.. Výpočetní technika I Ing. Pavel Haluza ústav informatiky PEF MENDELU v Brně pavel.haluza@mendelu.cz
textová data zvuková data obrazová data zařízení soubory a adresáře specifikace souborů vyjádření hodnot datového typu formátová specifikace textový a binární formát Osnova přednášky Výpočetní technika I Přednáška 3: 2 / 35
Textová data Zvuková data Obrazová data Uložení znaků v počítači Znaky v počítači zobrazitelné znaky všechny znaky, které slouží pro zápis textové informace (písmena, číslice, interpunkční znaménka, matematické symboly apod.) řídicí znaky slouží k ovládání přídavných zařízení (nebo programu) Počítač není schopen zpracovávat jiné než číselné informace Aby bylo možné zpracovat textovou informaci, bylo nutné přiřadit jednotlivým znakům číselné ekvivalenty Znaky a symboly se uchovávají ve formě čísel podle převodní tabulky Výpočetní technika I Přednáška 3: 3 / 35
Textová data Zvuková data Obrazová data Převodní tabulky EBCDIC Extended Binary Coded Decimal Interchange Code ASCII (ISO 646) American Standard Code for Information Interchange UCS (ISO 10646) Universal Character Set UTF UCS Transformation Format Unicode Výpočetní technika I Přednáška 3: 4 / 35
Textová data Zvuková data Obrazová data Extended Binary Coded Decimal Interchange Code Prehistorický kód navržený IBM na konci 50. let 20. století EBCDIC Vychází z kódu používaného pro děrné štítky a BCD kódu využívaného v periferiích IBM Kódovací prostor 8 bitů 256 znaků Rozložení kódu řídicí znaky #0 63, #255 zobrazitelné znaky #64 254 Nevýhoda: znaky anglické abecedy netvoří spojitou posloupnost, nelze použít regulární výraz Výpočetní technika I Přednáška 3: 5 / 35
Textová data Zvuková data Obrazová data ASCII American Standard Code for Information Interchange Kódovací prostor 8 bitů 256 znaků Původně 7bitový kód + 1 paritní bit pro kontrolu Rozložení kódu řídicí znaky #0 31, #127 zobrazitelné znaky #32 126, #128 255 Kód má dvě části základní část #0 127 (původních 7 bitů) rozšířená část #128 255 (přidání 8. bitu) Výpočetní technika I Přednáška 3: 6 / 35
ASCII základní část Textová data Zvuková data Obrazová data Výpočetní technika I Přednáška 3: 7 / 35
Textová data Zvuková data Obrazová data ASCII rozšířená část Národní znaky určeny pro zobrazení textů v jiných jazycích než angličtině Žádný znakový kód nebyl původně navržen pro zobrazování národních znaků Základní kód ASCII neposkytuje dostatečný prostor pro uložení všech národních znaků Využití zbylých 128 pozic kódu ASCII (paritní bit) Způsob využití zcela nejednotný, existence různých znakových sad pro různé skupiny jazyky Výpočetní technika I Přednáška 3: 8 / 35
Textová data Zvuková data Obrazová data Varianty kódování českých nár. znaků Kód bratrů Kamenických KEYBCS2, CP895 pro osobní pod MS-DOS využití sady CP437 s náhradou pozic 128 171 českými a slovenskými národními znaky PC Latin 2 IBM Latin 2, CP852 pro osobní pod MS-DOS podpora středoevropských jazyků používajících latinku (čeština, slovenština, polština, rumunština, maďarština, srbochorvatština aj.) Výpočetní technika I Přednáška 3: 9 / 35
Textová data Zvuková data Obrazová data Varianty kódování českých nár. znaků KOI8čs Kod Obmena Informaciey vyvinut v SSSR v rámci RVHP ISO Latin 2 ISO 8859-2 podpora středoevropských a východoevropských jazyků psaných latinkou nebo latinskou transkripcí použitelné i pro němčinu a finštinu Windows-1250 CP1250 pro operační systém Windows podpora středoevropských jazyků a němčiny velmi podobné kódu ISO 8859-2 (pouze 6 rozdílů v českých znacích) Výpočetní technika I Přednáška 3: 10 / 35
