18 - Codificación de caracteres ASCII y UNICODE

¿Qué es el código ASCII?

La memoria de un ordenador guarda toda la información en formato digital. No hay forma de almacenar caracteres directamente. Cada uno de los caracteres tiene un código digital equivalente. Esto se denomina código ASCII (American Standard Code for Information Interchange). El código ASCII básico representaba caracteres utilizando 7 bits (para 128 caracteres posibles, enumerados del 0 al 127).

• Los códigos de 0 al 31 no se utilizan para caracteres. Éstos se denominan caracteres de control ya que se utilizan para acciones como:
  • Retorno de carro (CR)
  • Timbre (BEL)
• Los códigos 65 al 90 representan las letras mayúsculas.
• Los códigos 97 al 122 representan las letras minúsculas
  (Si cambiamos el 6^º bit, se pasa de mayúscula a minúscula; esto equivale a agregar 32 al código ASCII en base decimal).

Tabla de caracteres ASCII

caractère	code ASCII	code hexadécimal
NUL (Null)	0	00
SOH (Start of heading)	1	01
STX (Start of text)	2	02
ETX (End of text)	3	03
EOT (End of transmission)	4	04
ENQ (Enquiry)	5	05
ACK (Acknowledge)	6	06
BEL (Bell)	7	07
BS (Backspace)	8	08
TAB (Horizontal tabulation, tabulación horizontal)	9	09
LF (Line Feed, salto de línea)	10	0A
VT (Vertical tabulation, tabulación vertical)	11	0B
FF (Form feed)	12	0C
CR (Carriage return, retorno de carro)	13	0D
SO (Shift out)	14	0E
SI (Shift in)	15	0F
DLE (Data link escape)	16	10
DC1 (Device control 1)	17	11
DC2 (Device control 2)	18	12
DC3 (Device control 3)	19	13
DC4 (Device control 4)	20	14
NAK (Negative acknowledgement)	21	15
SYN (Synchronous idle)	22	16
ETB (End of transmission block, fin de bloque de transmisión)	23	17
CAN (Cancel, cancelar)	24	18
EM (End of medium, fin de medio)	25	19
SUB (Substitute, sustituto)	26	1A
ESC (Escape, carácter de escape)	27	1B
FS (File separator, separador de archivos)	28	1C
GS (Group separator, separador de grupo)	29	1D
RS (Record separator, separador de registros)	30	1E
US (Unit separator, separador de unidades)	31	1F
SP (Space, espacio)	32	20
!	33	21
"	34	22
#	35	23
$	36	24
%	37	25
&	38	26
'	39	27
(	40	28
)	41	29
*	42	2A
+	43	2B
,	44	2C
-	45	2D
.	46	2E
/	47	2F
0	48	30
1	49	31
2	50	32
3	51	33
4	52	34
5	53	35
6	54	36
7	55	37
8	56	38
9	57	39
:	58	3A
;	59	3B
<	60	3C
=	61	3D
>	62	3E
?	63	3F
@	64	40
A	65	41
B	66	42
C	67	43
D	68	44
E	69	45
F	70	46
G	71	47
H	72	48
I	73	49
J	74	4A
K	75	4B
L	76	4C
M	77	4D
N	78	4E
O	79	4F
P	80	50
Q	81	51
R	82	52
S	83	53
T	84	54
U	85	55
V	86	56
W	87	57
X	88	58
Y	89	59
Z	90	5A
[	91	5B
\	92	5C
]	93	5D
^	94	5E
_	95	5F
`	96	60
a	97	61
b	98	62
c	99	63
d	100	64
e	101	65
f	102	66
g	103	67
h	104	68
i	105	69
j	106	6A
k	107	6B
l	108	6C
m	109	6D
n	110	6E
o	111	6F
p	112	70
q	113	71
r	114	72
s	115	73
t	116	74
u	117	75
v	118	76
w	119	77
x	120	78
y	121	79
z	122	7A
{	123	7B
|	124	7C
}	125	7D
~	126	7E
Tecla de borrar	127	7F

Tabla de caracteres de ASCII extendido

El ASCII se desarrolló para utilizarse con el idioma inglés. No posee caracteres acentuados, o caracteres específicos de otros idiomas. Para codificar estos caracteres, se necesitaba un sistema de códigos distinto. El código ASCII se extendió a 8 bits (el equivalente a un byte) a fin de codificar más caracteres (esto se denomina código ASCII extendido).
Este código asigna los valores del 0 al 255 (codificados en 8 bits, es decir, en 1 byte) para las mayúsculas, las minúsculas, los dígitos, las marcas de puntuación y otros símbolos (incluyendo los caracteres acentuados del código iso-latin1).

El código ASCII extendido no está estandarizado y varía de acuerdo a la plataforma en que se utiliza.

Los dos grupos de caracteres más comunes del código ASCII extendido son:

• Código extendido ASCII OEM, que estaba integrado en el primer PC de IBM.
  
• Código extendido ASCII ANSI, utilizado por los sistemas operativos actuales.
  

Código EBCDIC

El código EBCDIC (en castellano, código de intercambio decimal binario extendido), desarrollado por IBM, se utiliza para codificar caracteres con 8 bits. A pesar de que IBM lo utiliza en muchos de sus equipos, no ha tenido tanto éxito como ASCII.

Unicode

Unicode es un sistema de codificación de caracteres de 16 bits desarrollado en 1991. Unicode puede representar cualquier carácter a través de un código de 16 bits, independientemente del sistema operativo o el idioma de programación utilizado.

Incluye casi todos los alfabetos actuales (como el árabe, el armenio, el cirílico, el griego, el hebreo y el latín) y es compatible con el código ASCII.