Conjuntos de caracteres latinos occidentales

Se diseñaron varios conjuntos de caracteres de 8 bits (codificaciones) para la representación binaria de lenguas comunes de Europa Occidental ( italiano , español , portugués , francés , alemán , neerlandés , inglés , danés , sueco , noruego e islandés ), que utilizan el alfabeto latino , algunas letras adicionales y otras con diacríticos precompuestos , algunos signos de puntuación y diversos símbolos (incluidas algunas letras griegas ). Estos conjuntos de caracteres también son compatibles con muchas otras lenguas, como el malayo , el suajili y el latín clásico .

Este material está técnicamente obsoleto, ya que ha sido reemplazado funcionalmente por Unicode . Sin embargo, sigue teniendo interés histórico.

La serie de conjuntos de caracteres de 8 bits ISO-8859 codifica todos los conjuntos de caracteres latinos utilizados en Europa , si bien los mismos puntos de código tenían múltiples usos, lo que causaba algunas dificultades (incluidos caracteres ilegibles o distorsionados y problemas de comunicación). La llegada de Unicode , con un punto de código único para cada glifo , resolvió estos problemas.

• ISO/IEC 8859-1 o Latin-1 es el más utilizado y también define los primeros 256 puntos de código en Unicode .
• La norma ISO/IEC 8859-15 modifica la norma ISO-8859-1 para admitir plenamente el estonio , el finlandés y el francés , y añade el símbolo del euro .
• Windows-1252 es un superconjunto de ISO-8859-1 que incluye los caracteres imprimibles de ISO/IEC 8859-15 y signos de puntuación comunes como las comillas curvas (también conocidas como comillas inteligentes , como en la configuración de Microsoft Word y programas similares). Es común que las herramientas de páginas web para Windows utilicen Windows-1252, pero etiqueten la página web como si utilizara ISO-8859-1. Esto se ha solucionado en HTML5 , que exige que las páginas etiquetadas como ISO-8859-1 se interpreten como Windows-1252.
• IBM CP437 , al estar diseñado solo para inglés , tiene muy pocas letras acentuadas (en particular mayúsculas ), pero tiene muchos más caracteres gráficos que las otras páginas de códigos de IBM que se enumeran aquí, y también algunos caracteres matemáticos y griegos que son útiles como símbolos técnicos .
• El IBM CP850 tiene todos los caracteres imprimibles que tiene la norma ISO-8859-1 (aunque dispuestos de forma diferente) y aún así logra tener suficientes caracteres gráficos para construir una interfaz de usuario en modo texto utilizable .
• El IBM CP858 se diferencia del CP850 solo por un carácter: una i sin punto ( ı ), que rara vez se usaba fuera de Turquía y para la cual no se proporcionaba un equivalente en mayúscula , fue reemplazada por el símbolo del euro ( € ). ^{[ 1 ]}
• El IBM CP859 contiene todos los caracteres imprimibles que incluye la norma ISO/IEC 8859-15 , por lo que, a diferencia del CP850, admite el símbolo del euro , así como los caracteres estonios , finlandeses y franceses .
• Las páginas de códigos 037, 500 y 1047 de IBM son codificaciones EBCDIC que incluyen todos los caracteres ISO-8859-1 .
• El conjunto de caracteres romanos de Mac OS (a menudo denominado MacRoman y conocido por la IANA simplemente como MACINTOSH) incluye la mayoría, aunque no todos, los caracteres de ISO/IEC 8859-1 , pero con una disposición muy diferente. Además, añade numerosos caracteres técnicos y matemáticos (si bien carece del importante signo de multiplicación , × ) y más diacríticos . Se sabía que los navegadores web de Macintosh más antiguos alteraban los pocos caracteres presentes en ISO/IEC 8859-1 que no pertenecían a su conjunto de caracteres nativo de Macintosh al editar texto de sitios web . Por el contrario, en material web creado en un Macintosh antiguo, muchos caracteres se mostraban incorrectamente al ser leídos por otros sistemas operativos . La codificación latina de Macintosh , una modificación de Mac OS Roman para admitir ISO/IEC 8859-1, fue creada por los desarrolladores de Kermit (protocolo) para solucionar este problema.

La codificación ASCII ( Código Estándar Estadounidense para el Intercambio de Información ) de siete bits , utilizada anteriormente en Estados Unidos, solo contaba con caracteres suficientes para representar adecuadamente unos pocos idiomas, como el inglés, el latín, el malayo y el suajili. Carecía de algunas letras y combinaciones de letras y diacríticos presentes en otros idiomas con alfabeto latino. Sin embargo, dado que no existía otra opción en la mayoría de las plataformas informáticas estadounidenses, el uso de ASCII era inevitable, salvo en países con una sólida industria informática. Existía el conjunto de codificaciones ISO 646 , que sustituía algunos símbolos de ASCII por caracteres locales, pero el espacio era muy limitado y algunos de los símbolos sustituidos eran bastante comunes en lenguajes de programación, por ejemplo.

La mayoría de los ordenadores utilizaban internamente bytes de ocho bits, pero la comunicación (considerada inherentemente poco fiable) empleaba siete bits de datos más un bit de paridad . Con el tiempo, se generalizó el uso de los ocho bits para los datos, lo que permitió disponer de espacio para otros 128 caracteres. En sus inicios, la mayoría de estos caracteres eran específicos del sistema, pero gradualmente surgieron los estándares ISO/IEC 8859 para proporcionar cierta similitud entre plataformas y facilitar el intercambio de información.

Hacia finales del siglo XX, con la disminución de los costos de almacenamiento y memoria, los problemas asociados con los múltiples significados de un código de ocho bits (solo en el conjunto de códigos ISO-Latin existen siete) dejaron de tener justificación. Todos los sistemas operativos principales adoptaron Unicode como su representación interna principal. Sin embargo, dado que Windows no admitía el método UTF-8 de codificación Unicode (prefiriendo UTF-16 ), muchas aplicaciones continuaron limitadas a estos conjuntos de caracteres antiguos.

Los puntos de código U+ 0000 a U+007F no se muestran en esta tabla, ya que están directamente asignados en todos los conjuntos de caracteres que se enumeran aquí. El estándar de codificación ASCII define la especificación original para la asignación de los primeros 0-127 caracteres.

La tabla está organizada por punto de código Unicode . Los conjuntos de caracteres se mencionan aquí por sus nombres IANA en mayúsculas .

• Las asignaciones para las páginas de códigos de IBM provienen del sitio Unicode proporcionado por Microsoft . El documento del Consorcio Unicode contiene enlaces a fuentes que muestran las diferencias entre las asignaciones de IBM y Microsoft para estas páginas de códigos. ^{[ 4 ]}
• Los procesadores IBM437 e IBM850 definieron caracteres imprimibles para los rangos de códigos de control. Si bien estos no podían utilizarse al imprimir texto a través de DOS , ya que se interceptaban antes de llegar a la pantalla, sí podían ser utilizados por aplicaciones que accedían directamente a la memoria de pantalla.
• Macintosh tiene un logotipo de Apple ⟨  ⟩ en 0xF0 y lo traduce a U+F8FF en el Área de Uso Privado para Unicode.