Textová data Zvuková data Obrazová data Vícebajtová kódování I 256 pozic kódu ASCII přestává stačit, hledají se nové možnosti ISO 10646 UCS = Universal Character Set univerzální prostor 4 B, tj. přes 4 miliardy znaků zbytečně neúsporné řešení Unicode jeden znak ukládán vždy na 2 B snaha o vytvoření jediné globální znakové sady dolní polovina ASCII (#0 127) se ukládá pod stejnými hodnotami (00000000 xxxxxxxx) číselný kód se pro přehlednost zapisuje v hexadecimální soustavě, např. A = \u0041 varianty Little Endian a Big Endian Výpočetní technika I Přednáška 3: 11 / 35
Textová data Zvuková data Obrazová data Unicode Little Endian a Big Endian Little Endian méně významový bajt leží na nižší adrese takto kódované soubory začínají znakem FF FE typické pro Windows příklad: znak A = 41 00 Big Endian méně významový bajt leží na vyšší adrese takto kódované soubory začínají znakem FE FF typické pro programovací jazyk Java příklad: znak A = 00 41 Výpočetní technika I Přednáška 3: 12 / 35
Textová data Zvuková data Obrazová data UTF UCS Transformation Format Zmírňuje redundanci univerzálního kódu UCS Varianty UTF-8, UTF-16, UTF-32 UTF-8 odstraňuje nevýhody Unicode (dvojnásobná délka souborů oproti ASCII, problémy s Little/Big Endianem) znaky jsou kódovány na 1 3 B Převod mezi Unicode a UTF-8 Unicode Význam. b. max. Kódování UTF-8 0000 007F 7 0xxxxxxx 0080 07FF 11 110xxxxx 10xxxxx 0800 FFFF 16 1110xxxx 10xxxxxx 10xxxxxx Výpočetní technika I Přednáška 3: 13 / 35
BOM Byte-Order Mark UTF signatura označení pořadí bajtů v souboru Textová data Zvuková data Obrazová data Kódování UTF-8 UTF-16 Little Endian UTF-16 Big Endian UTF-32 Little Endian UTF-32 Big Endian Obsah souboru EF BB BF FF FE FE FF FF FE 00 00 00 00 FE FF Výpočetní technika I Přednáška 3: 14 / 35
Textová data Zvuková data Obrazová data Kódování národních znaků shrnutí Příklad: textový soubor se slovem Béďa ASCII / ISO 8859-2 42 E9 EF 61 4 B Unicode Little Endian FF FE 42 00 E9 00 0F 01 61 00 10 B Unicode Big Endian FE FF 00 42 00 E9 01 0F 00 61 10 B UTF-8 EF BB BF 42 C3 A9 C4 8F 61 9 B Výpočetní technika I Přednáška 3: 15 / 35
Textová data Zvuková data Obrazová data V zásadě dva způsoby uložení přímý záznam MIDI sekvence Uložení zvukové informace Přímý záznam (pulsně kódová modulace, PCM) digitalizace frekvencí a amplitud zvukových vln pravidelné odečítání hodnoty signálu a její záznam v binární podobě určující parametry: vzorková frekvence, jemnost rozlišení jednotlivých hodnot výsledkem rozsáhlé soubory (např. WAV), často ztrátová komprese (MP3, WMA, AAC, Ogg Vorbis) bezztrátová komprese např. ALAC nebo FLAC Výpočetní technika I Přednáška 3: 16 / 35
Textová data Zvuková data Obrazová data Uložení zvukové informace MIDI sekvence (Musical Instruments Digital Interface) stručný digitální popis výšky jednotlivých tónů, jejich intenzity, délky a nejrůznějších doprovodných efektů výstupní zvukové zařízení (zvuková karta, klávesy) z těchto informací umí vytvářet zvuky signál neobsahuje zvuk, ale pouze velmi stručné pokyny pro jeho vytvoření nelze zaznamenat lidský hlas ani žádný hudební nástroj, který syntetizátor nedokáže zahrát velmi malé soubory, převod WAV MP3/MIDI náročný Příklad: nekomprimovaný soubor se zvukovou stereo nahrávkou o délce 3 minuty, vzorkovací frekvenci 44,1 khz a velikosti vzorku 16 b. 2 44 100 16 180 b = 254 016 000 b = 31,752 MB Výpočetní technika I Přednáška 3: 17 / 35
