stringtranslate.com

Código de escritura india para el intercambio de información

Este artículo contiene texto índico . Sin un soporte de representación adecuado , es posible que veas signos de interrogación o cuadros , vocales fuera de lugar o conjunciones faltantes en lugar de texto índico.

El Código estándar indio para el intercambio de información ( ISCII ) es un esquema de codificación para representar varios sistemas de escritura de la India . Codifica las principales escrituras índicas y una transliteración romana. Las escrituras admitidas son: bengalí-asamés , devanagari , gujarati , gurmukhi , kannada , malayalam , oriya , tamil y telugu . ISCII no codifica los sistemas de escritura de la India que se basan en el persa , pero sus códigos de cambio de sistemas de escritura incluyen, no obstante, cachemir , sindhi , urdu , persa , pastún y árabe . Los sistemas de escritura basados ​​en el persa se codificaron posteriormente en la codificación PASCII .

ISCII no se ha utilizado ampliamente fuera de ciertas instituciones gubernamentales, aunque se utilizó una variante sin el mecanismo ATR en Mac OS clásico , Mac OS Devanagari , [1] y ahora Unicode lo ha vuelto en gran medida obsoleto . Unicode utiliza un bloque separado para cada sistema de escritura índico y conserva en gran medida el diseño ISCII dentro de cada bloque.

Fondo

Los sistemas de escritura derivados de Brahmi tienen una estructura similar. Entonces, ISCII codifica letras con el mismo valor fonético en el mismo punto de código, superponiendo las distintas escrituras. Por ejemplo, los códigos ISCII 0xB3 0xDB representan [ki]. Esto se traducirá como കി en malayalam , कि en devanagari, como ਕਿ en gurmukhi y como கி en tamil. El sistema de escritura se puede seleccionar en texto enriquecido mediante marcado o en texto plano mediante el código ATR que se describe a continuación.

Una motivación para el uso de una codificación única es la idea de que permitirá una fácil transliteración de un sistema de escritura a otro. Sin embargo, existen suficientes incompatibilidades que esto no es realmente una idea práctica.

ISCII es una codificación de 8 bits. Los 128 puntos de código inferiores son ASCII simple , los 128 puntos de código superiores son específicos de ISCII. Además de los puntos de código que representan caracteres, ISCII utiliza un punto de código con mnemónico ATR que indica que el siguiente byte contiene uno de dos tipos de información. Un conjunto de valores cambia el sistema de escritura hasta el siguiente indicador del sistema de escritura o final de línea. Otro conjunto de valores selecciona modos de visualización como negrita y cursiva. ISCII no proporciona un medio para indicar el sistema de escritura predeterminado.

Diseño de página de códigos

La siguiente tabla muestra el conjunto de caracteres de Devanagari . Los conjuntos de códigos para asamés, bengalí, gujarati, gurrmukhi, kannada, malayalam, oriya, tamil y telugu son similares, y cada forma devanagari se reemplaza por la forma equivalente en cada sistema de escritura . Cada carácter se muestra con su código decimal y su equivalente Unicode .

  Indefinido
  byte principal

Puntos de código especiales

Carácter INV: punto de código D9 (217)
El carácter INV (consonante invisible) se utiliza como pseudoconsonante para mostrar elementos combinados de forma aislada. Por ejemplo, क (ka) + ् (halant) + INV = क्‍ (mitad ka). El equivalente Unicode es U+200D ZERO WIDTH JOINER ( ZWJ ). Sin embargo, como se indica a continuación, el carácter halant ISCII se puede duplicar o combinar con el nukta ISCII para lograr efectos creados por ZWNJ o ZWJ en Unicode. Por esta razón, Apple asigna el carácter ISCII INV a la marca Unicode de izquierda a derecha , para garantizar la ida y vuelta . [1]
Carácter ATR: punto de código EF (239)
El carácter ATR (atributo) seguido de un código de bytes se utiliza para cambiar a un atributo de fuente diferente (como negrita) o a un idioma ISCII o PASCII diferente (como bengalí), hasta la siguiente secuencia ATR o el final de la línea. Esto no tiene un equivalente Unicode directo, ya que los atributos de fuente no son parte de Unicode y cada secuencia de comandos tiene un conjunto distinto de puntos de código.
Carácter EXT: punto de código F0 (240)
El carácter EXT (extensiones para védico) seguido de un código de bytes indica un acento védico. Esto no tiene un equivalente Unicode directo, ya que los acentos védicos se asignan a distintos puntos de código.
Carácter halant ्: punto de código E8 (232)
El carácter halant elimina la vocal implícita de una consonante y se usa entre consonantes para representar consonantes conjuntas. Por ejemplo, क (ka) + ् (halant) + त (ta) = क्त (kta). La secuencia ् (halant) + ् (halant) muestra una conjunción con un halant explícito, por ejemplo क (ka) + ् (halant) + ् (halant) + त (ta) = क्‌त. La secuencia ् (halant) + ़ (nukta) muestra una conjunción con medias consonantes, si están disponibles, por ejemplo क (ka) + ् (halant) + ़ (nukta) + त (ta) = क्‍त.
Carácter Nukta ़: punto de código E9 (233)
El carácter nukta después de otro carácter ISCII se usa para una serie de caracteres más raros que no existen en el conjunto ISCII principal. Por ejemplo क (ka) + ़ (nukta) = क़ (qa). Estos caracteres tienen formas precompuestas en Unicode, como se muestra en la siguiente tabla.

Páginas de códigos para la conversión ISCII

Para convertir de Unicode (UTF-8) a codificación ISCII/ANSI, se pueden utilizar las siguientes páginas de códigos:

Puntos de código para todos los idiomas

Referencias

  1. ^ ab Apple (5 de abril de 2005) [5 de febrero de 1998]. "Mapa (versión externa) de la codificación Mac OS Devanagari a Unicode 2.1 y posteriores". Consorcio Unicode .

enlaces externos