Note sur les fichiers de caractères (ASCII)

Cours PLURITAL n°1 du 02/10/2007

Jean-François Perrot

Introduction, motivation

• Binary to text encoding, où il est dit notamment :

  Many computer programs came to rely on this distinction between seven-bit text
  and eight-bit binary data, and would not function properly
  if non-ASCII characters appeared in data that was expected to include only ASCII text.
  For example, the value of the eighth bit might not be preserved,
  or the program might interpret a byte value above 127 as a flag telling it to perform some function.

• Text file, et
  
• Plain text, où on voit apparaître diverses nuances qui montrent bien que la question n'est pas simple !
• MIME, système de conventions omniprésentes sur le réseau, dont nous reparlerons au cours 3.
  

L'exemple de RTF

1. téléchargez le petit fichier Ex.rtf (extrait de l'article de Wikipédia),
   
2. inspectez-le avec hexdump (ou avec un éditeur de "texte pur" comme NotePad sous Windows),
   pour constater qu'il ne contient que de l'ASCII
   
3. et ouvrez-le enfin avec Word (n'oubliez pas de lui donner l'extension ".rtf").
   

1. Téléchargez-les tous les deux et vérifiez que Word vous restitue l'apparence illustrée ci-dessus pour l'un
   et une apparence un peu différente pour l'autre. Attention à bien les nommer avec l'extension ".rtf" !
   
2. Quelles informations faut-il restituer à ExRTFb.rtf pour que le titre soit de nouveau centré ?
   
3. Comment retrouver la différence de polices dans la ligne 3 ?
   

L'exemple de HTML

1. Le codage des lettres accentuées : ces lettres sortent du répertoire ASCII, il faut donc les coder.
   Le procédé traditionnel est de les représenter par des "entités" (c'est le terme consacré dans la grammaire de HTML)
   qui sont de la forme "&", suivi d'une chaîne de caractères explicative à consonance anglaise, suivi de ";".
   Exemples :
   
   • "é" (e accent aigu) ==> é
   • "À" (a accent grave majuscule) ==> À
   • "ô" (o accent circonflexe) ==> ô
   • "ç" (c cédille) ==> ç
     
     
2. L'interprétation de certaines constructions syntaxiques pour engendrer une mise en pages.
   Contentons-nous d'observer avec un navigateur quelconque le code source (ou la page source)
   d'une page Web. Voici par exemple le début de la table du code ASCII :
   

   
   <table style="width: 100%; text-align: left;" border="2" cellpadding="2" cellspacing="2">
   <tbody><tr>
   <td>
   <table>
    <tbody>
     <tr>
      <th style="vertical-align: top;">D&acute;c</th>
      <th style="vertical-align: top;"> Hex</th>
      <th style="vertical-align: top;">Car</th>
     </tr>
     <tr>
       <td style="vertical-align: top;">00</td>
       <td style="vertical-align: top;">00</td>
       <td style="vertical-align: top;">NUL</td>
     </tr>
   
   

   On voit que l'effet de mise en table est produit par l'interprétation que le navigateur donne de la structure
   <table>... <tr><td> ... </td> ...</tr> ... </table>
   qui est elle-même entièrement rédigée en ASCII (et transmis comme tel sur le réseau).
   

Conclusion

• d'une part ils apparaissent dans leur fonction ordinaire pour composer du texte "significatif"
  (à la fin des fichiers ExRTF.rtf et ExRTFb.rtf, par exemple,
  et les contenus des cases du tableau ASCII en HTML).
  Dans la mesure où ce texte n'est pas rédigé en anglais d'Amérique, il faut recoder en ASCII
  tout caractère qui n'appartient pas à la gamme ASCII, par exemple les caractères accentués du français.
  Chaque système adopte un recodage qui lui est propre :
  
  • en HTML traditionnel : "é" --> "&eacute;" - "à" --> "&agrave;"  etc ;
    
  • en RTF : "é" --> "\u233\'8e"  -  "à" --> "\u224\'88"  etc.
    
  
  
•  d'autre part ils fonctionnent comme "métacaractères" pour piloter l'interprétation (par Word ou par le navigateur)
  ce qu'ils composent à ce titre n'est pas intelligible par l'utilisateur, mais bien par le logiciel de traitement.