Textová data Zvuková data Obrazová data Opět dva způsoby uložení rastrová grafika vektorová grafika Uložení obrazové informace Rastrová grafika obraz tvořen maticí bodů (pixelů), jejichž barva se skládá ze tří složek červené, zelené a modré (RGB) intenzitu barvy každé složky ukládáme v paměti zvlášť dnes nejrozšířenější model: odstín každého bodu uložen jako 8bitové číslo (2 8 = 256 možností) informace o barvě každého pixelu zabere v paměti 3 B (3 složky 1 B), celkem 256 3 = 16 777 216 barev model RGBA používá ještě bajt pro uložení informace o intenzitě průhlednosti pixelu (tzv. alfa kanál) model CMYK (Cyan, Magenta, Yellow, black) používají barevné tiskárny Výpočetní technika I Přednáška 3: 18 / 35
Textová data Zvuková data Obrazová data Uložení obrazové informace Vektorová grafika obraz tvořen různými geometrickými objekty (body, přímky, křivky, ) využití pro tvorbu ilustrací, diagramů, schémat apod. Příklad: nekomprimovaný rastrový obraz o rozměrech 1600 1200 bodů v modelu RGB 1 600 1 200 3 B = 5 760 000 B = 5,76 MB Výpočetní technika I Přednáška 3: 19 / 35
Zařízení Soubory a adresáře Specifikace souborů Znaková zařízení chovají se jako soubory pracují vždy s jedním znakem vstupně-výstupní zařízení Bloková zařízení pracují s celými bloky bajtů (soubory) jednotky vnějších pamětí Zařízení Výpočetní technika I Přednáška 3: 20 / 35
Zařízení Soubory a adresáře Specifikace souborů Blokově orientovaná zařízení A, B disketové jednotky C pevný disk Jednotky Dále jednotky CD-ROM, DVD-ROM, Flash disky, ZIP drive apod. Výpočetní technika I Přednáška 3: 21 / 35
Zařízení Soubory a adresáře Specifikace souborů Soubor Pojmenovaná konečná posloupnost bytů s definovaným umístěním ve vnější paměti Základní množina dat určitého typu Mají jedinečná jména např. v OS Windows maximálně 255 znaků za tečkou přípona (určuje typ souboru) povolené znaky jsou A Z, a z, 0 9, $, %,, -, @, {, },,,!, #, (, ), &, _, Mají atributy (různý význam v různých OS) Výpočetní technika I Přednáška 3: 22 / 35
Zařízení Soubory a adresáře Specifikace souborů Adresář Pod operačním systémem Windows označován jako složka Pojmenovaná množina jiných adresářů a souborů Tvoří hierarchickou strukturu Mají jména jako soubory Na každém zařízení existuje kořenový adresář, v OS Windows značíme \ V jednom adresáři se vyskytují soubory s jedinečnými jmény Každá jednotka má svůj aktuální adresář Výpočetní technika I Přednáška 3: 23 / 35
Zařízení Soubory a adresáře Specifikace souborů Specifikace souboru Určuje jméno a cestu k souboru Přístup k souboru úplná specifikace jednotka:\cesta\soubor, kde cesta=[adresář1[\adresář2[\adresář3]]] neúplná specifikace vynechání označení jednotky, vynechání cesty nebo pouze název souboru Výpočetní technika I Přednáška 3: 24 / 35
Cesta Zařízení Soubory a adresáře Specifikace souborů Určuje konkrétní adresář v hierarchické struktuře Jednotlivé podadresáře oddělujeme \ Cesta může být relativní od aktuálního adresáře absolutní od kořenového adresáře Speciální adresáře rodičovský (nadřazený) označujeme.. aktuální (aktivní) označujeme. kořenový označujeme \ Výpočetní technika I Přednáška 3: 25 / 35
Zařízení Soubory a adresáře Specifikace souborů Spouštění spustitelných souborů ve Windows Použití příkazu Spustit (Win+R) a volbou souboru Výběrem z nabídky pravého tlačítka myši Dvojklikem (nebo označení + Enter) na ikonu umístěnou na ploše Otevření v příslušném programu přes nabídku Soubor/Otevřít Výpočetní technika I Přednáška 3: 26 / 35
