Rappresentare testi nel computer

Transcript

1 Rappresentare testi nel computer Cosa è un testo? -una sequenza ordinata di caratteri. Esempio : abgx76 6&&&%% 0?? -una sequenza ordinata di caratteri FORMATTATI. Esempio : AAAxb() BB È importante notare che, a parte la superficiale similarità, i due concetti definiti sopra sono differenti. Per questo richiedono rappresentazioni diverse. Rappresentazione dei caratteri Cosa è un carattere? Si tratta di un simbolo, in qualche modo astratto. Per esempio una A è la rappresentazione grafica convenzionale (detta anche glifo) del concetto di carattere a maiuscola. Dobbiamo trovare una convenzione con cui realizzare una rappresentazione comprensibile al computer dei caratteri. 1

2 Approccio rigoroso Insieme astratto dei caratteri che fanno parte del codice CODIFICA Insieme di ottetti di cifre binarie (byte) numeri in corrispondenza uno-uno con i caratteri dell insieme a sinistra Il codice ASCII American Standard Code for Information Interchange Iniziamo a definire l insieme dei caratteri. Si tratta di 128 simboli: I primi 32 (numerati da 0 fino a 31) sono caratteri di controllo non stampabili ; I successivi 95 simboli (numerati da 32 fino a 126) sono caratteri stampabili Il 128-esimo simbolo è ancora un carattere di controllo non stampabile ; 2

3 Quanti caratteri e quanti bit? Se si sceglie di rappresentare un carattere con un ottetto di bit (byte) quanti differenti ottetti possiamo ottenere? 256 = 2 8 Abbiamo dunque un surplus di ottetti rispetto ai caratteri. Questo può tornare utile (later) Quale legge lega ciascun carattere ASCII al suo ottetto? Come calcolare l ottetto A ciascun carattere corrisponde un numero d ordine in un elenco (standard per convenzione). A ciascun numero tra 0 e 127 corrisponde una rappresentazione binaria che usa 7 bit. Una possibile scelta è lasciare l ottavo bit sempre posto a zero. Altre scelte fanno un uso strumentale dell ottavo bit. L elenco è nella prossima slide 3

4 elenco ASCII <primi 32 elementi non stampabili>! " # $ % & ( ) * +, -. / : ; < = A B C D E F G H I J K L M N O P Q R S T U V W X Y Z [ \ ] ^ _ a b c d e f g h i j k l m n o p q r s t u v w x y z { } ~ <ultimo elemento non stampabile> Per esempio il simbolo # ha posto numerato con 34 (ricordare che si parte dal posto 0) 34 in binario si scrive : (dettagli in un altro momento) Conclusione il simbolo # si codifica con Esistono codifiche in cui il simbolo in rosso può essere cambiato. Digressione : da che parte si mangia un arancino? Ovvero i computer non hanno la mano destra Più seriamente: in che ordine debbono essere interpretati i bit in un ottetto? Il bit che rappresenta la potenza di due con maggiore esponente si dice MOST SIGNIFICATIVE BIT (MSB) Il bit che rappresenta la potenza di due con minore esponente si dice LEAST SIGNIFICATIVE BIT (LSB) Attenti alle convenzioni! Se il MSB è l 1 in blu (più a sinistra) questa rappresentazione si chiama little-endian e l ottetto rappresenta il numero 144 Se il MSB è lo zero in rosso (più a destra) questa rappresentazione si chiama big-endian e l ottetto rappresenta il numero 9 4

5 Cosa fare del bit in più? IDEA: usarlo per controllare che un byte codificante non venga inavvertitamente alterato. Purtroppo per avere la garanzia di scoprire ogni inavvertita variazione un solo bit in più non è sufficiente. Vediamo però come l idea possa portarci ad un sistema che nella maggior parte dei casi riesce a dare l allarme. Stabiliamo una convenzione: Regola di parità 0 codifica il concetto di Pari 1 codifica il concetto di Dispari Se abbiamo sette cifre binarie, contiamo quante di esse sono eguali ad 1. Se tale conta ci dà un numero pari, premettiamo uno 0 alle sette cifre. Se tale conta ci dà un numero dispari, premettiamo un 1 alle sette cifre. 5

6 Teorema Sia c 1 b 1 b 2 b 3 b 4 b 5 b 6 b 7 una sequenza di 8 bit costruita come indicato nella slide precedente (c 1 è dunque il bit di parità ). Se inavvertitamente viene alterato uno solo degli 8 bit della sequenza iniziale allora la regola della parità enunciata nella slide precedente viene violata. DIM. Se il bit alterato è il bit c 1 allora la violazione della regola è ovvia. Se viene alterato uno solo dei bit b i allora il conto delle cifre 1 tra essi passa da pari a dispari (o viceversa). Il bit c 1 però non cambia e quindi la regola viene di nuovo violata. Conseguenza Una violazione della regola di parità può essere facilmente verificata. Questo consente di dare l allarme nel caso un solo bit sia stato alterato. ATTENZIONE: il casuale cambiamento di DUE bit non provoca nessuna violazione della regola di parità. La tecnica dunque non è infallibile. Però se le variazioni casuale sono statisticamente rare, diventa statisticamente rarissimo che ne accadano due contemporaneamente all interno dello stesso byte. 6

