Provided by: manpages-fr_4.18.1-1_all 
NOM
charsets - Normes de jeux de caractères et internationalisation
DESCRIPTION
Cette page de manuel présente différentes normes de jeux de caractères et la façon de les
utiliser sous Linux avant qu’Unicode ne devienne ubiquitaire. Certains de ces
renseignements sont encore utiles aux personnes travaillant avec des systèmes ou des
documents anciens.
ASCII, GB 2312, ISO 8859, JIS, KOI8-R, KS et Unicode font partie des normes présentées.
Un accent particulier est mis sur les jeux de caractères qui étaient véritablement
utilisés dans les paramètres régionaux, et non sur la myriade de jeux de caractères
provenant d'autres systèmes.
ASCII
L'ASCII (American Standard Code For Information Interchange) est le jeu de caractères
7 bits original, prévu pour l'anglais (américain). Il est aussi connu sous le nom
US-ASCII. Il est décrit actuellement dans la norme ISO 646:1991 IRV (International
Reference Version).
Différentes variantes d'ASCII sont apparues, remplaçant le dollar par d'autres symboles
monétaires et la ponctuation par des caractères accentués pour couvrir l'allemand, le
français, l'espagnol et d'autres langues en 7 bits. Elles sont toutes obsolètes, la glibc
ne gère que les paramètres régionaux dont le jeu de caractères est un sur-ensemble
d'ASCII.
Comme Unicode, lors de l’utilisation d’UTF-8, est compatible avec ASCII, le texte en
simple ASCII est toujours rendu correctement sur les systèmes modernes utilisant l’UTF-8.
ISO 8859
ISO 8859 is a series of 15 8-bit character sets, all of which have ASCII in their low
(7-bit) half, invisible control characters in positions 128 to 159, and 96 fixed-width
graphics in positions 160–255.
Of these, the most important is ISO 8859-1 ("Latin Alphabet No. 1" / Latin-1). It was
widely adopted and supported by different systems, and is gradually being replaced with
Unicode. The ISO 8859-1 characters are also the first 256 characters of Unicode.
La prise en charge en console des autres jeux de caractères 8859 est disponible sous
Linux, à travers des utilitaires comme setfont(8), qui modifient la correspondance des
touches du clavier, la table graphique EGA et utilisent une projection personnalisée de la
table de fonte du gestionnaire de console.
Here are brief descriptions of each character set:
8859-1 (latin-1)
Latin-1 covers many European languages such as Albanian, Basque, Danish, English,
Faroese, Galician, Icelandic, Irish, Italian, Norwegian, Portuguese, Spanish, and
Swedish. The lack of the ligatures Dutch IJ/ij, French œ, and old-style „German“
quotation marks was considered tolerable.
8859-2 (latin-2)
Latin-2 supports many Latin-written Central and East European languages such as
Bosnian, Croatian, Czech, German, Hungarian, Polish, Slovak, and Slovene. Replacing
Romanian ș/ț with ş/ţ was considered tolerable.
8859-3 (latin-3)
Le latin-3 était conçu pour couvrir l’espéranto, le gallois, le maltais et le turc,
mais 8859-9 l’a ensuite supplanté pour le turc.
8859-4 (latin-4)
Le latin-4 a introduit des lettres pour les langues de l’Europe du Nord comme
l'estonien, le letton et le lituanien, mais il a été supplanté par 8859-10 et
8859-13.
8859-5 Alphabet cyrillique prenant en charge le bulgare, le biélorusse, le macédonien, le
russe, le serbe et (presque complètement) l’ukrainien. Il n’a jamais été beaucoup
utilisé, consultez les remarques concernant KOI8-R et KOI-U ci-dessous.
8859-6 Avait été créé pour l'arabe. La table 8859-6 est une fonte de largeur fixe de
formes de lettre distinctes, mais un affichage correct doit combiner les lettres en
utilisant leurs formes initiale, centrale et finale.
8859-7 Avait été créé pour le grec moderne en 1987 et mis à jour en 2003.
8859-8 Prend en charge l'hébreu moderne sans diacritiques (signes de ponctuation). Les
diacritiques et l'hébreu biblique dans son ensemble étaient en dehors de la portée
de ce jeu de caractères.