Vyjádření hodnot datového typu Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát Datový formát způsob uložení dat v jakékoli paměti Příklad 1: věk osoby 26 let a) převod čísla do dvojkové soustavy 11010 00011010 1a b) zápis čísla pomocí znaků (znakový kód) 110010 110110 00110010 00110110 32 36 Výpočetní technika I Přednáška 3: 27 / 35
Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát Vyjádření hodnot datového typu Příklad 2: příjmení osoby Cimrman a) s určením délky 7 C i m r m a n 07 43 69 6d 72 6d 61 6e 43 69 6d 72 6d 61 6e 00 b) s oddělovači C i m r m a n 43 69 6d 72 6d 61 6e 20 20 20 43 69 6d 72 6d 61 6e 0d 0a Výpočetní technika I Přednáška 3: 28 / 35
Porovnání způsobů uložení Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát Tvar použitý v operační paměti 43 69 6d 72 6d 61 6e 00 1a Tvar použitý pro vstup nebo výstup 43 69 6d 72 6d 61 6e 20 20 20 32 36 C i m r m a n 2 6 Výpočetní technika I Přednáška 3: 29 / 35
Formátová specifikace Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát V operační paměti jsou obvykle data ve tvaru vhodném pro zpracování (výpočty, řazení, ) Viditelný tvar (tiskárna, displej, klávesnice, ) musí být složen výhradně z čitelných (zobrazitelných) znaků Formátová specifikace popis formátu, tj. přesný význam jednotlivých bitů (bytů) dat Příklad formátové specifikace: délka příjmení L jeden byte příjmení řetězec, ISO 8859-2, L bytů věk binárně, jeden byte 07 43 69 6d 72 6d 61 6e 1b Výpočetní technika I Přednáška 3: 30 / 35
Druh formátu Vyjádření hodnot datového typu Textový formát data jsou připravena pro zobrazení a přímé čtení člověkem Netextový (binární) formát data jsou připravena pro aritmetické a logické operace v paměti Formátová specifikace Textový a binární formát Výpočetní technika I Přednáška 3: 31 / 35
Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát Definice formátu Intuitivní definice textový formát: všechny prvky formátu jsou složeny výhradně ze zobrazitelných znaků binární formát: alespoň některé prvky formátu jsou řešeny jiným způsobem (řídicími znaky) Problémy kolik řádků může mít soubor, je-li v textovém formátu? jak poznáte konec souboru? Upravená definice textový formát: všechny prvky formátu jsou složeny ze zobrazitelných znaků, mezi nimiž jsou použity jako oddělovače konce řádků a na konci dat nejvýše jeden znak konce souboru Výpočetní technika I Přednáška 3: 32 / 35
Konec řádku a konec souboru Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát V různých operačních systémech jsou řídicí znaky různé Vedlejší efekt: podle tvaru konce řádku lze zjistit operační systém, ve kterém byl soubor vytvořen Dnešní kvalitní textové editory dokážou řídicí znak změnit Operační Konec Název Konec Název systém řádku znaku souboru znaku Unix 0a LF 04 EOT Mac 0d CR 04 EOT MS 0d 0a CR LF 1a ESC Výpočetní technika I Přednáška 3: 33 / 35
Textový formát vlastnosti Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát Data jsou přímo čitelná člověkem Pro zpracování je obvykle nutná změna vyjádření Zpracovatelný celou škálou obecných programů a služeb každého operačního systému, což zvyšuje přenositelnost Odolnost vůči porušení (ztrátě) informací Nenapadnutelné virem Většinou nižší úspornost zobrazení Výpočetní technika I Přednáška 3: 34 / 35
Binární formát vlastnosti Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát Data nejsou přímo čitelná člověkem Vhodný pro přímé zpracování Nízká přenositelnost, závisí na určitém programu, který zná přesnou a detailní strukturu dat Snadná ztráta všech informací při porušení Napadnutelné virem, lze ukrýt mnoho informací Někdy maximálně úsporný (ale i naopak) Výpočetní technika I Přednáška 3: 35 / 35