Кодирование текстовой информации

Для кодирования текстовой информации разработаны различные системы кодирования, но для обеспечения процессов обмена информацией между различными компьютерными системами потребовалась стандартизация представления текстовой информации. Первым был разработан американский стандартный код для обмена информацией ASCII (American Standard Code for Information Interchange), созданный Американским национальным институтом стандартов (ANSI). Код ASCII первоначально использовал 7 бит для представления прописных и строчных букв английского алфавита, цифр, знаков пунктуации и управляющей информации. Управляющая информация была необходима для управления вводом/выводом информации в ЭВМ с перфоленты. В настоящее время код ASCII состоит из 8 бит, одному символу соответствует ровно 1 байт. Это позволило существенно увеличить разнообразие представляемых символов, в том числе добавить символы национальных алфавитов.

Для оценки объема информации, представляемой для обработки и хранения ее в ЭВМ, используется простейший пересчет — число символов (знаков, букв, пробелов) в тексте пересчитывается в количество байтов.

Одна машинописная страница текстового документа при использовании шрифта Times New Roman, 14 пунктов содержит в среднем 34 строки по 77 символов, т. е. 2618 символов, или около 2,5 Кбайт.

Экран в текстовом формате содержит 80 символов в строке и 25 строк, что соответствует 2000 символов, или около 1,9 Кбайт.

Грубо определить размер текстового документа в байтах можно следующим образом. Пусть, например, документ содержит порядка 1200 страниц текста, подготовленного в формате Times New Roman, 14 пунктов. Тогда ориентировочный размер файла для представления информации^[1]. 2,5 (Кб/стр.) • 1200 (стр.) = 3067,97 Кбайт (около 3 Мбайт).

В конце 1980;х г. на смену коду ASCII пришел Unicode, который существенно расширил алфавит символов, но увеличил размерность текстовых файлов.

• [1] Наличие рисунков в текстовом документе значительно увеличивает размер файла.