8859-9 (latin-5)
Il s'agit d'une variante du latin-1 qui remplace les lettres islandaises rarement
utilisées par des lettres turques.
8859-10 (latin-6)
Le latin-6 ajoutait les lettres inuit (Groënland) et same (lapon) qui manquaient au
latin-4 pour couvrir toute la zone nordique.
8859-11
Prend en charge l’alphabet thaï et est presque identique à la norme TIS-620.
8859-12
This character set does not exist.
8859-13 (latin-7)
Prend en charge les langues des pays baltes, en particulier les caractères
lituaniens absents du latin-4.
8859-14 (latin-8)
Jeu de caractères celtique, couvrant le breton, le cornique, le gaélique, le
gallois, l’irlandais ancien et le mannois.
8859-15 (latin-9)
Le latin-9 est similaire au latin-1 largement utilisé mais remplace les symboles
les moins communs par le symbole euro et les lettres françaises et finlandaises qui
manquaient au latin-1.
8859-16 (latin-10)
This character set covers many Southeast European languages, and most importantly
supports Romanian more completely than Latin-2.
KOI8-R et KOI8-U
Le KOI8-R est un jeu de caractères non ISO très répandu en Russie avant Unicode. La
première moitié correspond à l'ASCII, la seconde est un jeu de caractères cyrilliques un
peu mieux conçu que l'ISO 8859-5. Le KOI8-U, basé sur le KOI8-R, a une meilleure prise en
charge de l'ukrainien. Aucun de ces jeux n'est compatible avec l'ISO-2022, contrairement
aux normes ISO-8859.
La prise en charge du KOI8-R en console est disponible sous Linux, à l’aide d’utilitaires
en mode utilisateur qui modifient la correspondance des touches du clavier, la table
graphique EGA et utilisent une projection personnalisée de la table de fonte du
gestionnaire de console.
GB 2312
GB 2312 est le principal jeu de caractères normalisé en Chine, utilisé pour exprimer le
chinois simplifié. Comme avec le JIS X 0208, les caractères sont projetés dans une matrice
94x94 sur deux octets pour construire l'EUC-CN. Celui-ci est l'encodage le plus important
sous Linux et inclut l'ASCII et le GB 2312. Remarquez que l'EUC-CN est souvent appelé GB,
GB 2312 ou CN-GB.
Big5
Big5 was a popular character set in Taiwan to express traditional Chinese. (Big5 is both a
character set and an encoding.) It is a superset of ASCII. Non-ASCII characters are
expressed in two bytes. Bytes 0xa1–0xfe are used as leading bytes for two-byte characters.
Big5 and its extension were widely used in Taiwan and Hong Kong. It is not ISO 2022
compliant.
JIS X 0208
JIS X 0208 is a Japanese national standard character set. Though there are some more
Japanese national standard character sets (like JIS X 0201, JIS X 0212, and JIS X 0213),
this is the most important one. Characters are mapped into a 94x94 two-byte matrix, whose
each byte is in the range 0x21–0x7e. Note that JIS X 0208 is a character set, not an
encoding. This means that JIS X 0208 itself is not used for expressing text data. JIS X
0208 is used as a component to construct encodings such as EUC-JP, Shift_JIS, and
ISO-2022-JP. EUC-JP is the most important encoding for Linux and includes ASCII and JIS X
0208. In EUC-JP, JIS X 0208 characters are expressed in two bytes, each of which is the
JIS X 0208 code plus 0x80.
KS X 1001
KS X 1001 est un jeu de caractères normalisé en Corée. Comme dans le JIS X 0208, les
caractères sont projetés dans une matrice 94x94 sur deux octets. KS X 1001 est utilisé,
comme le JIS X 0208, comme composant pour construire un encodage comme le EUC-KR, Johab,
et ISO-2022-KR. EUC-KR est l'encodage le plus important sous Linux et inclut l'ASCII et le
KS X 1001. KS C 5601 est un ancien nom pour le KS X 1001.