7 Attenzione Esistono NUMEROSSISSIME variazioni della codifica ASCII e molti modi diversi di utilizzare il bit libero. Quella presentata è solo una delle possibili applicazioni. Dove trovo le tabelle ASCII? Andate su un motore di ricerca (per esempio Google) e digitate tabella ASCII. Un ottimo sito in italiano è: Un buon sito in inglese è invece 7

8 8 ~ n ^ N > } { z y x w v u t s r q p o m l k j i h g f e d c b a ` _ ] \ [ Z Y X W V U T S R Q P O M L K J I H G F E D C B ? = < ; : / -, + * ) ( & % $ #! spazio Tabellina in notazione binaria: la concatenazione del nibble di riga e del nibble di colonna dà il codice ASCII in binario (senza controllo) ~ n ^ N >. 14 } { z y x w v u t s r q p 112 o m l k j i h g f e d c b a ` 96 _ ] \ [ Z Y X W V U T S R Q P 80 O M L K J I H G F E D C B 64? = < ; : / -, + * ) ( & % $ #! spazio Tabellina in notazione decimale: la somma dell indice di riga e colonna dà il codice ASCII in decimale

9 Cosa c è che non va con l ASCII? La A di ASCII cioè si tratta di un codice adattato alla lingua Americana. Per questo motivo è stato introdotto il codice UNICODE che codifica un carattere con 16 bit e quindi permette fino a 2 16 = simboli. Testo formattato Un formato è fatto di tabulazioni, rientri, spazi, fine righe, salto righe eccetera. Queste operazioni sono semplici usando semplicemente l ASCII. Un formato è fatto anche di forme tipografiche differenti per i caratteri: ciao ciao ciao ciao ciao χιαο ciao ciao ciao ciao ciao Questa informazione è codificata accoppiando al carattere l informazione circa il suo font che deve risiedere sul sistema che deve riprodurre il testo. Esistono migliaia di font. Attenti alla compatibilità!! 9

10 Testo formattato 2 Pur all interno del medesimo font i sitemi di word processing moderni prevedono diversi stili e combinazione di stili: Sottolineato Corsivo Grassetto Grassetto corsivo Corsivo sottolineato grassetto eccetera Dieci dita e qualche tasto La mia tastiera ha meno di cento tasti. Come ottenere tutti i simboli desiderati? RISPOSTA 1: usando combinazioni di tasti. Per esempi Shifttasto dà la versione maiuscola. RISPOSTA 2: digitare la combinazione : ALT-<codice ASCII in notazione decimale> (usando il tastierino numerico per inserire i numeri) et voilà 10

11 Ma il mondo non è tutto scritto L informazione per gli umani ha un carattere analogico. In termini tecnici si tratta di SEGNALI Un segnale analogico si può: CAMPIONARE per un suono: misurare l intensità ogni centesimo di secondo. Per una immagine misurare i colori ogni millimetro quadrato. RAPPRESENTARE con un numero. 11

12 Pixel Una immagine al computer risulta dunque fatta di elementi di figura (picture element = pixel). Il numero di pixel che ho per unità di area indica la risoluzione con cui si è campionato. Per ogni pixel ho a disposizione un certo numero di bit. Il numero di bit a disposizione per ogni pixel si dice profondità. La profondità è legata al numero di differenti toni che si possono rappresentare. Esempi di profondità a toni di grigio 8 bit 256 toni 2 bit 4 toni 1 bit 2 toni 12

13 E i colori? I computer rappresentano 3 colori fondamentali e poi li mescolano : Red Green Blue Se si usano 8 bit per ciascun colore si ottengono: 256 x 256 x 256 = circa 16 milioni di colori Palette Raramente in una immagine ci sono tutti i 16 milioni di colori. Si può quindi usare un insieme più piccolo detto palette (di più tra qualche semestre ) 13

14 Ma quanto spazio ci vuole? I bit costano! Trasmettere i bit costa! Gli uomini però hanno linguaggi ridondanti Per esempio: Dmn Ł mrcld e nn c sn lzn d prgrmmzn È un messaggio poco chiaro ma decodificabile. E occupa meno caratteri (e meno bit) di Domani è mercoledì e non ci sono lezioni di programmazione IDEA: compressione!!!! 14