.\" -*- coding: UTF-8 -*- .\" Copyright (c) 1996 Eric S. Raymond .\" and Copyright (c) Andries Brouwer .\" .\" %%%LICENSE_START(GPLv2+_DOC_ONEPARA) .\" This is free documentation; you can redistribute it and/or .\" modify it under the terms of the GNU General Public License as .\" published by the Free Software Foundation; either version 2 of .\" the License, or (at your option) any later version. .\" %%%LICENSE_END .\" .\" This is combined from many sources, including notes by aeb and .\" research by esr. Portions derive from a writeup by Roman Czyborra. .\" .\" Changes also by David Starner . .\" .\"******************************************************************* .\" .\" This file was generated with po4a. Translate the source file. .\" .\"******************************************************************* .TH CHARSETS 7 "13 août 2020" Linux "Manuel du programmeur Linux" .SH NOM charsets \- Normes de jeux de caractères et internationalisation .SH 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. .PP ASCII, GB\ 2312, ISO\ 8859, JIS, KOI8\-R, KS et Unicode font partie des normes présentées. .PP 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. .SS 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). .PP 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. .PP 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. .SS ISO\ 8859 L'ISO\ 8859 est une série de 15\ jeux de caractères 8\ bits contenant l'ASCII dans leur première moitié (7\ bits), des caractères de contrôle non imprimables entre les positions 128\ et\ 159, et 96\ symboles graphiques de largeur fixe aux emplacements 160\ à\ 255. .PP De tous ces jeux, le plus important est l'ISO\ 8859\-1 («\ alphabet latin nº\ 1\ », latin\-1). Il était massivement adopté et pris en charge par différents systèmes et est remplacé au fur et à mesure par Unicode. Les caractères d’ISO\ 8859\-1 sont aussi les premiers 256\ caractères d’Unicode. .PP La prise en charge en console des autres jeux de caractères 8859 est disponible sous Linux, à travers des utilitaires comme \fBsetfont\fP(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. .PP Voici une brève description des jeux de caractères 8859\ : .TP 8859\-1 (latin\-1) Le latin\-1 couvre de nombreuses langues d'Europe de l'Ouest, comme l'albanais, l'anglais, le basque, le danois, l'espagnol, le féroïen, le galicien, le gallois, l'irlandais, l'islandais, l'italien, le norvégien, le portugais et le suédois. L’absences de ligatures «\ IJ\ » et «\ ij\ » du néerlandais et «\ œ\ » du français, ainsi que l'absence d’anciens guillemets „allemands“ étaient considérées tolérables. .TP 8859\-2 (latin\-2) Le latin\-2 prend en charge de nombreuses langues d’Europe centrale et de l'Est utilisant l'alphabet latin comme l’allemand, le bosniaque, le croate, le hongrois, le polonais, le slovaque, le slovène et le tchèque. Remplacer les «\ ș\ » et «\ ț\ » roumains par «\ ş\ » et «\ ţ\ » était considéré tolérable. .TP 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. .TP 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. .TP 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. .TP 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. .TP 8859\-7 Avait été créé pour le grec moderne en 1987 et mis à jour en 2003. .TP 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. .TP 8859\-9 (latin\-5) Il s'agit d'une variante du latin\-1 qui remplace les lettres islandaises rarement utilisées par des lettres turques. .TP 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. .TP 8859\-11 Prend en charge l’alphabet thaï et est presque identique à la norme TIS\-620. .TP 8859\-12 Ce jeu n’existe pas. .TP 8859\-13 (latin\-7) Prend en charge les langues des pays baltes, en particulier les caractères lituaniens absents du latin\-4. .TP 8859\-14 (latin\-8) Jeu de caractères celtique, couvrant le breton, le cornique, le gaélique, le gallois, l’irlandais ancien et le mannois. .TP 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. .TP 8859\-16 (latin\-10) Ce jeu couvre de nombreuses langues d’Europe du Sud\-Est et, ce qui est plus important, prend mieux en charge le roumain que le latin\-2. .SS "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. .PP 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. .SS 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. .SS Big5 .\" Thanks to Tomohiro KUBOTA for the following sections about .