ISO 2022 et ISO 4873
Les normes ISO 2022 et 4873 décrivent un modèle de contrôle des fontes basé sur le
fonctionnement du VT100. Ce modèle est (partiellement) pris en charge par le noyau Linux
et xterm(1). Plusieurs encodages de caractères basés sur ISO 2022 ont été définis, en
particulier pour le japonais.
There are 4 graphic character sets, called G0, G1, G2, and G3, and one of them is the
current character set for codes with high bit zero (initially G0), and one of them is the
current character set for codes with high bit one (initially G1). Each graphic character
set has 94 or 96 characters, and is essentially a 7-bit character set. It uses codes
either 040–0177 (041–0176) or 0240–0377 (0241–0376). G0 always has size 94 and uses codes
041–0176.
Switching between character sets is done using the shift functions ^N (SO or LS1), ^O (SI
or LS0), ESC n (LS2), ESC o (LS3), ESC N (SS2), ESC O (SS3), ESC ~ (LS1R), ESC } (LS2R),
ESC | (LS3R). The function LSn makes character set Gn the current one for codes with high
bit zero. The function LSnR makes character set Gn the current one for codes with high bit
one. The function SSn makes character set Gn (n=2 or 3) the current one for the next
character only (regardless of the value of its high order bit).
Un jeu de 94 caractères est désigné comme jeu Gn par une suite ESC ( xx (pour G0),
ESC ) xx (pour G1), ESC * xx (pour G2), ESC + xx (pour G3), où xx est un symbole ou une
paire de symboles de la norme ISO 2375 International Register of Coded Character Sets. Par
exemple, ESC ( @ sélectionne le jeu ISO 646 en tant que G0, ESC ( A sélectionne le jeu
normalisé au Royaume-Uni (avec la livre sterling à la place du dièse), ESC ( B sélectionne
l'ASCII, ESC ( M sélectionne un jeu de caractères africain, ESC ( ! A sélectionne les
caractères cubains, etc.
Un jeu de 96 caractères est désigné comme jeu Gn par une suite ESC - xx (pour G1),
ESC . xx (pour G2) ou ESC / xx (pour G3). Par exemple, ESC - G sélectionne l'alphabet
hébreu comme G1.
Un jeu de caractères multioctets est désigné comme jeu Gn par une suite ESC $ xx ou
ESC $ ( xx (pour G0), ESC $ ) xx (pour G1), ESC $ * xx (pour G2), ESC $ + xx (pour G3).
Par exemple, ESC $ ( C sélectionne les caractères coréens pour le jeu G0. Le jeu de
caractères japonais sélectionné par ESC $ B dispose d'une version plus récente
sélectionnée par ESC & @ ESC $ B.
ISO 4873 stipulates a narrower use of character sets, where G0 is fixed (always ASCII), so
that G1, G2, and G3 can be invoked only for codes with the high order bit set. In
particular, ^N and ^O are not used anymore, ESC ( xx can be used only with xx=B, and ESC )
xx, ESC * xx, ESC + xx are equivalent to ESC - xx, ESC . xx, ESC / xx, respectively.
TIS-620
TIS-620 is a Thai national standard character set and a superset of ASCII. In the same
fashion as the ISO 8859 series, Thai characters are mapped into 0xa1–0xfe.
Unicode
L'Unicode (ISO 10646) est une norme destinée à représenter sans ambiguïté tous les signes
écrits de toutes les langues humaines connues. La structure de l'Unicode offre 21 bits
pour chaque caractère. Comme les ordinateurs n'ont pas d'entiers avec 21 bits, Unicode est
habituellement codé en interne sur 32 bits, ou par des séries d'entiers 16 bits (UTF-16)
(ne nécessitant deux entiers 16 bits que pour des caractères rares) ou par une série
d'octets 8 bits (UTF-8).
Linux représente l'Unicode en utilisant le format de transfert sur 8 bits (UTF-8). L'UTF-8
est un encodage à longueur variable. Il utilise un octet pour coder 7 bits, 2 octets pour
11 bits, 3 octets pour 16 bits, 4 octets pour 21 bits, 5 octets pour 26 bits, 6 octets
pour 31 bits.
