Идентификаторы кодированных наборов символов (CCSID)

Введение

Идентификатор кодированного набора символов
CCSID (идентификатор кодированного набора символов) — это 16-битное число, представляющее конкретное кодирование определенной страницы кодов. Например, Unicode — это страница кодов, которая имеет несколько схем кодирования символов (именуемых "формами преобразования"), включая UTF-8, UTF-16 и UTF-32, но которой может и не быть присвоен номер CCSID для указания использования данной кодировки.

Разница между страницей кода и CCSID

Термины "страница кода" и "CCSID" часто используются взаимозаменяемо, хотя они не являются синонимами. Страница кода может быть лишь частью того, что составляет CCSID. Следующие определения от IBM помогают проиллюстрировать это:

Глиф – это фактический физический рисунок пикселей или чернил, который отображается на экране или при печати. Символ – это понятие, охватывающее все глифы, связанные с определенным знаком. Например, "F", "F", "F", "", "F" и "" – это разные глифы, но используют один и тот же символ. Различные модификаторы (полужирный, курсив, подчеркивание, цвет и шрифт) не меняют сущность символа "F". Набор символов содержит символы, необходимые для обеспечения осмысленного взаимодействия человека с компьютером. Он не определяет, как эти символы представлены в компьютере. Этот уровень является первым, который разделяет символы на различные алфавиты (латинский, арабский, иврит, кириллический и т. д.) или идеографические группы (например, китайский, корейский). Он соответствует "репертуару символов" в модели кодирования Unicode. Страница кода представляет собой конкретное соответствие между значениями кодовых точек и символами. Он соответствует "кодированному набору символов" в модели кодирования Unicode. Кодовая точка символа – это внутреннее представление этого символа в компьютере в заданной странице кода. Многие символы представлены разными кодовыми точками в разных страницах кода. Некоторые наборы символов могут быть адекватно представлены страницами кода с одним байтом (которые имеют максимум 256 кодовых точек, а значит, максимум 256 символов), но многие требуют большего. Примеры включают JIS X 0208 и Unicode. Схема кодирования – это байтовый формат страницы кода. Она сопоставляет значения кодовых точек с последовательностями из одного или нескольких байтов в компьютере. Например, UTF-8 и UTF-16BE – это два кодирования одной и той же страницы кода Unicode (отличающиеся только количеством байтов, необходимых для представления определенного значения символа Unicode, способом его размещения в этих байтах и способом указания наличия информации Unicode). Между тем, в архитектуре представления символьных данных IBM (CDRA) это обычно представляется с помощью ESID (идентификатора схемы кодирования). EUC и ISO 2022 – другие примеры схем кодирования. Идентификатор кодированного набора символов (CCSID) содержит всю информацию, необходимую для присвоения и сохранения значения и отображения символов на различных этапах обработки и обмена данными. Эта информация всегда включает по крайней мере одну страницу кода, но может включать несколько страниц кода разной длины байтов. CCSID также имеет связанную схему кодирования, которая определяет, как обрабатываются различные кодовые точки. Этот механизм позволяет программе распознавать двунаправленную ориентацию, формирование символов (в основном арабских символов) и другую сложную кодирующую информацию.

A glyph is the actual physical pattern of pixels or ink that shows up on a display or printout. A character is a concept that covers all glyphs associated with a certain symbol. For instance, "F", "F", "F", "", "F", and "" are all different glyphs, but use the same character. The various modifiers (bold, italic, underline, color, and font) do not change the F's essential F ness. A character set contains the characters necessary to allow a particular human to carry on a meaningful interaction with the computer. It does not specify how those characters are represented in a computer. This level is the first one to separate characters into various alphabets (Latin, Arabic, Hebrew, Cyrillic, and so on) or ideographic groups (e. g., Chinese, Korean). It corresponds to a "character repertoire" in the Unicode encoding model. A code page represents a particular assignment of code point values to characters. It corresponds to a "coded character set" in the Unicode encoding model. A code point for a character is the computer's internal representation of that character in a given code page. Many characters are represented by different code points in different code pages. Certain character sets can be adequately represented with single byte code pages (which have a maximum 256 code points, hence a maximum of 256 characters), but many require more than that. Examples include JIS X 0208 and Unicode. An encoding scheme is the byte format of a code page. It maps code point values to sequences of one or more byte values in a computer. For example, UTF 8 and UTF 16BE are two encodings of the same Unicode code page. (Varying only in how many bytes are needed to represent a particular Unicode character value, how it is contained within those bytes, and how the presence of Unicode information is indicated.) Meanwhile, in IBM's character data representation architecture (CDRA), this is typically represented with an ESID (encoding scheme identifier). EUC and ISO 2022 are other examples of encoding schemes. A coded character set identifier (CCSID) contains all of the information necessary to assign and preserve the meaning and rendering of characters through various stages of processing and interchange. This information always includes at least one code page, but may include multiple code pages of differing byte lengths. The CCSID also has an associated encoding scheme that governs how various code points are to be handled. This mechanism allows a program to recognize bidirectional orientation, character shaping (mainly of Arabic characters), and other complex encoding information.