Zeichen: Unterschied zwischen den Versionen

Keine Bearbeitungszusammenfassung
Keine Bearbeitungszusammenfassung
 
(4 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 1: Zeile 1:
== Einführung ==
[[Datei:Alphabet.png|mini|Buchstaben als Zeichen]]
[[Datei:Alphabet.png|mini]]  
[[Datei:Zahlen.jpg|mini|Ziffern als Zeichen]]
[[Datei:Zahlen.jpg|mini]]
[[Datei:Sonderzeichen.png|mini|Sonderzeichen]]
[[Datei:Sonderzeichen.png|mini]]
Ein Zeichen ist ein Grundelement der Kommunikation und damit auch eine Grundlage für Kommunikations- und Informationstechnologie. Aus Zeichen entstehen Texte, Zahlen und Programme.
Ein Zeichen ist ein Grundelement der Kommunikation und damit auch eine Grundlage für Kommunikations- und Informationstechnologie. Zeichen speisen sich aus einem Zeichenvorrat. Ein möglicher Zeichenvorrat ist das Alphabet oder das Zahlensystem. Zusätzlich gibt es Sonderzeichen, die z.B. in der Mathematik gebräuchlich sind. Zeichen sind auch die Grundlage zur Darstellung von [[Daten]].  


== Codierung ==
==Definition==
Um Zeichen elektronische abzubilden, werden sie in Bits codiert. 8 Bits reichen aus, um 255 verschiedene Zeichen darzustellen. Mit Hilfe einer Tabelle lassen sich jedem Zeichen ein eindeutiger Bitcode zuordnen. Dazu nummeriert man die 255 Zeichen durch und stellt diese Nummer binär dar.
Ein '''Zeichen''' ist ein einzelnes Element aus einer vereinbarten, endlichen Menge unterscheidbarer Symbole. Diese Menge heißt '''Zeichenvorrat'''. Eine Nachricht wird nur verstanden, wenn Sender und Empfänger denselben Zeichenvorrat verwenden.
=== ASCII ===
Die gebräuchlichste Nummerierung ist die ASCII Nummerierung (American Standard Code for Information Interchange). Er wurde bereits in den 1960er Jahren entwickelt, um den Datenaustausch zwischen Computern unterschiedlicher Hersteller zu ermöglichen.  In der ASCII Tabelle werden nicht nur Zeichen codiert, sondern auch wichtige Tastenbelegungen auf der Tastatur.
[[Datei:ACII Tabelle.gif|mini]]
An einem PC mit ASCII-Zeichensatz wird durch Kombination der Tasten [Alt]+[Ziffer (Eingabe im Nummernblock)] jedes Zeichen mit den Byte-Werten 32 bis 255 erzeugt. Beispiele:


[Alt]+[64] : @ ;
Mögliche Zeichenvorräte sind die Buchstaben des Alphabets oder die Ziffern des Zahlensystems. Zusätzlich gibt es Sonderzeichen, die z. B. in der Mathematik gebräuchlich sind. In der theoretischen Informatik heißt ein endlicher, nicht leerer Zeichenvorrat [[Alphabet]], eine endliche Folge von Zeichen heißt [[Wort]]. Zeichen sind auch die Grundlage zur Darstellung von [[Daten]].


[Alt]+[128] : Ç ;
==Codierung==
Um Zeichen elektronisch abzubilden, werden sie in Bits codiert. 8 Bits reichen aus, um 256 verschiedene Zeichen darzustellen. Mit Hilfe einer Tabelle lässt sich jedem Zeichen ein eindeutiger Bitcode zuordnen. Dazu nummeriert man die 256 Zeichen durch und stellt diese Nummer binär dar.


