Kódování češtiny

Kódování češtiny je libovolná reprezentace nějaké znakové sady, která obsahuje všechna písmena, číslice a další znaky používané v českých textech, číselným kódem.

Čeština používá tolik znaků s diakritikou, že je pro ni prakticky nemožné vytvořit sedmibitové kódování založené na ASCII. ČSN 36 9103 vydaná v roce 1979 definovala 8bitový kódovaný soubor symbolů KOI-8čs pro češtinu a slovenštinu vycházející z mezinárodní normy ISO/IEC 646, která je založena na ASCII. Kódování primárně navržené pro sálové počítače řady JSEP bylo použito i v české lokalizaci operačního systému CP/M, jako kódování používané mikropočítačem SAPI-1 a v textovém procesoru Text602, ale v praxi se příliš nerozšířilo.

Většího rozšíření dosáhly kódové sady vyvinuté firmami IBM, Microsoft a Apple, které ve snaze o minimalizaci počtu kódování ve svých operačních systémech vytvořily osmibitová kódování pro své operační systémy PC-DOS (MS-DOS), Windows a MacOS vždy pro celou skupinu východoevropských jazyků psaných latinkou. V rámci ISO/IEC 8859 bylo pro uvedené jazyky vytvořeno kódování ISO 8859-2, které se dočkalo uplatnění především na unixových operačních systémech. Kvůli značné těžkopádnosti používání kódových stránek v operačním systému MS-DOS bylo na počítačích kompatibilních s IBM PC velmi oblíbené kódování bratří Kamenických, nazývané také KEYBCS2.

Okolo roku 1990 tak existovalo nejméně 6 různých osmibitových kódování pro češtinu. Neexistence jednotného kódování přinášela problémy s kompatibilitou a přenositelností textů, které zintenzívněly s nástupem elektronické pošty a internetových služeb, především WWW, a které mizejí teprve s přechodem na jednotné kódování ISO 10646/Unicode.

Osmibitová kódování češtiny

Kódování češtiny na počítačích se musí vypořádat s faktem, že čeština s výjimkou spřežkového zápisu písmene ch používá diakritický pravopis a základní latinskou abecedu rozšiřuje o 15 malých a 15 velkých písmen s diakritikou (á, č, ď, é, ě, í, ň, ó, ř, š, ť, ú, ů, ý, ž, Á, Č, Ď, É, Ě, Í, Ň, Ó, Ř, Š, Ť, Ú, Ů, Ý, Ž), což znemožňuje vytvoření sedmibitového kódování založeného na kódování ASCII. V době vytváření sedmi a osmibitových kódování existoval společný česko-slovenský stát, proto bylo žádoucí vytvořit společnou znakovou sadu pro češtinu a slovenštinu. Pro zápis slovenštiny se používá abeceda rozšířená o 17 malých a 17 velkých písmen s diakritikou a složená písmena dz, dž a ch. Spolu se 2 malými a 2 velkými německými písmeny (ö, ü, Ö, Ü), která se často používají pro zápis německých jmen, to představuje rozšíření abecedy o 22 malých a 22 velkých písmen. Dohromady je použito 96 písmen, což je více než počet tisknutelných znaků v kódování ASCII. KOI-8čs navíc obsahuje ještě francouzské à, À.

Převážná většina kódování znaků vychází z kódu ASCII. Normy Mezinárodní organizace pro normalizaci ISO/IEC 646, Mezinárodního poradního sboru pro telefon a telegraf T.50 a Ecma International ECMA-6 popisují pravidla pro vytváření sedmibitových národních kódování na bázi kódu ASCII. Podle těchto pravidel lze některé v textech málo používané speciální znaky nahradit národními znaky a tak rozšířit základní latinskou abecedu nejvýše o 10 písmen. Kromě toho je možné několik speciálních znaků nahradit speciálními znaky používanými v příslušném jazyce. Toto řešení neposkytuje dostatek znaků potřebných pro češtinu. V jazycích, které tolik znaků nepotřebují (např. němčina), je sice vhodné pro běžné texty, ale kvůli nahrazení speciálních znaků (především hranatých a složených závorek, svislé čáry a zpětného lomítka) znaky s diakritikou mění zápis programů v nesrozumitelnou změť znaků. Řada programovacích jazyků umožňuje nahradit chybějící znaky posloupnostmi běžnějších znaků, vhodnějším řešením je používání osmibitových kódování, které přebírají prvních 128 kódů z ASCII, nebo používání Unicode.

Pro češtinu a se používala celá řada osmibitových kódování; většího rozšíření dosáhla následující:

kódování	komentář
ISO 8859-2 (ISO Latin 2)	Standard ISO používaný pouze v unixových operačních systémech, v elektronické poště a v menší míře na WWW.
Windows-1250	Kód používaný firmou Microsoft v operačních systémech Windows pro kódování středoevropských jazyků (i ve Windows 7 a 8).
CP852 (PC Latin2)	Kód vytvořený firmou IBM používaný např. v operačním systému DOS.
Mac CE	Kód používaný firmou Apple pro středoevropské jazyky v operačním systému MacOS.
Kód Kamenických	Oblíbené neoficiální kódování používané v DOSu pro potřeby češtiny a slovenštiny.
KOI8-ČS	Nejstarší kódování češtiny a slovenštiny definované československou státní normou ČSN 36 9103 pro řadu počítačů JSEP.
Kódování Cork	Kódování fontů používané programem TeX.

