ASCII étendu

Les codages de caractères ASCII étendu,

plus connus dans leur dénomination
anglaise extended ASCII, sont un
ensemble de jeux de codage de
caractères qui ont en commun le sous-
ensemble de caractères ASCII. Ce terme
est informel et peut être critiqué pour
deux raisons : d'une part cette
dénomination pourrait laisser penser que
le standard ASCII aurait été étendu, alors
qu'il désigne en fait un ensemble de
normes qui incluent le sous-ensemble
ASCII ; d'autre part, l'ASCII étendu ne
désigne pas un codage de caractère
donné mais un ensemble imprécis de
normes précisant chacune un codage de
caractères surensemble de l'ASCII.

La notion d'extended ASCII est d'un

usage commun dans la documentation
technique. Elle est reprise par le MSDN
de Microsoft [1]. Elle est reprise par de
nombreuses pages de manuel Unix
comme celles de MacOS X [2].
L'Encyclopédie Britannica associe ce
concept à l'année 1981, à IBM et au
codage 8 bits[3].

Variations et extensions
Vu l'existence de milliers de standards et
variantes informatiques de codage des
caractères, il est difficile de se faire une
idée des liens de parenté entre chacun
d'entre eux. Le tableau suivant donne une
illustration du positionnement de l'ASCII,
de ses extensions et de ses variantes,
par rapport à quelques familles de
standards informatiques, dans un
contexte temporel.
Télégraphie Téléphonie Informatique Avion

Code Baudot

Diverses variations des codages EBCDIC et autres codages

ISO/CEI 646 - IRV (variante internationale) Arinc

↓ ↓

ISO/CEI
646 :
Autres
nations

ISO/CEI 646 - US (États-Unis) ↓

ISO/CEI
646 :
Autres
A.I. 2
nations

↓ ↓ ↓ ↓

Page de code
DOS (437,
850…) Séries ISO ISO/CEI
↓ 8859 (exemple 2022
ASCII Codage ISO/CEI 8859- (illimité à ↓

windows 1, ISO/CEI 256

(Windows- 8859-15) caractères)

1252, etc) ou
Ansinew

↓ ISO 10646 / Unicode

AI no 5 GSM
03.38 (en)
 (SMS)

Légende
Un des standards
ASCII
assimilable à l'ASCII
Extensions
Complète l'ASCII
de l'ASCII
Variante de Différents de l'ASCII pour
l'ASCII quelques caractères
Précurseur
Un sous-ensemble
de l'ASCII
Sans lien
Sans lien avec l'ASCII
avec l'ASCII

Histoire
Le besoin d'uniformiser les codages des
caractères tout en préservant des
spécificités locales a été ressenti dès
avant les années 1960, avec l'apparition
des normes ISO/CEI 646 et de ses
différentes déclinaisons locales dont
l'ASCII. Si, à l'origine, l'ASCII a été pensé
comme un codage de caractères pour les
États-Unis, l'influence de l'industrie
informatique a conduit à délaisser les
différentes variantes de l'ISO-646 pour
imposer l'ASCII. Le choix de codage d'un
octet par caractère a dans un premier
temps permis de représenter les
caractères absents de l'ASCII. Il ne posait
pas de problème à l'époque, dans la
mesure où les ordinateurs n'étaient pas
connectés en réseau. [évasif]

Diverses extensions propriétaires sont

apparues sur les PC non-EBCDIC, en
particulier dans les universités. Atari et
Commodore ont ajouté de nombreux
symboles graphiques non-ASCII
(Respectivement, ATASCII et PETSCII,
basé sur la norme ASCII originale de
1963).

L’IBM PC a introduit une extension de

l’ASCII sur huit bits, qu’IBM a ensuite
décliné en de multiples variantes pour
des langues et des cultures différentes.
IBM a appelé ces jeux de caractères des
pages de code, et leur a attribué des
numéros qui restent encore employés de
nos jours [réf. nécessaire]. Dans une page de
code compatible avec ASCII, les 128
premiers codes (valeurs 0 à 127)
représentent les mêmes caractères que
l’ASCII, tandis que les 128 codes suivants
(valeurs 128 à 255) fournissent un
ensemble de caractères spécifique.

Dans l’IBM PC originel, et les PC

ultérieurs fonctionnant sous DOS
vendus en Amérique du Nord, la page
de code 437 était utilisée. Elle incluait
 quelques-uns des caractères
accentués nécessaires pour le
français, l'allemand et d’autres langues
européennes, ainsi que certains
caractères graphiques de dessin.
En Europe de l’Ouest, c’est la page de
code 850 qui était distribuée ; elle
offrait un support plus complet des
langues latines.

