Макинтош и образование:Информатика и ИТ:Пособие:Компьютер и текст

© М.Е. Крекин, 1999, 2002

Глава 5
Компьютер и текст

• как в компьютере кодируется текст, и как определить необходимый для хранения документа объем памяти;
• почему иногда вместо текста мы видим на экране непонятные символы, и что такое программа-конвертор, а также
• что умеет текстовый процессор.

В информатике текстом считают последовательность любых символов. Сейчас компьютеры в основном пользуются алфавитами, содержащими 256 знаков¹. Каждому из символов соответствует свой восьмиразрядный двоичный код. Таким образом любой символ текста, включая пробелы, занимает 8 бит (1 байт) в памяти компьютера. Зная это, можно легко оценить объем памяти, необходимый для хранения того или иного текстового документа.

Рассмотрим пример. Машинописная страница стандартного формата (А4) содержит около 55 строк. На каждой строке помещается в среднем 60 символов². Подсчитаем количество текстовой информации на такой странице. Каждый символ -- 1 байт информации, а всего символов -- 60*55=3300. Значит, на странице 3300 байт (около 3 Кбайт). Как связаны двоичные коды и соответствующие им символы? Это определяется таблицей кодировки. Все используемые на персональных компьютерах таблицы³ основаны на американском стандарте ASCII⁴. Он определяет первые 128 кодов: для латинских букв, цифр, основных знаков препинания и математических операций. Остальные 128 кодов используются для специальных символов и букв национальных алфавитов (в том числе, русского). И, поскольку общепринятого стандарта для этого не было, возникло много различных кодировок, в том числе, несколько -- для кириллицы⁵. Именно поэтому, получив от кого-нибудь текст и попытавшись прочесть его на своем компьютере, мы зачастую видим на экране набор непонятных "закорючек".

код	CP866	CP1251	KOI-8R	Mac
01011010	Z	Z	Z	Z
10001111	П			П
11111101	$	э	Щ	э

В такой ситуации на помощь приходят программы-конверторы⁶. Они заменяют двоичный код каждого символа на код, которым такой символ представляется в другой кодировке. Это соответствие определяется таблицей перекодировки. Обычно пользователь должен указать, из какой кодировки в какую идет преобразование, однако появились и программы, умеющие автоматически определять кодировку исходного текста.

Стремление упростить работу с различными текстами (сперва текстами программ, затем служебными документами, газетами, журналами, книгами и т.д.) привело к созданию множества программ, специально ориентированных на это -- текстовых редакторов (или текстовых процессоров).

Какими же данными оперируют эти программы? Очевидно, что наименьшим объектом будет символ. Однако можно работать не только с отдельными символами, но и со словами, строками, абзацами, произвольными фрагментами и текстом в целом. Некоторые действия можно выполнить с любой из этих структур, другие -- только с какй-то определенной. Обрабатываемый текст представляется как бы в виде рулона "бумаги", который можно прокручивать на экране вперед и назад. Большинство современных программ позволяет одновременно работать с несколькими текстами, каждый из которых выводится в отдельное окно. Кроме основных "листов" текстовый процессор, как и другие программы использует "конверт" (или "карман"), в котором можно временно хранить фрагмент текста при его копировании или перемещении.

Текстовый процессор -- не просто заменитель пишущей машинки, а универсальное средство для работы с текстами. Он предоставляет очень широкие возможности манипулирования текстовыми документами. Кроме таких очевидных операций как набор текста, удаление, копирование и перемещение его фрагментов, а также сохранение на диск и печать, имеется возможность изменять шрифт, его начертание, цвет и размер. Текстовый процессор может автоматически форматировать текст (включая установку абзацного отступа и выравнивание). Можно сразу во всем тексте заменить одно заданное слово на другое. Например, поменять "ЭВМ" на "компьютер". Многие редакторы умеют проверять орфографию: компьютер ищет каждое слово в своем словаре и, если не находит, сообщает об этом пользователю, предлагая возможные варианты исправления.

Контрольные вопросы

1. Как связано количество бит в коде с числом разных состояний, которые нужно кодировать? Сколько бит памяти занимает 1 символ текста? Почему?
2. Что такое таблица кодировки? Как прочесть текст, если в нем использована не такая, как в вашем компьютере, кодировка?
3. Расскажи о назначении текстового процессора и предоставляемых им пользователю возможностях.

Примечания

1. Новый стандарт Unicode, на который осуществляется постепенный переход, позволяет использовать 2¹⁶=65536 (а в последней версии -- 2³²) символов. Текст в такой кодировке будет занимать существенно (в среднем -- вдвое) больше памяти. [Примечание к примечанию: реальные системы используют не непосредственно Unicode (UTF-32), а представления UTF-8 и UTF-16. В первом из них символ может занимать от 1 до 6 байт, во втором -- 2 или 4 байта]
2. Это -- примерные значения для русской пишущей машинки. В англоязычных странах обычно используют более мелкий шрифт.
3. Речь идет о "стандартных" шрифтах. Кроме них существуют также шрифты, содержащие (вместо букв и цифр) специальные, например декоративные, символы.
4. American Standard Code for Information Interchange -- Американский стандартный код обмена информацией.
5. В России широко используются в настоящее время четыре кодировки:
• CP866 ("DOS-альтернативная". Для PC-совместимых компьютеров под MS-DOS и OS/2, а также в любительской компьютерной сети Fido);
• CP1251 (Для PC-совместимых компьютеров под Windows, а также на большинстве сайтов WWW);
• KOI-8R (Компьютеры под UNIX, электронная почта и конференции Internet);
• Mac-Cyrillic (Макинтош-совместимые компьютеры).
6. Converter (англ.) -- преобразователь.