Он прописан в стандарте и позволяет кодировать любой кодовый пункт. Однако существуют разные типы UTF. Они различаются количеством байтов, используемых для кодировки одного пункта. В UTF-8 используется один байт на пункт, в UTF-16 — два байта, в UTF-32 — четыре байта.

Но если у нас есть три разные кодировки, то как узнать, какая из них применяется в конкретном файле? Для этого используют маркер последовательности байтов (Byte Order Mark, BOM), который ещё называют сигнатурой кодировки (Encoding Signature). BOM — это двухбайтный маркер в начале файл, который говорит о том, какая именно кодировка тут применена.

В интернете чаще всего используют UTF-8, она также прописана как предпочтительная в стандарте HTML5, так что уделю ей больше всего внимания.

Этот график построен в 2012-м, UTF-8 становилась доминирующей кодировкой. И всё ещё ею является.

Что такое UTF-8 и как она работает?

UTF-8 кодирует с помощью одного байта каждый кодовый пункт Unicode с 0 по 127 (как в ASCII). То есть если вы писали программу с использованием ASCII, а ваши пользователи применяют UTF-8, они не заметят ничего необычного. Всё будет работать как задумано. Обратите внимание, как это важно. Нам нужно было сохранить обратную совместимость с ASCII в ходе массового внедрения UTF-8. И эта кодировка ничего не ломает.

Как следует из названия, кодовый пункт состоит из 8 битов (один байт). В Unicode есть символы, которые занимают несколько байтов (вплоть до 6). Это называют переменной длиной. В разных языках удельное количество байтов разное. В английском — 1, европейские языки (с латинским алфавитом), иврит и арабский представлены с помощью двух байтов на кодовый пункт. Для китайского, японского, корейского и других азиатских языков используют по три байта.

Читайте также:  Изменение начального экрана windows 10

Если нужно, чтобы символ занимал больше одного байта, то применяется битовая комбинация, обозначающая переход — он говорит о том, что символ продолжается в нескольких следующих байтах.

И теперь мы, как по волшебству, пришли к соглашению, как закодировать шумерскую клинопись (Хабр её не отображает), а также значки emoji!

Подытожив сказанное: сначала читаем BOM, чтобы определить версию кодировки, затем преобразуем файл в кодовые пункты Unicode, а потом выводим на экран символы из набора Unicode.

Напоследок про UTF

Коды являются ключами. Если я отправлю ошибочную кодировку, вы не сможете ничего прочесть. Не забывайте об этом при отправке и получении данных. В наших повседневных инструментах это часто абстрагировано, но нам, программистам, важно понимать, что происходит под капотом.

Как нам задавать кодировку? Поскольку HTML пишется на английском, и почти все кодировки прекрасно работают с английским, мы можем указать кодировку в начале раздела .

Важно сделать это в самом начале , поскольку парсинг HTML может начаться заново, если в данный момент используется неправильная кодировка. Также узнать версию кодировки можно из заголовка Content-Type HTTP-запроса/ответа.

Если HTML-документ не содержит упоминания кодировки, спецификация HTML5 предлагает такое интересное решение, как BOM-сниффинг. С его помощью мы по маркеру порядка байтов (BOM) можем определить используемую кодировку.

Это всё?

Unicode ещё не завершён. Как и в случае с любым стандартом, мы что-то добавляем, убираем, предлагаем новое. Никакие спецификации нельзя назвать «завершёнными». Обычно в год бывает 1-2 релиза, найти их описание можно здесь.

Если вы дочитали до конца, то вы молодцы. Предлагаю сделать домашнюю работу. Посмотрите, как могут ломаться сайты при использовании неправильной кодировки. Я воспользовался этим расширением для Google Chrome, поменял кодировку и попытался открывать разные страницы. Информация была совершенно нечитаемой. Попробуйте сами, как выглядит бнопня. Это поможет понять, насколько важна кодировка.

Заключение

При написании этой статьи я узнал о Майкле Эверсоне. С 1993 года он предложил больше 200 изменений в Unicode, добавил в стандарт тысячи символов. По состоянию на 2003 год он считался самым продуктивным участником. Он один очень сильно повлиял на облик Unicode. Майкл — один из тех, кто сделал интернет таким, каким мы его сегодня знаем. Очень впечатляет.

Надеюсь, мне удалось показать вам, для чего нужны кодировки, какие проблемы они решают, и что происходит при их сбоях.

Источник

В Восточном Иерусалиме не прекращаются беспорядки

В пресс-службе полиции Израиля сообщили, что в Восточном Иерусалиме (район Шейх Джаррах) снова вспыхнули беспорядки. Десятки человек с палестинскими флагами кидают камни в силовиков. Те в ответ применили спецсредства для разгона толпы.

Также волнения происходят возле Храмовой горы, где собрались порядка 75 тысяч мусульман, передает РИА Новости.

Арестованы два человека, их обвиняют в нападении на полицейского.

В столкновениях, вспыхнувших в Восточном Иерусалиме минувшей ночью, пострадали 205 палестинцев. Были также ранены 17 полицейских.