Ces jeux de caractères ont permis de

rédiger des documents dans des
combinaisons de langues telles
qu’anglais et français (avec la page de
code 850), mais pas, par exemple,
français et grec (qui exigeait la page de
code 737 incompatible avec celle
nécessaire pour le français).

Apple Computer a introduit ses propres

codes huit bits ASCII étendus dans Mac
OS, comme MacRoman.

Digital Equipment Corporation a

développé le Multinational Character Set,
basé sur des versions préliminaires de
ISO/CEI 8859. Il a été soutenu par le
VT220.

Fonctionnement et théorie
L'utilisation de codages de caractères de
type ASCII étendu repose d'une part sur
la reconnaissance de syntaxe basée sur
l'ASCII, et d'autre part sur un traitement
souvent indifférencié des 128 valeurs
restantes.

Cet aspect a été important pour les

langages de programmations comme le
langage C ou d'autres langages comme
le HTML. Il a permis d'utiliser ces mêmes
langages informatiques dans différents
pays, grâce à l'ASCII, tout en permettant
l'introduction de chaînes de caractères et
de commentaires dans la langue
appropriée (locale, régionale ou
nationale).

Apports et limitations

La page de code 437 apporte de nombreux

éléments pour dessiner des rectangles, mais oublie
les langues d'Europe de l'Ouest et le symbole de
l'euro.
Le codage de caractères windows-1252 contient les
caractères d'Europe de l'Ouest ainsi que le symbole
de l'euro.

L'ASCII étendu a permis à moindre coût

de déployer mondialement des logiciels
représentant le texte en peu d'octets et
d'ignorer tout ou partie des
problématiques d'internationalisation. Il a
également conduit a des problèmes
d'interopérabilité, qui ont abouti à
l'émergence de standards tels
qu'Unicode.

Apports …

Les codages de caractères étendant

l'ASCII additionnent à l'ASCII les
caractères manquants à une langue, une
culture ou un pays.

La préservation de l'ASCII permet la

préservation des caractères de contrôle,
des nombres et des labels en caractères
non accentués. Elle permet également la
préservation de symboles spécifiques à
l'ASCII mais très utilisés en informatique,
notamment dans les langages de
programmation, comme les parenthèses,
les chevrons, les accolades ou les
crochets. Avant l'émergence de ce
concept, le langage C avait dû avoir
recours au concept de digraphes et de
trigraphes pour pallier l'absence de ces
caractères. Depuis l'utilisation de l'ASCII
étendu, l'usage des digraphes et des
trigraphes dans le langage C est tombé
en désuétude.

L'existence de 128 valeurs disponibles

permet d'ajouter par exemple, selon le
cas, des symboles graphiques
informatiques, des symboles
mathématiques (lettres grecques), des
alphabets ou compléments d'alphabets
locaux, des symboles littéraires ou de
ponctuation, des symboles
commerciaux.

Les codages de caractères ISO-8859

apportent également une deuxième
plage de caractères de contrôle dite C1,
entre les valeurs 128 et 159.

Un logiciel, un protocole, un fichier de

configuration, un fichier de code source
ou tout autre service peut donc, dans une
certaine mesure, être interopérable avec
un ensemble de codage de caractères
étendant l'ASCII, sans connaître
précisément les différentes extensions
existantes.

Limitations …

Titre de chanson qui devrait être en cyrillique (Моя

Страна) sur un autoradio

Les différentes techniques d'extension

de l'ASCII posent différentes
problématiques :

S'il peut être facile de savoir que le

codage est en partie ASCII, l'autre partie
du codage est parfois, voire souvent,
incertaine.

Les extensions de l'ASCII peuvent

reposer sur des techniques variées.
Certaines techniques garantissent que
chaque octet représente un caractère,
alors que d'autres utilisent plusieurs
octets pour représenter un caractère.
Certaines extensions introduisent des
octets nuls (UTF-16) alors que d'autres
réservent l'usage de cette valeur
particulière. Certaines extensions
garantissent qu'un octet a toujours la
même signification, alors que dans
d'autres (ISO/CEI 2022), le caractère
représenté par un octet dépend du
contexte. Certaines extensions
permettent des séquences
d'échappement dans lesquels les valeurs
de caractères ASCII ne sont pas des
caractères ASCII. Certaines extensions
apportent des caractères de contrôle ou
des caractères d'espacement qui ne sont
pas reconnus par tous les logiciels.