[Alt]+[137] : ë ;
===ASCII===
[[Datei:ACII Tabelle.gif|mini|ASCII-Tabelle]]
Eine der bekanntesten Nummerierungen ist der ASCII-Code (American Standard Code for Information Interchange). Er wurde bereits in den 1960er Jahren entwickelt, um den Datenaustausch zwischen Computern unterschiedlicher Hersteller zu ermöglichen. ASCII selbst nutzt 7 Bit und umfasst 128 Zeichen, erweiterte Tabellen nutzen 8 Bit und damit 256 Zeichen. In der ASCII-Tabelle sind nicht nur druckbare Zeichen codiert, sondern auch Steuerzeichen wie Zeilenumbruch und Tabulator.


[Alt]+[169] : ® ;
An einem PC mit erweitertem ASCII-Zeichensatz wird durch Kombination der Tasten [Alt]+[Ziffer (Eingabe im Nummernblock)] jedes Zeichen mit den Byte-Werten 32 bis 255 erzeugt. Welches Zeichen zu den Werten ab 128 gehört, hängt von der eingestellten Zeichentabelle (Codepage) ab. Auf der Seite http://www.branah.com/ascii-converter kann die Codierung für beliebige Beispiele ausprobiert werden.


[Alt]+[216] : Ï ;
===Unicode===
Um den Anforderungen der verschiedenen Sprachen gerecht zu werden, wurde Unicode entwickelt. Der Standard sieht gut 1,1 Millionen mögliche Zeichen vor, die Codierung UTF-32 verwendet dafür 32 Bit pro Zeichen. Damit können alle bislang von Menschen verwendeten Schriftzeichen dargestellt werden, sofern sie in den Unicode-Standard aufgenommen wurden.


[Alt]+[189] : ¢;
Unicode gibt jedem Zeichen eine Nummer, den Code Point. Er wird mit <code>U+</code> und mindestens vier Ziffern des Sechzehnersystems geschrieben, zum Beispiel <code>U+0041</code>. Im Sechzehnersystem stehen die Buchstaben A bis F für die Ziffernwerte 10 bis 15.


Auf der Seite http://www.branah.com/ascii-converter kann die Codierung für beliebige Beispiele ausprobiert werden.
Unicode baut auf der älteren Codierung ASCII auf. Man wollte das Rad nicht neu erfinden. Daher hat man die ersten 128 Zeichen von Unicode (Bereich U+0000 bis U+007F) exakt so belegt wie die ASCII-Tabelle. Dies hat praktische Vorteile:
=== Unicode ===
Um den Anforderungen der verschiedenen Sprachen gerecht zu werden, wurde der Unicode entwickelt. Er verwendet bis zu 32 Bit pro Zeichen und könnte somit über vier Milliarden verschiedene Zeichen unterscheiden. Damit können alle bislang von Menschen verwendeten Schriftzeichen dargestellt werden, sofern sie in den Unicode-Standard aufgenommen wurden.
 
Unicode baut auf dem älteren Codierung ASCII auf. Man wollte das Rad nicht neu erfinden. Daher hat man die ersten 128 Zeichen von Unicode (Bereich U+0000 bis U+007F) exakt so belegt wie die ASCII-Tabelle. Dies hat praktische Vorteile:
* Kompatibilität: Ein alter Text, der nur ASCII-Zeichen enthält, ist automatisch auch ein gültiger Unicode-Text (speziell im Format UTF-8).
* Kompatibilität: Ein alter Text, der nur ASCII-Zeichen enthält, ist automatisch auch ein gültiger Unicode-Text (speziell im Format UTF-8).
* Speichereffizienz: Da die gängigsten lateinischen Buchstaben in den niedrigen Zahlenbereichen liegen, können sie in Unicode-Formaten wie UTF-8 weiterhin mit nur einem Byte (8 Bit) gespeichert werden.
* Speichereffizienz: Da die gängigsten lateinischen Buchstaben in den niedrigen Zahlenbereichen liegen, können sie in Unicode-Formaten wie UTF-8 weiterhin mit nur einem Byte (8 Bit) gespeichert werden.


