ISO/IEC 8859 es una serie conjunta de estándares ISO e IEC para codificaciones de caracteres de 8 bits . La serie de normas consta de partes numeradas, como ISO/IEC 8859-1 , ISO/IEC 8859-2 , etc. Hay 15 partes, excluyendo la abandonada ISO/IEC 8859-12 . [1] El grupo de trabajo ISO que mantenía esta serie de normas ha sido disuelto.
ISO/IEC 8859 partes 1, 2, 3 y 4 eran originalmente el estándar ECMA-94 de Ecma International .
Si bien los patrones de bits de los 95 caracteres ASCII imprimibles son suficientes para intercambiar información en inglés moderno , la mayoría de los demás idiomas que utilizan alfabetos latinos necesitan símbolos adicionales no cubiertos por ASCII. ISO/IEC 8859 buscó remediar este problema utilizando el octavo bit en un byte de 8 bits para permitir posiciones para otros 96 caracteres imprimibles. Las primeras codificaciones estaban limitadas a 7 bits debido a restricciones de algunos protocolos de transmisión de datos y en parte por razones históricas. Sin embargo, se necesitaban más caracteres de los que cabían en una única codificación de caracteres de 8 bits, por lo que se desarrollaron varias asignaciones, incluidas al menos diez adecuadas para varios alfabetos latinos.
Las partes del estándar ISO/IEC 8859 solo definen caracteres imprimibles, aunque explícitamente separan los rangos de bytes 0x00–1F y 0x7F–9F como "combinaciones que no representan caracteres gráficos" (es decir, que están reservadas para su uso como caracteres de control ) de acuerdo con ISO/IEC 4873 ; fueron diseñados para usarse junto con un estándar separado que define las funciones de control asociadas con estos bytes, como ISO 6429 o ISO 6630 . [2] Para ello una serie de codificaciones registradas en la IANA añaden el conjunto de control C0 (caracteres de control asignados a los bytes 0 al 31) de ISO 646 y el conjunto de control C1 (caracteres de control asignados a los bytes 128 a 159) de ISO 6429. , lo que da como resultado mapas de caracteres completos de 8 bits con la mayoría, si no todos, los bytes asignados. Estos conjuntos tienen ISO-8859- n como su nombre MIME preferido o, en los casos en que no se especifica un nombre MIME preferido, su nombre canónico. Mucha gente utiliza los términos ISO/IEC 8859- n e ISO-8859- n indistintamente. A ISO/IEC 8859-11 no se le asignó dicho juego de caracteres, presumiblemente porque era casi idéntico a TIS 620 .
El estándar ISO/IEC 8859 está diseñado para el intercambio de información confiable, no para la tipografía ; el estándar omite los símbolos necesarios para una tipografía de alta calidad, como ligaduras opcionales, comillas, guiones, etc. Como resultado, los sistemas tipográficos de alta calidad a menudo utilizan extensiones patentadas o idiosincrásicas además de los estándares ASCII e ISO /IEC 8859. , o utilice Unicode en su lugar.
Una regla inexacta basada en la experiencia práctica establece que si un carácter o símbolo no formaba ya parte de un conjunto de caracteres de procesamiento de datos ampliamente utilizado y tampoco aparecía normalmente en los teclados de las máquinas de escribir para un idioma nacional, no entraba. Se incluyeron las comillas dobles « y » utilizadas para algunos idiomas europeos, pero no las comillas dobles direccionales “ y ” utilizadas para el inglés y algunos otros idiomas.
El francés no obtuvo sus ligaduras œ y Œ porque podían escribirse como 'oe'. Del mismo modo, también se eliminó Ÿ , necesario para el texto en mayúsculas. [3] [4] [5] Aunque bajo diferentes puntos de código, estos tres caracteres se reintrodujeron posteriormente con ISO/IEC 8859-15 en 1999, que también introdujo el nuevo carácter del signo del euro €. Del mismo modo, los holandeses no recibieron las letras ij y IJ , porque los hablantes de holandés se habían acostumbrado a escribirlas como dos letras.
El rumano no obtuvo inicialmente sus letras Ș / ș y Ț / ț ( con coma ), porque estas letras fueron inicialmente unificadas con Ş / ş y Ţ / ţ ( con cedilla ) por el Consorcio Unicode , considerando que las formas con coma debajo eran Variantes glíficas de las formas con cedilla. Sin embargo, las letras con coma explícita a continuación se agregaron posteriormente al estándar Unicode y también están en ISO/IEC 8859-16 .
La mayoría de las codificaciones ISO/IEC 8859 proporcionan signos diacríticos necesarios para varios idiomas europeos que utilizan la escritura latina. Otros proporcionan alfabetos no latinos: griego , cirílico , hebreo , árabe y tailandés . La mayoría de las codificaciones contienen sólo caracteres de espaciado , aunque las tailandesas, hebreas y árabes también contienen caracteres combinados .
