Textvs non est ASCII

Characteres, pvncta codicis et octeti

Tria strata

Lectio Characteres, valores Booleani, conversiones et constantes char vt nvmervm integrvm vnivs octeti praebvit, qvi secvndvm tabvlam ASCII vt littera scribitvr, et monvit 'ñ' in eo non capi; lectio Compilare, exseqvi et configvrare ostendit "año" qvattvor octetos occvpare et consolam ad id scribendvm paravit. Haec lectio explicat cvr. ASCII nvmervm 128 characteribvs attribvit, a 0 ad 127, qvi septem bitis capivntvr: litteris lingvae Anglicae, digitis, signis interpvnctionis et qvibvsdam codicibvs moderationis. Atqvi textvs vervs litteram ñ, accentvs, diaereses, litteras Graecas, ideogrammata Sinica, signa mathematica et pictogrammata (qvae emoji vocantvr) continet, qvae centena milia efficivnt. Ex qvo seqvitvr opvs esse, primvm, tabvla mvlto maiore, deinde modo nvmeros eivs in octetis scribendi.

Tria strata distingvere convenit. Primvm est character abstractvs: littera «ñ minvscvla», nvlla ratione habita qvomodo servetvr avt pingatvr. Unicode est norma qvae cviqve characteri abstracto nvmervm attribvit, eivs pvnctvm codicis, qvod scribitvr U+ cvm saltem qvattvor digitis hexadecimalibvs: «ñ» est U+00F1 (241), «A» est U+0041 (65, idem nvmervs ac in ASCII), «€» est U+20AC (8364). Pvncta codicis a 0 ad U+10FFFF pertinent, pavlo plvs qvam decies centena milia. Secvndvm stratvm est codificatio: regvla qvae qvodqve pvnctvm codicis in consecvtionem octetorvm convertit. UTF-8 est codificatio qva vtvntvr interrete, systemata hodierna et hic cvrsvs. Tertivm stratvm est species: figvra qvam typvs in visorio pingit, qvae ab vno typo ad alivm mvtari potest, charactere non mvtato.

Si ita est, datvm textvale non est textvs donec eivs codificatio nota sit: octeti c3 b1 svnt «ñ» in UTF-8, sed tabvla consolae antiqvae lecti dvo signa svnt nvllam cvm ea rationem habentia, qvod est vitivm qvod lectio 1.4 diagnoscere docvit. Eadem qvaestio, ex compositione docvmentorvm spectata, in lectione «Lingvae et typi» cvrsvs LaTeX ad Scriptionem Academicam apparet.

Octetos videre

Vt octeti catenae videantvr, satis est eam percvrrere: std::string et std::string_view svnt consecvtiones elementorvm char, et circvitvs for per intervallvm octetos eivs singillatim tradit. Ad eos hexadecimaliter scribendos servit specificatio formae {:02x} (dvo digiti hexadecimales, cvm zero a sinistra). Vt cvm {:d} in lectione 2.4, et ex eadem correctione normae anno 2023 adoptata et a GCC 15 adhibita, {:02x} char vt octetvm sine signo scribit. Regvla magni refert, qvia char in GCC svper x86-64 signvm habet: octetvs c3, in int conversvs, est nvmervs $-61$, qvem {:02x} scriberet -3d.

#include <print>#include <string_view>​// Octeti textvs.// Praecondicio: nvlla.// Postcondicio: versvm scribit cvm text, eivs magnitvdine in octetis et singvlis octetis hexadecimalibvs.void printBytes(std::string_view text){    std::print("{:<4}{}:", text, text.size());    for (const char c : text) {        std::print(" {:02x}", c);    }    std::println("");}​int main(){    printBytes("A");    printBytes("ñ");    printBytes("€");    printBytes("😀");    printBytes("año");}

A   1: 41ñ   2: c3 b1€   3: e2 82 ac😀  4: f0 9f 98 80año 4: 61 c3 b1 6f

Qvisqve versvs textvm, eivs magnitvdinem et octetos ostendit. Character cviqve longitvdini: «A» vnvm octetvm occvpat, «ñ» dvos, «€» tres et pictogramma qvattvor. Vocabvlvm «año» qvattvor octetos occvpat, 61, c3 b1 et 6f, et eivs size() est 4, non 3. Animadvertendvm est «A» esse octetvm 41, evndem ac in ASCII: UTF-8 128 characteres ASCII prorsvs vt ASCII scribit.