\" national standards. Big5 était un jeu de caractères populaire à Taïwan pour exprimer le chinois traditionnel (Big5 est à la fois un jeu de caractères et un encodage). C'est un sur\-ensemble de l'ASCII. Les caractères non ASCII sont exprimés sur deux octets. Les octets 0xA1\-0xFE sont utilisés en préambule pour les caractères de deux octets. Le Big5 et son extension étaient largement utilisés à Taïwan et Hong\ Kong. Il n'est pas compatible ISO\ 2022. .SS JIS\ X\ 0208 JIS\ X\ 0208 est un jeu de caractères normalisé au Japon. Bien qu'il y ait plusieurs jeux de caractères normalisés au Japon, (comme JIS\ X\ 0201, JIS\ X\ 0212 et JIS\ X\ 0213), celui\-ci est le plus important. Les caractères sont projetés dans une matrice 94x94 de deux octets, dont chaque octet est dans l'intervalle 0x21\-0x7E. Remarquez que JIS\ X\ 0208 est un jeu de caractères, pas un encodage. Cela signifie que JIS\ X\ 0208 lui\-même n'est pas utilisé pour exprimer des données de texte. Il est utilisé comme composant pour construire un encodage comme EUC\-JP, Shift_JIS et ISO\-2022\-JP. EUC\-JP est le plus important encodage sous Linux et inclut l'ASCII et le JIS\ X\ 0208. Dans l'EUC\-JP, les caractères du JIS\ X\ 0208 sont exprimés sur deux octets, chacun étant le code JIS\ X\ 0208 plus\ 0x80. .SS 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. .SS "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 \fBxterm\fP(1). Plusieurs encodages de caractères basés sur ISO\ 2022 ont été définis, en particulier pour le japonais. .PP Il existe 4\ jeux de caractères graphiques, nommés G0, G1, G2 et G3, l'un d'entre eux est utilisé comme jeu de caractères en cours pour les codes avec le bit de poids fort à 0 (par défaut G0), et un autre est utilisé pour les codes avec le bit de poids fort à 1 (initialement G1). Chaque ensemble dispose de 94 ou 96\ caractères, et est constitué de caractères sur 7\ bits. Ce modèle utilise soit les codes 040\-0177 (041\-0176), soit les codes 0240\-0377 (0241\-0376). G0 a toujours une taille de 94\ caractères et utilise les codes 041\-0176. .PP Switching between character sets is done using the shift functions \fB\(haN\fP (SO or LS1), \fB\(haO\fP (SI or LS0), ESC n (LS2), ESC o (LS3), ESC N (SS2), ESC O (SS3), ESC \(ti (LS1R), ESC } (LS2R), ESC | (LS3R). The function LS\fIn\fP makes character set G\fIn\fP the current one for codes with high bit zero. The function LS\fIn\fPR makes character set G\fIn\fP the current one for codes with high bit one. The function SS\fIn\fP makes character set G\fIn\fP (\fIn\fP=2 or 3) the current one for the next character only (regardless of the value of its high order bit). .PP Un jeu de 94\ caractères est désigné comme jeu G\fIn\fP 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. .PP Un jeu de 96\ caractères est désigné comme jeu G\fIn\fP 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. .PP Un jeu de caractères multioctets est désigné comme jeu G\fIn\fP 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. .PP 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, \fB\(haN\fP and \fB\(haO\fP 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. .SS TIS\-620 Le TIS\-620 est un jeu de caractère normalisé en Thaïlande, et est un sur\-ensemble de l'ASCII. De la même façon que la série des ISO\ 8859, les caractères thaïs sont projetés dans l'intervalle 0xA1\-0xFE. .SS 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). .PP 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. .PP 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. .PP 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. .PP 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. .PP Remarquez que l'UTF\-8 se synchronise automatiquement\ : 10xxxxxx est la fin d'un code, et tout autre octet est un début de code. Notez également que les octets ASCII dans un flux UTF\-8 ne peuvent que représenter les caractères ASCII correspondants. En particulier il n'y a pas d’octet NULL («\ \(rs0\ ») ou «\ /\ » faisant partie d'un code plus grand. .PP Comme l'ASCII, et, en particulier, l’octet NULL et «\ /\ », ne sont modifiés, le noyau ne remarque pas que l'UTF\-8 est utilisé. Il n'a pas à se préoccuper de la signification des octets qu'il manipule. .PP 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. .SH "VOIR AUSSI" \fBiconv\fP(1), \fBascii\fP(7), \fBiso_8859\-1\fP(7), \fBunicode\fP(7), \fButf\-8\fP(7) .SH COLOPHON Cette page fait partie de la publication\ 5.10 du projet \fIman\-pages\fP Linux. Une description du projet et des instructions pour signaler des anomalies et la dernière version de cette page peuvent être trouvées à l'adresse \%https://www.kernel.org/doc/man\-pages/. .SH TRADUCTION La traduction française de cette page de manuel a été créée par Christophe Blaess , Stéphan Rafin , Thierry Vignaud , François Micaux, Alain Portal , Jean-Philippe Guérard , Jean-Luc Coulon (f5ibh) , Julien Cristau , Thomas Huriaux , Nicolas François , Florentin Duneau , Simon Paillard , Denis Barbier , David Prévot et Grégoire Scano . Cette traduction est une documentation libre ; veuillez vous reporter à la .UR https://www.gnu.org/licenses/gpl-3.0.html GNU General Public License version 3 .UE 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 .MT debian-l10n-french@lists.debian.org .ME .