Représentons par 0, 1 ou x des bits à 0, 1 ou quelconque. Un octet 0xxxxxxx correspond à
l'Unicode 00000000 0xxxxxxx qui indique le même symbole que l'ASCII 0xxxxxxx. Ainsi, ASCII
n'est pas modifié par UTF-8, et les gens utilisant uniquement l'ASCII ne remarqueront
aucun changement : ni dans l’encodage, ni dans les tailles de fichiers.
Un octet 110xxxxx représente le début d'un code sur 2 octets, et 110xxxxx 10yyyyyy est
assemblé en 00000xxx xxyyyyyy. Un octet 1110xxxx correspond au début d'un code sur
3 octets, et 1110xxxx 10yyyyyy 10zzzzzz sont assemblés en xxxxyyyy yyzzzzzz. Quand l'UTF-8
est utilisé pour encoder les 31 bits de l'ISO 10646 cette progression continue jusqu'à des
codes sur 6 octets.
Pour la plupart des textes en ISO 8859, cela signifie que les caractères en dehors de
l'ASCII sont désormais encodés sur deux octets. Cela tend à allonger la taille des
fichiers textes ordinaires de un à deux pourcents. Pour le russe ou le grec, la taille des
fichiers textes ordinaires est généralement doublée car la plupart des caractères sont en
dehors de l'ASCII. Pour les utilisateurs japonais, cela signifie que les codes sur 16 bits
couramment employés prendront désormais 3 octets. Des conversions algorithmiques sont
possibles depuis certains jeux de caractères (en particulier ISO 8859-1) vers l'Unicode,
mais une conversion générique nécessite l'utilisation de tables de conversion pouvant être
assez larges pour des codes sur 16 bits.
Note that UTF-8 is self-synchronizing: 10xxxxxx is a tail, any other byte is the head of a
code. Note that the only way ASCII bytes occur in a UTF-8 stream, is as themselves. In
particular, there are no embedded NULs ('\0') or '/'s that form part of some larger code.
Since ASCII, and, in particular, NUL and '/', are unchanged, the kernel does not notice
that UTF-8 is being used. It does not care at all what the bytes it is handling stand for.
La gestion des flux de données Unicode est généralement effectuée à travers des tables de
« sous-fontes » correspondant à un sous-ensemble des caractères Unicode. En interne, le
noyau utilise l'Unicode pour décrire les sous-fontes chargées en mémoire vidéo. Cela
signifie que pour une console Linux en mode UTF-8, un jeu de caractères avec 512 symboles
différents peut être utilisé. Ce n'est pas assez pour le japonais, le chinois ou le
coréen, mais c'est généralement suffisant pour toutes les autres utilisations.
VOIR AUSSI
iconv(1), ascii(7), iso_8859-1(7), unicode(7), utf-8(7)
TRADUCTION
La traduction française de cette page de manuel a été créée par Christophe Blaess
<https://www.blaess.fr/christophe/>, Stéphan Rafin <stephan.rafin@laposte.net>, Thierry
Vignaud <tvignaud@mandriva.com>, François Micaux, Alain Portal <aportal@univ-montp2.fr>,
Jean-Philippe Guérard <fevrier@tigreraye.org>, Jean-Luc Coulon (f5ibh) <jean-
luc.coulon@wanadoo.fr>, Julien Cristau <jcristau@debian.org>, Thomas Huriaux
<thomas.huriaux@gmail.com>, Nicolas François <nicolas.francois@centraliens.net>, Florentin
Duneau <fduneau@gmail.com>, Simon Paillard <simon.paillard@resel.enst-bretagne.fr>, Denis
Barbier <barbier@debian.org>, David Prévot <david@tilapin.org> et Grégoire Scano
<gregoire.scano@malloc.fr>
Cette traduction est une documentation libre ; veuillez vous reporter à la GNU General
Public License version 3 ⟨https://www.gnu.org/licenses/gpl-3.0.html⟩ concernant les
conditions de copie et de distribution. Il n'y a aucune RESPONSABILITÉ LÉGALE.
Si vous découvrez un bogue dans la traduction de cette page de manuel, veuillez envoyer un
message à ⟨debian-l10n-french@lists.debian.org⟩.