== Vom Zeichen zum Wissen ==[[Datei:Zeichen Daten Information Wissen.png|mini]]
===Umsetzung in Java===
Grundlage der Betrachtungen sind Zeichen aus einem bestimmten Zeichenvorrat, die, wenn sie einer bestimmten Syntax folgen, als [[Daten]] zu verstehen sind. Ein Beispiel: Aus dem oben Aufgeführten Zeichenvorrat wird die Zahl 1,8 dargestellt. Wendet man die deutsche Syntax zur Darstellung von Zahlen an, kann diese Zahl als Datum gespeichert werden. Wendet man hingegen die englische Syntax zur Darstellung von Zahlen an, begeht man einen syntaktischen Fehler. Im englischen Sprachraum wird der Punkt als Dezimalzeichen verwendet. Als Tausendertrennzeichen wird das Komma benutzt (z.B. 1,000.45).  
In [[Java]] speichert der [[Datentyp]] char ein Zeichen als Zahl mit 16 Bit. Für die gängigen Zeichen ist das die Nummer in der Unicode-Tabelle. Du kannst eine [[Variable (Informatik)|Variable]] vom Datentyp char deshalb direkt einer int-Variable zuweisen. Java erledigt die Umwandlung dann automatisch, da ein int mehr Platz bietet als ein char. In einer [[Schleife]] können so die char-Werte eines String-[[Objekt|Objektes]] zeichenweise umgewandelt werden.
 
Da die ersten 128 Zeichen von Unicode identisch mit ASCII sind, liefert die Umwandlung für diese Zeichen den ASCII-Wert.
 
Unicode ist viel größer als ASCII und umfasst weit mehr als 65.536 Zeichen. Einige moderne Zeichen (wie Emojis oder seltene Schriftzeichen) passen nicht mehr in einen einzelnen 16-Bit char. In Java nennt man die Nummern der Unicode-Zeichen Code Points. Um den absolut sicheren Unicode-Wert zu erhalten, nutzt man die Methode codePointAt. Die Programmzeilen dazu stehen im Beispiel [[#Zeichen in Java in Zahlen umwandeln|Zeichen in Java in Zahlen umwandeln]].
 
==Vom Zeichen zum Wissen==
[[Datei:Zeichen Daten Information Wissen.png|mini|Vom Zeichen zum Wissen]]
Grundlage der Betrachtungen sind Zeichen aus einem bestimmten Zeichenvorrat, die, wenn sie einer bestimmten [[Syntax]] folgen, als [[Daten]] zu verstehen sind. Verstößt eine Zeichenfolge gegen die Syntax, liegt ein syntaktischer Fehler vor.
 
Ein Empfänger gewinnt nun aus Daten Informationen, wenn er den Daten eine Bedeutung zuordnen kann. Dazu braucht er den Kontext, in dem die Daten stehen. Erst wenn der Empfänger die Informationen mit anderen Informationen vernetzen und so Entscheidungen fällen kann, spricht man von Wissen.
 
Die vier Stufen bauen aufeinander auf:
* '''Zeichen:''' Element eines Zeichenvorrats
* '''Daten:''' Zeichen, die einer Syntax folgen
* '''Information:''' Daten, denen ein Empfänger eine Bedeutung zuordnet
* '''Wissen:''' vernetzte Informationen, mit denen sich Entscheidungen fällen lassen
 
Auf welcher Stufe eine Zeichenfolge steht, hängt vom Empfänger ab: Ein Gerät, das nur einzelne Zeichen erfasst, verarbeitet Zeichen. Ein Programm, das den Aufbau der Zeichenfolge prüft, verarbeitet Daten. Erst ein Empfänger, der die Bedeutung kennt, gewinnt daraus eine Information.
 
Wer etwas mitteilen will, geht den Weg in der umgekehrten Richtung: Am Anfang steht eine Information. Der Sender drückt sie mit Zeichen aus dem vereinbarten Zeichenvorrat aus und ordnet die Zeichen nach der Syntax an. So entstehen Daten, aus denen der Empfänger die Information wieder gewinnen kann.
 
