Informatika Datové formáty

Transkript

1 Informatika Datové formáty Radim Farana Podklady předmětu Informatika pro akademický rok 2007/2008 Obsah Datové formáty (datové typy). Textové formáty, vlastnosti zdroje zpráv. Číselné formáty, číselné soustavy. Přesnost uložení čísel. Numerické chyby. Datové formáty (datové typy) Jednoduché Textové (alfanumerické) Číselné celočíselné neceločíselné s pevnou řádovou čárkou s pohyblivou řádovou čárkou Datum a čas Složené Pole Záznam 1

2 Textové kódy blokové kódy s různou délkou kódového slova a mohutností abecedy, 5 bitů nejstarší kódy, Baudotův kód, kód CCITT, dvě znakové sady po 32 znaků, 7 bitů American Standard Code for Information Interchange ASCII UNIX, 8 bitů ACSII-2, znakové sady (1250) pro různé jazyky, 16 bitů Unicode. Baudotův kód FIGS (US binary hexa LTRS FIGS Bell) unused E LINE LINE FEED FEED A SPACE SPACE S ' BELL I U CAR. RET. CAR. RET D $ A R B J BELL ' C N, D F! E C : F K ( T Z " L ) W H # STOP Y P Q O B? A G & B FIGS FIGS C M D X / E V ; F LTRS LTRS Baudotův telegraf Baudot, Jean-Maurice-Émile * Magneux, France Sceaux, France Kód CCITT CCITT znak kód CCITT znak kód 1 A _ Q B? R C : S! D vz T E U F V = G W H X / I Y J zv Z K ( návrat válce L ) posun řádku M číslicová změna N, písmenová změna 15 O mezera P

3 ASCII, ISO (Latin-1) Abeceda zdroje Z 26 Mezinárodní telegrafní abeceda: ABCDEFGHIJKLMNOPQRSTUVWXYZ, Z 27 Telegrafní abeceda s mezerou, Z 41 Česká abeceda velkých písmen: AÁBCČDĎEÉĚFGHIÍJKLMNŇOÓPQRŘSŠT ŤUÚŮVWXYÝZŽ, Z 42 Česká abeceda s mezerou, Z 128 Abeceda kódu ASCII znaků (7 bitů), Z 256 Abeceda kódu ASCII-2 (8 bitů). Vlastnosti zdroje Pravděpodobnosti výskytu jednotlivých znaků české abecedy Z 42 A 0,054 F 0,002 Ň 0,015 Ť 0,007 Ž 0,009 Á 0,021 G 0,002 O 0,068 U 0,030 0,163 B 0,014 H 0,020 Ó 0,000 Ú 0,003 C 0,019 I 0,034 P 0,027 Ů 0,002 Č 0,008 Í 0,025 Q 0,000 V 0,039 0,14 Pravděpodobnost výskytu znaků české abecedy Z 26 0,12 Pravděpodobnost 0,1 0,08 0,06 0,04 0,02 0 A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 3

4 Frekvence znaků v češtině kartotéky, soubory znaků, analýza jazyka zdroje zpráv. Slovník spisovné češtiny A B C Č D Ď E F G HCh J K L M N O P Q R Ř S Š I slova v běžném textu A B C D E F G H Ch J K L M N O P Q R Ř Č I kartotéka příjmení A B C Č D Ď E F G I H Ch J K L M N O P Q kartotéka místních jmen C A B Č D F H Ch I J K L M N O P G T S R Ř R Ř U Š S S W V X Y Z Ž poloviny T U V W X Y Z Ž třetiny Š T V U W X Y Z Ž čtvrtiny Š T U V Z Ž pětiny Určení jazyka zdroje Index koincidence I(C)=Σ P(i) 2 Využití v kryptoanalýze Jazyk I (C ) angličtina 0, dánština 0, finština 0, francouzština 0, holandština 0, němčina 0, italština 0, ruština 0, španělština 0, slovenština 0, čeština 0, Textové formáty Znak, Char, Character (1 B) String posloupnost Byte (do 255 B) s pevnou délkou s proměnlivou délkou Memo (až 64 kb adresa 16 bitů). délka znak znak znak znak n 4

5 Číselné formáty Celočíselné Bit (logický datový typ) Byte (1 B, rozsah 0 255) Integer (2 B) Long Integer (4 B) Racionální, podíl dvou celých čísel Neceločíselné s pevnou řádovou čárkou s pohyblivou řádovou čárkou Číselné soustavy Binární (dvojková) Oktalová (osmičková, 1 znak = 3 b) Šestnáctková (hexadecimální, 4 b) Dekadická (desítková) postupné dělení 18,625 postupné násobení 18 : 2 = 9, Zb. 0 9 : 2 = 4, Zb. 1 4 : 2 = 2, Zb. 0 2 : 2 = 1, Zb. 0 1 : 2 = 0, Zb ,101 0, = 1,250 0, = 0,500 0, = 1,000 Číselné kódy Přímý kód znaménko absolutní hodnota Inverzní kód záporné + 2 n Doplňkový kód záporné + 2 n

6 Realizace sčítání Včetně znaménkových bitů. 39= -39= znaménko přenos Problém přetečení rozsahu zobrazitelných čísel (přeplnění) zdvojení znamének znaménko 39= = znaménko 127= = přenos stejná hodnota znaménka přenos nestejná hodnota znaménka ukazuje na správný výsledek ukazuje na přetečení rozsahu Čísla s pevnou řádovou čárkou Omezená velikost celé části. Omezená přesnost (počet desetinných míst). zn , = 2,625 poloha řádové čárky 2, = 2,5625 Čísla s pohyblivou řádovou čárkou Tvar m.2 e, kde je m mantisa m < 1 e celočíselný exponent Normování mantisy 0,5 m < 1 zn zn ,625 = 0, = 2,5 mantisa exponent Skrytý bit (výsledek normování) Uložení hodnoty 0, exponent + 2 n-1 6

7 Číselné kódy Přímý kód Inverzní kód Doplňkový kód x př x inv x dop x x 0 = x < 1 1 x x < 0 x x 0 = x < 1 n x x < 0 x x 0 = 1 x < x x < 0 Přesnost uložení čísel Počítačové epsilon - nejmenší číslo, zobrazitelné v daném číselném kódu, pro které platí 1,0 + ε > 1,0 Norma uložení IEEE 754 (formát single) zn exponent mantisa Typické datové formáty Single 4 B 7 desetinných míst Double 8 B 15 desetinných míst Extended 10 B 19 desetinných míst Datum a čas Datum celá část čísla, počet dnů od referenčního datumu ( ). Čas desetinná část čísla, 1 den = 24 hodin => 1 hodina = 1/24 Výpočty s datumy Problém testování rovnosti datumu a času 7

8 Složené datové typy Pole (posloupnost prvků stejného datového typu). identifikace pořadím prvku, u vícerozměrného pomocí mapovacích funkcí Adresa n Záznam (množina prvků různých datových typů). identifikace názvem prvku 8