La norma no contempla las escrituras de las lenguas de Asia Oriental ( CJK ), ya que sus sistemas de escritura ideográfica requieren muchos miles de puntos de código. Aunque utiliza caracteres latinos, el vietnamita tampoco cabe en 96 posiciones (sin utilizar signos diacríticos combinados como en Windows-1258 ). Cada alfabeto silábico japonés (hiragana o katakana, ver Kana ) encajaría, como en JIS X 0201 , pero como muchos otros alfabetos del mundo, no están codificados en el sistema ISO/IEC 8859.
ISO/IEC 8859 se divide en las siguientes partes:
Cada parte de ISO/IEC 8859 está diseñada para admitir idiomas que a menudo se toman prestados entre sí, por lo que los caracteres necesarios para cada idioma generalmente se incluyen en una sola parte. Sin embargo, hay algunos caracteres y combinaciones de idiomas que no se admiten sin transcripciones. Se hicieron esfuerzos para que las conversiones fueran lo más fluidas posible. Por ejemplo, el alemán tiene sus siete caracteres especiales en las mismas posiciones en todas las variantes latinas (1–4, 9, 10, 13–16), y en muchas posiciones los caracteres solo difieren en los signos diacríticos entre los conjuntos. En particular, las variantes 1 a 4 se diseñaron conjuntamente y tienen la propiedad de que cada carácter codificado aparece en una posición determinada o no aparece en absoluto.
puntos de código no asignados.
nuevas incorporaciones en las versiones ISO/IEC 8859-7:2003 e ISO/IEC 8859-8:1999 , no asignadas previamente.
Desde 1991, el Consorcio Unicode ha estado trabajando con ISO e IEC para desarrollar el estándar Unicode e ISO/IEC 10646: el conjunto de caracteres universal (UCS) en conjunto. Las ediciones más recientes de ISO/IEC 8859 expresan caracteres en términos de sus nombres Unicode/UCS y la notación U+nnnn , lo que efectivamente hace que cada parte de ISO/IEC 8859 sea un esquema de codificación de caracteres Unicode/UCS que asigna un subconjunto muy pequeño del UCS a bytes individuales de 8 bits. Los primeros 256 caracteres en Unicode y UCS son idénticos a los de ISO/IEC-8859-1 ( Latin-1 ).
Los juegos de caracteres de un solo byte, incluidas las partes de ISO/IEC 8859 y sus derivados, fueron favorecidos a lo largo de la década de 1990, ya que tienen la ventaja de estar bien establecidos y ser más fáciles de implementar en software: la ecuación de un byte a un carácter es simple y adecuada para la mayoría de las aplicaciones de un solo idioma y no se pueden combinar caracteres ni formas variantes. A medida que los sistemas operativos compatibles con Unicode se generalizaron, ISO/IEC 8859 y otras codificaciones heredadas se volvieron menos populares. Si bien los restos de ISO 8859 y los modelos de caracteres de un solo byte siguen arraigados en muchos sistemas operativos, lenguajes de programación, sistemas de almacenamiento de datos, aplicaciones de red, hardware de visualización y software de aplicaciones de usuario final, la mayoría de las aplicaciones informáticas modernas utilizan Unicode internamente y dependen de la conversión. tablas para mapear hacia y desde otras codificaciones, cuando sea necesario.
El estándar ISO/IEC 8859 fue mantenido por el Comité Técnico Conjunto 1 de ISO/IEC, Subcomité 2, Grupo de Trabajo 3 (ISO/IEC JTC 1/SC 2/WG 3). En junio de 2004, el WG 3 se disolvió y las tareas de mantenimiento se transfirieron al SC 2 . El estándar no se está actualizando actualmente, ya que el único grupo de trabajo restante del Subcomité, WG 2, se está concentrando en el desarrollo del conjunto de caracteres codificados universales de Unicode .
El estándar de codificación WHATWG , que especifica las codificaciones de caracteres permitidas en HTML5 que deben admitir los navegadores compatibles, [7] incluye la mayoría de las partes de ISO/IEC 8859, [8] excepto las partes 1, 9 y 11, que en cambio se interpretan como Windows- 1252 , Windows-1254 y Windows-874 respectivamente. [9] Los autores de nuevas páginas y los diseñadores de nuevos protocolos deben utilizar UTF-8 en su lugar. [9]
Este conjunto de caracteres gráficos codificados puede considerarse como una versión de un código de 8 bits según ISO/IEC 2022 o ISO/IEC 4873 en el nivel 1. […] Las posiciones sombreadas en la tabla de códigos corresponden a combinaciones de bits que no representar personajes gráficos. Su uso está fuera del alcance de ISO/IEC 8859; se especifica en otras normas internacionales, por ejemplo ISO/IEC 6429.
{{citation}}: Mantenimiento CS1: nombres numéricos: lista de autores ( enlace )[…] Según una leyenda urbana, el delegado francés estaba enfermo el día en que se sometió a votación la norma y tuvo que hacer que su homólogo belga actuara como su representante. De hecho, el delegado francés era un ingeniero que estaba convencido de que esta ligadura era inútil, y los representantes suizos y alemanes presionaron mucho para que se incluyeran los símbolos matemáticos × y ÷ en las posiciones donde lógicamente aparecerían Œ y œ . […]
Los agentes de usuario deben admitir las codificaciones definidas en el estándar de codificación WHATWG, que incluyen, entre otras, […]