==Beispiele==
===Zeichen in ASCII codieren===
Gesucht ist die Codierung des Wortes <code>Hi</code>. Die ASCII-Tabelle ordnet jedem Zeichen eine Nummer zu, die als Byte gespeichert wird. Die acht Stellen eines Bytes haben von links nach rechts die Stellenwerte 128, 64, 32, 16, 8, 4, 2 und 1. Die Nummer wird in diese Stellenwerte zerlegt. An jeder Stelle, deren Wert in der Zerlegung vorkommt, steht eine 1, an allen anderen eine 0:
 
{| class="wikitable" style="text-align:center"
! Zeichen !! Nummer in der ASCII-Tabelle !! Zerlegung in Zweierpotenzen !! Bitcode
|-
| <code>H</code> || 72 || <math>64 + 8</math> || <code>01001000</code>
|-
| <code>i</code> || 105 || <math>64 + 32 + 8 + 1</math> || <code>01101001</code>
|}
 
Das Wort besteht aus 2 Zeichen und belegt damit 2 Byte, also 16 Bit: <code>01001000 01101001</code>. Groß- und Kleinbuchstaben sind verschiedene Zeichen mit verschiedenen Nummern: <code>h</code> hat die Nummer 104, <code>H</code> die Nummer 72.
 
===Zeichen über den Zeichencode eingeben===
Mit der in Westeuropa üblichen Zeichentabelle (Codepage 850) erzeugen diese Tastenkombinationen die folgenden Zeichen:
 
{| class="wikitable" style="text-align:center"
! Tastenkombination !! Zeichen
|-
| [Alt]+[64] || @
|-
| [Alt]+[128] || Ç
|-
| [Alt]+[137] || ë
|-
| [Alt]+[169] || ®
|-
| [Alt]+[189] || ¢
|-
| [Alt]+[216] || Ï
|}
 
Die Nummer 64 liegt im ASCII-Bereich bis 127 und liefert auf jedem Rechner das Zeichen @. Die übrigen Nummern liegen im erweiterten Bereich ab 128. Sie liefern mit einer anderen Zeichentabelle andere Zeichen.
 
===Unicode-Zeichen und ihren Speicherbedarf angeben===
Jedes Zeichen hat in [[#Unicode|Unicode]] eine Nummer, den Code Point. Wie viele Byte ein Zeichen belegt, hängt von der Codierung ab. Die verbreitete Codierung UTF-8 verwendet je nach Zeichen 1 bis 4 Byte: 1 Byte für die Code Points bis <code>U+007F</code>, 2 Byte bis <code>U+07FF</code>, 3 Byte bis <code>U+FFFF</code> und 4 Byte für alle weiteren.
 
{| class="wikitable" style="text-align:center"
! Zeichen !! Code Point !! Nummer als Dezimalzahl !! Byte in UTF-8
|-
| <code>A</code> || <code>U+0041</code> || 65 || 1
|-
| <code>ä</code> || <code>U+00E4</code> || 228 || 2
|-
| <code>€</code> || <code>U+20AC</code> || 8364 || 3
|}
 
Die Nummer als Dezimalzahl ergibt sich aus den Stellenwerten des Sechzehnersystems, von rechts nach links 1, 16, 256 und 4096:
* <code>U+0041</code> steht für <math>4 \cdot 16 + 1 = 65</math>.
* <code>U+00E4</code> steht für <math>14 \cdot 16 + 4 = 228</math>, denn E hat den Ziffernwert 14.
* <code>U+20AC</code> steht für <math>2 \cdot 4096 + 10 \cdot 16 + 12 = 8364</math>, denn A hat den Ziffernwert 10 und C den Ziffernwert 12.
 