Причина волнений – выселение нескольких арабских семей из квартала Шейх Джаррах. Это производится по решению суда, однако беспорядки по этому поводу не утихают уже неделю. В 1956 году правительство Иордании поселило в Восточном Иерусалиме 28 семей, но не выдало им документы на право собственности. Спецпосланник ООН по ближневосточному урегулированию Тор Веннесланд призвал «прекратить снос и выселение в соответствии с его обязательствами и в соответствии с международным гуманитарным правом».

Ранее по теме

ХАМАС призвал уничтожать израильских солдат на Западном берегу Иордана

В районе Хеврона неизвестные водрузили флаг со свастикой

Юг Израиля предупредили о возможном обстреле

Израиль и сектор Газа обменялись ударами

Израиль нанес авиаудары по сектору Газа

В стычках на Западном берегу Иордана пострадали не менее 100 человек

Вести.Ru в социальных сетях:

Читайте также:  Запуска приложений windows горячими клавишами

Программы

На сайте функционирует система коррекции ошибок. Обнаружив неточность в тексте, выделите ее и нажмите Ctrl+Enter.

Источник

Черчесов стал героем соцсетей, ответив на жест Роналду и Погба

Станислав Черчесов
rfs.ru

Главный тренер сборной России Станислав Черчесов стал героем социальных сетей, проигнорировав необычный флешмоб португальца Криштиану Роналду и француза Поля Погба.

Черчесов во время пресс-конференции перед матчем второго тура группового этапа чемпионата Европы с командой Финляндии эффектно открыл бутылку Coca-Cola другой такой же бутылкой и отпил из нее. Данный видеоролик «завирусился» в соцсетях, набрав за первые несколько часов более миллиона просмотров.

Ronaldo kan fara åt pipsvängen med sitt vatten, det här är en man som förstått vad livet har att erbjuda. Rysslands mäktiga förbundskapten Stanislav Cherchesov! �������� pic.twitter.com/QqiXYH4p0L

Накануне нападающий сборной Португалии Криштиану Роналду отодвинул бутылку с напитком Coca-Cola на пресс-конференции после игры с венграми и сообщил, что лучше пейте воду.

Позже еще один футболист Евро-2020, французский хавбек Поль Погба во время пресс-конференции из-за религиозных убеждений убрал со стола бутылку со спонсорским пивом.

В четверг по данному поводу с заявлением выступил Союз европейских футбольных ассоциаций (УЕФА). В организации запретили убирать бутылки со стола, отметив что партнерские отношения являются неотъемлемой частью проведения соревнований.

Источник

Сборная Италии выиграла Евро-2020

Команда во второй раз стала победителем чемпионата Европы по футболу

Сборная Италии выиграла в финальном матче чемпионата Европы по футболу с командой Англии. Встреча прошла в Лондоне на стадионе «Уэмбли» и в основное время завершилась со счетом 1:1. Победитель определился в серии пенальти: 3:2. ТВЦ.RU следил за ходом матча в прямом эфире. «Скуадра адзурра» не выигрывала этот турнир с 1968 года.

Главное о встрече Англии и Италии:

  • Счет на второй минуте матча открыл защитник англичан Люк Шоу. Этот гол стал единственным в первом тайме и самым быстрым в истории финалов чемпионатов Европы.
  • Итальянцы отыгрались во втором тайме на 66-й минуте — счет сравнял Леонардо Бонуччи (по данным УЕФА, он самый возрастной автор гола в истории чемпионатов Европы).
  • На 87-й минуте произошла остановка в игре: один из болельщиков устроил пробежку прямо на газоне «Уэмбли».
  • Арбитр добавил шесть минут к основному времени игры, однако чемпион Европы по футболу по итогам двух таймов так и не определился. Борьба продолжилась в рамках овертайма.
  • После первого тайма дополнительного времени счет не изменился.
  • Победитель не определился и в следующие 18 минут матча (счет остался 1:1 после 120+ минут игры).
  • Судьбу трофея Анри Делонэ решили в серии послематчевых пенальти.
  • Италия — Англия 3:2 по пенальти.

Сборная Англии на групповом этапе с одинаковым счетом 1:0 победила Хорватию и Чехию, а также сыграла вничью с Шотландией (0:0). В 1/8 финала англичане нанесли поражение Германии (2:0), в четвертьфинале — Украине (4:0), в полуфинале — Дании (2:1, вырвав победу в дополнительное время).

Fastest goal ever in a EURO final ����
First goal for England ������������

На групповом этапе Евро Италия разгромила Турцию (3:0) и Швейцарию (3:0) и победила команду Уэльса (1:0). В 1/8 финала итальянцы взяли верх над Австрией (2:1), вырвав победу в основное время. В четвертьфинале они переиграли Бельгию (2:1), в полуфинале по пенальти оказались лучше Испании (основное и дополнительное время — 1:1).

Перенесенный на год из-за пандемии коронавируса Евро-2020 стартовал 11 июня. Право принять матчи турнира получили Санкт-Петербург, Рим, Амстердам, Мюнхен, Баку, Будапешт, Бухарест, Глазго, Копенгаген, Лондон и Севилья.

Сборная России на чемпионате Европы заняла последнее, четвертое место в группе B и не смогла выйти в плей-офф турнира. 8 июля Российский футбольный союз объявил о расторжении контракта с главным тренером команды Станиславом Черчесовым.

Антон Пичугин. «ТВ Центр».

Источник

Оцените статью