Cette diversité est généralement difficile

ou impossible à gérer entièrement et
peut conduire à des problématiques
d'interopérabilité comme à des mojibake
ou autres affichages malencontreux.

Standardisation et
normalisation
Il n'existe pas de standardisation
spécifique de la notion d’« ASCII
étendu ». Elle est donc sujette a
interprétation. Ainsi certains considèrent
que la présence d'un indicateur d'ordre
des octets suffit à dire que l'UTF-8 n'est
pas de l’ASCII étendu ; la même question
peut se poser pour des codages de
caractères tels shift-JIS, ou ceux incluant
des séquences d'échappement. Certains
considèrent que l'UTF-16 est une forme
d'extension de l'ASCII. [réf. nécessaire]

Usages et applications
Dans de nombreux protocoles
(notamment le courrier électronique et le
HTTP), le codage de caractères du
contenu doit être étiqueté avec des
attributs IANA des identificateurs de jeu
de caractères.

Aspects économiques et
sociaux
 Cette section ne cite pas
suffisamment ses sources (décembre
2016). 
Pour l'améliorer, ajoutez des
références vérifiables [comment
faire ?] ou le modèle {{Référence
nécessaire}} sur les passages
nécessitant une source.

Parce que ces extensions ASCII sont

autant de variantes, il est nécessaire
d'identifier quel jeu est utilisé pour un
texte particulier pour qu'il puisse être
interprété correctement. Cependant,
parce que les caractères les plus utilisés
(ceux en ASCII, les points de code sept
bits) sont communs à tous les jeux, il est
extrêmement difficile d'identifier
correctement un jeu de caractères. Si
cela est sans incidence pour un fichier en
langue anglaise, cela a des
conséquences fâcheuses pour les
utilisateurs d'autres langues.

Par ailleurs, sur Internet, parce que les

logiciels de nombreux internautes
utilisent la norme ISO 8859-1, et parce
que Microsoft Windows (en utilisant la
page de code 1252, sur-ensemble de la
norme ISO 8859-1) était il y a encore peu
de temps le système d'exploitation en
position dominante pour les ordinateurs
personnels (ce n'est plus le cas avec
l'accélération de l'usage des tablettes et
smartphones fonctionnant
majoritairement sur d'autres systèmes
d'exploitation), l'utilisation
inopinée/impromptue de la norme ISO
8859-1 a été tout à fait banalisée, et
souvent présumée.

Graphique montrant que le codage UTF-8 (courbe

bleue) a dépassé en usage les principaux
encodages du texte sur l'Internet, et que depuis
2010 il a atteint pratiquement 50% (et même 83% en
mars 2015, non montré sur ce graphique). Les
encodages ont été déterminés en examinant les
textes et non les étiquettes d'entêtes de
protocoles[4], et ces chiffres n'incluent donc pas
l'ASCII pur étiqueté en UTF-8. Mais puisque l'ASCII
est un codage UTF-8 valide, il pourrait être ajouté à
ceux de l'UTF-8 pour atteindre 65% d'utilisation sur
l'Internet en 2010.