Das Zeichen <code>A</code> liegt im ASCII-Bereich bis 127, also bis <code>U+007F</code>. Es hat deshalb in Unicode dieselbe Nummer wie in der ASCII-Tabelle und belegt in UTF-8 ein Byte. Das Zeichen <code>ä</code> liegt zwischen <code>U+0080</code> und <code>U+07FF</code> und belegt 2 Byte, das Zeichen <code>€</code> liegt darüber und belegt 3 Byte. Das Wort <code>Käse</code> besteht deshalb aus 4 Zeichen, belegt in UTF-8 aber <math>1 + 2 + 1 + 1 = 5</math> Byte.
 
===Zeichen in Java in Zahlen umwandeln===
Die automatische Umwandlung von char nach int liefert die Nummer des Zeichens:
<syntaxhighlight lang="java">
char meinZeichen = '$';
int asciiWert = meinZeichen; // Automatische Umwandlung, liefert 36
</syntaxhighlight>
 
In einer Schleife wird jedes Zeichen eines Strings umgewandelt:
<syntaxhighlight lang="java">
String inputText = "Hallo";
for (char c : inputText.toCharArray()) {
    int ascii = c; // Jedes Zeichen wird hier zum ASCII-Wert
    System.out.println(ascii); // Gibt nacheinander 72, 97, 108, 108 und 111 aus
}
</syntaxhighlight>
 
Die Umwandlung lässt sich auch ausdrücklich hinschreiben. Für die ersten 128 Zeichen stimmen Unicode-Wert und ASCII-Wert überein:
<syntaxhighlight lang="java">
char meinZeichen = 'A';
int unicodeWert = (int) meinZeichen;
System.out.println(unicodeWert); // Gibt 65 aus
</syntaxhighlight>
 
Die Methode codePointAt liefert den Code Point auch für Zeichen, die nicht in einen einzelnen char passen:
<syntaxhighlight lang="java">
String text = "A";
int codePoint = text.codePointAt(0);
System.out.println(codePoint); // Gibt 65 aus
</syntaxhighlight>
 
===Vom Zeichen zum Wissen am Wechselkurs nachvollziehen===
Die Zeichenfolge <code>1,8</code> durchläuft alle vier Stufen:
 
# '''Zeichen:''' Die Ziffern 1 und 8 und das Komma stammen aus dem Zeichenvorrat der Ziffern und Sonderzeichen.
# '''Daten:''' Wendet man die deutsche Syntax zur Darstellung von Zahlen an, ist <code>1,8</code> eine gültige Dezimalzahl und kann als Datenwert gespeichert werden. Wendet man hingegen die englische Syntax an, begeht man einen syntaktischen Fehler: Im englischen Sprachraum wird der Punkt als Dezimalzeichen verwendet, das Komma dient als Tausendertrennzeichen (z. B. <code>1,000.45</code>).
# '''Information:''' Die Zahl 1,8 könnte für alles Mögliche stehen. Nur in einem bestimmten Kontext wird ersichtlich, dass 1,8 für den Wechselkurs Euro zu Dollar steht.
# '''Wissen:''' Wer diese Information mit anderen Informationen vernetzt, etwa mit den Mechanismen des Devisenhandels, kann Entscheidungen fällen, zum Beispiel über den Zeitpunkt eines Umtauschs.


Ein Empfänger gewinnt nun aus Daten Informationen, wenn er diesen eine Bedeutung zuordnen kann. Die Zahl 1,8 könnte für alles mögliche stehen. Nur in einem bestimmten Kontext wird ersichtlich, dass 1,8 für den Wechselkurs Euro zu Dollar steht.
[[Kategorie:Formale Sprachen]]
Erst wenn der Empfänger die Informationen mit anderen Informationen vernetzten und so Entscheidungen fällen kann, spricht man von Wissen. Um in unserem Bespiel zu bleiben, wird Wissen über die Mechanismen des Devisenhandels aufgebaut.
[[Kategorie:AHR I Informatik LK]]