4 Le langage de balise

L’Encodage
Selon l’encodage des pages visualisées, le lecteur peut avoir des problèmes de
lecture des documents. Pour palier ces difficultés, il faut :
• Enregistrer dans le ”bon” encodage
• Fournir suffisamment d’infos au logiciel de visualisation pour que l’affichage de
mon texte soit correct
• Ne pas mélanger les encodages
1 Bases
Il n’existe pas de texte en informatique. Un ordinateur ne comprend, en effet, que
le langage binaire, c’est-a-dire une suite de 0 et de 1. Un bit est une unité
élémentaire de l’information et peut donc prendre la valeur de 0 ou 1. Par
exemple les processeurs manipulent des paquets de 8 bits appelés octets. On
peut ainsi coder
valeurs sur 1 seul octet. Ce qui est amplement
suffisant pour l’alphabet latin par exemple.
Ainsi, l’ordinateur fonctionne sur la base du déchiffrage d’octet : Il faut donc un
traducteur pour que notre texte soit codé puis décodé proprement et de manière
standard : c’est la qu’interviennent les tables de conversion, ou les encodages et
les normes.
2 Normes
Au début de l’informatique, on pensait que coder sur 7 bits était suffisant
puisque ̧ca permet de représenter 128 caractères différents. C’est ainsi que fut
créée la table ASCII (American Standard Code for Information Interchange), en
1968. Ce fut la table référence en informatique, elle devint même une norme :
ISO-646.
Néanmoins, on avait besoin de différents caractères en fonction de la langue
utilisée et la table ASCII fut déclinée de plusieurs façons.
D’ou l’apparition de problèmes d’incomplétude ou d’affichage pour certaines
langues. Ou par exemple de problèmes d’erreurs dues à la quasi-superposition
de certains encodages ($ se transformant en £).
3 Unicode
En 1988 est élaboré un projet: recenser tous les caractères de toutes les langues
écrites et mettre au point une table de référence universelle capable de coder
tout ça. Il doit être universel, uniforme, efficace, simple.
Plusieurs unicodes (UTF) sont crées :
• UTF-32 (4 octets) est de longueur fixe, mais il prend de la place.
• UTF-16 (2+2 octets) est parfois plus délicat à manipuler, mais il prend moins
de place et permet un bonne efficacité.
• UTF-8 (de 1 `a 4 octets) est le plus optimal pour un usage occidental, mais il
prend beaucoup de place pour coder certains caractères. Il est délicat à
manipuler.
4 Le langage de balise
Le langage de balise type est le HTML (HyperText Markup Language), c’est :
• Un langage informatique de textuel, structuré, non extensible
• Son langage ne peut pas être redéfini
• Syntaxe assez souple : une balise ouverte n’a pas toujours à être fermée.