Ce n'est plus le cas depuis mi-2008 où

l'Unicode (plus précisément un de ses
codages standardisés, UTF-8) a dépassé
en usage tous les autres jeux de
caractères codés sur l'Internet. Si on y
ajoute l'ASCII sur 7 bits (en version
américaine entièrement compatible avec
UTF-8), Unicode représente depuis 2008
les deux tiers des volumes de texte
codés disponibles sur Internet. C'est
d'autant plus remarquable que l'UTF-8 n'a
été réellement standardisé que deux ans
avant et son usage était encore peu
significatif au début de l'année 2007 (où
les codages alors en compétition étaient
les codages « ASCII étendus », avec
majoritairement ISO 8859-1 ou son
extension par la page de code 1252 de
Windows, suivis des autres jeux de la
série ISO 8859). En outre, les comités de
normalisation internationaux ont
totalement arrêté depuis des années
leurs travaux concernant la normalisation
des jeux de caractères autres que ceux
basés sur l'ISO/IEC 10646 (et Unicode
pour les algorithmes liés). Tous les
nouveaux protocoles de communication
de l'Internet ont l'obligation de prendre en
charge uniquement l'UTF-8 comme
codage par défaut (même s'ils ont des
options activables pour en supporter
d'autres) et de nombreux anciens
protocoles encore utilisés [Lesquels ?] ont
été étendus avec une spécification leur
permettant d'utiliser le codage UTF-8.
Depuis 2008, l'adoption d'UTF-8 s'est
considérablement accélérée, tant en
pourcentage des volumes de données
échangées (ou accessibles par des
interfaces de programmation et
d’interrogation telles que les API web)
qu'en volume total de nouvelles données
produites. Parallèlement, les anciens
codages étendus de l'ASCII ont vu leur
utilisation diminuer rapidement (pour les
échanges de données sur les réseaux
publics de communications, mais aussi
par « contagion » sur les systèmes privés
internes), et pour certains (notamment
les variantes nationales de l'ISO/IEC 646,
dont la variante française qui a été
déclassée par l'AFNOR en tant que
norme française) tomber déjà en
désuétude (ne subsistant plus que pour
des usages strictement internes liés à
l'exploitation de données historiques
archivées, mais non converties pour des
raisons de coût ou de planification). Il en
résulte que l'UTF-8 est le seul codage de
caractères « ASCII étendu » qui subsiste
(en plus de l'ASCII de base) pour tous les
nouveaux développements destinés à
une utilisation partagée ou aux échanges
sur les réseaux de communication.
Même en Chine, où la prise en charge de
la norme nationale de codage GB18030
(elle aussi une extension de l'ASCII) a été
rendue obligatoire, UTF-8 a dépassé en
usage cette norme nationale,
depuis [Quand ?] que la conversion entre
GB18030 et UTF-8 a été figée [Comment ?]
(ce qui permet aux systèmes de traiter
n'importe quelle donnée de l'Internet et
d'interagir sans perte avec les systèmes
chinois qui exigent uniquement
GB18030).

Pourtant, alors même que le support de

l'UTF-8 a été intégré dans de nouveaux
logiciels ou leurs mises à jour récentes,
ce n'est pas toujours le codage par
défaut lors de leur installation (cas de
certains éditeurs de texte) [évasif], alors
qu'il pourrait l'être sans que l'utilisateur
final ait besoin de chercher et changer
cette option (l'utilisateur devrait même
pouvoir choisir de ne pas installer la prise
en charge optionnelle de nombreux
autres jeux de caractères codés). [non
neutre][pertinence contestée]

En pratique, tous [réf. nécessaire] les

systèmes de développement actuels
prennent en charge l'UTF-8 (entre autres
codages), soit nativement, soit à l'aide de
bibliothèques standardisées. Seuls
certains anciens équipements (tels que
des afficheurs simplifiés sur des
appareils électroniques grand public)
peuvent localement ne pas prendre en
charge autre chose qu'un jeu limité de
caractères (souvent alors uniquement
l'ASCII de base sans aucune extension,
ou seulement une partie telle que les 10
chiffres, les 26 lettres latines capitales,
l'espace et quelques signes de
ponctuation).

Articles connexes
Diacritique
Bibliographie
International support in application
and system software, Mark Davis et
Jack Grimes [1]

De nombreux livres apparaissent dans

Google Books lors de la recherche de
"Extended ASCII". Ces livres utilisent la
dénomination Extended ASCII, sans
nécessairement la définir.

À titre d'exemple :

Advanced Rails - Page 238

Mastering Microsoft Windows Vista
Home: Premium and Basic - Page 219
 High Definition: An A to Z Guide to
Personal Technology - Page 119
Digital Typography Using LaTeX - Page
14
New Perspectives on Microsoft Office
2007 - Page 13
New Perspectives on Computer
Concepts - Page 24
Dictionary of Information Technology -
Page 212

Notes et références
1. http://msdn.microsoft.com/en-
us/library/4z4t9ed1%28v=vs.71%29.
aspx
 2. http://www.manpages.info/macosx/
file.1.html
3. (en) « Extended ASCII / computer
science » , sur Encyclopedia
Britannica (consulté le
24 octobre 2020).
4. Mark Davis, « Unicode nearing 50%
of the web » , Official Google Blog,
Google, 28 janvier 2010 (consulté le
5 décembre 2010)

Portail de l’informatique

Ce document provient de
« https://fr.wikipedia.org/w/index.php?
title=ASCII_étendu&oldid=175860965 ».

Dernière modification il y a 5 mois par CodexBot

Le contenu est disponible sous licence CC BY-SA

3.0 sauf mention contraire.