Nedostatkem kódování KOI-8čs byla jeho použitelnost pouze pro češtinu a slovenštinu. Kódování ISO 8859-2 ISO mělo teoreticky před nástupem Unicode představovat preferované kódování pro jazyky střední a východní Evropy. Protože převládající operační systémy používaly jiná kódování (MS-DOS kódovou stránku CP852, Windows kódování Windows-1250 a MacOS kódování Mac CE), bylo ISO 8859-2 v praxi používáno pouze v unixových operačních systémech, v elektronické poště a v menší míře na WWW.

Kódování Windows-1250 (někdy označované též CP1250) se v několika znacích liší od ISO 8859-2; naneštěstí pro češtinu se jedná o často používané znaky Š, š, Ž, ž a znaky Ť, ť a slovenské Ľ a ľ. Kódování CP-852 používané primárně v DOSu využívají dodnes česká Windows při zadávání speciálních znaků pomocí alt-kódů. Pokud se například po stisknutí klávesy Alt na numerické klávesnici vyťuká číslo 248 a pak se klávesa Alt pustí, objeví se na obrazovce znak ° pro stupeň, který má v tabulce znaků kód 248 (hexadecimálně F8).

Kód Kamenických (též KEYBCS2) je neoficiální kódování používané v DOSu pro potřeby češtiny a slovenštiny. Rozšířilo se díky ovladači klávesnice a programu pro nastavení znaků na adaptérech EGA a VGA, které dodávalo JZD Slušovice s počítači PC, a také díky tomu, že zachovávalo všechny semigrafické znaky, které se používaly pro vytváření rámečků a tabulek v textových režimech. Navíc na počítačích, jejichž videoadaptéry neumožňovaly změnu znakové sady, se při použití tohoto kódování místo chybějících českých znaků zobrazovaly tvarově podobné znaky.

Kódy českých a slovenských znaků

Následující tabulka shrnuje kódy českých a slovenských znaků s diakritikou v různých standardech:

Kódování	ISO8859-2		Windows-1250		CP852		Kamenických		Mac CE		Cork		UTF-8		UTF-16 BE
Znak	dec	hex	dec	hex	dec	hex	dec	hex	dec	hex	dec	hex	dec	hex	dec	hex
Á	193	C1	193	C1	181	B5	143	8F	231	E7	193	C1	195 129	C3 A1	0 193	00 C1
Ä	196	C4	196	C4	142	8E	142	8E	128	80	196	C4	195 132	C3 84	0 196	00 C4
Č	200	C8	200	C8	172	AC	128	80	137	89	131	83	196 140	C4 8C	1 12	01 0C
Ď	207	CF	207	CF	210	D2	133	85	145	91	132	84	196 142	C4 8E	1 14	01 0E
É	201	C9	201	C9	144	90	144	90	131	83	201	C9	195 137	C3 A9	0 201	00 C9
Ě	204	CC	204	CC	183	B7	137	89	157	9D	133	85	196 154	C4 9A	1 26	01 1A
Í	205	CD	205	CD	214	D6	139	8B	234	EA	205	CD	195 141	C3 8D	0 205	00 CD
Ĺ	197	C5	197	C5	145	91	138	8A	189	BD	136	88	196 185	C4 B9	1 57	01 39
Ľ	165	A5	188	BC	149	95	156	9C	187	BB	137	89	196 189	C4 BD	1 61	01 3D
Ň	210	D2	210	D2	213	D5	165	A5	197	C5	140	8C	197 135	C5 87	1 71	01 47
Ó	211	D3	211	D3	224	E0	149	95	238	EE	211	D3	195 147	C3 93	0 211	00 D3
Ô	212	D4	212	D4	226	E2	167	A7	239	EF	212	D4	195 148	C3 94	0 212	00 D4
Ö	214	D6	214	D6	153	99	153	99	133	85	214	D6	195 150	C3 96	0 214	00 D6
Ŕ	192	C0	192	C0	232	E8	171	AB	217	D9	143	CF	197 148	C5 94	1 84	01 54
Ř	216	D8	216	D8	252	FC	158	9E	219	DB	193	C1	197 152	C5 98	1 88	01 58
Š	169	A9	138	8A	230	E6	155	9B	225	E1	145	92	197 160	C5 A0	1 96	01 60
Ť	171	AB	141	8D	155	9B	134	86	232	E8	147	94	197 164	C5 A4	1 100	01 64
Ú	218	DA	218	DA	233	E9	151	97	242	F2	218	DA	195 154	C3 9A	0 218	00 DA
Ů	217	D9	217	D9	222	DE	166	A6	241	F1	151	97	197 174	C5 AE	1 110	01 6E
Ü	220	DC	220	DC	154	9A	154	9A	134	86	220	DC	195 156	C3 9C	0 220	00 DC
Ý	221	DD	221	DD	237	ED	157	9D	248	F8	221	DD	195 157	C3 9D	0 221	00 DD
Ž	174	AE	142	8E	166	A6	146	92	235	EB	154	9A	197 189	C5 BD	1 125	01 7D
á	225	E1	225	E1	160	A0	160	A0	135	87	225	E1	195 161	C3 A1	0 225	00 E1
ä	228	E4	228	E4	132	84	132	84	138	8A	228	E4	195 164	C3 A4	0 228	00 E4
č	232	E8	232	E8	159	9F	135	87	139	8B	163	A3	196 141	C4 8D	1 13	01 0D
ď	239	EF	239	EF	212	D4	131	83	147	93	165	A5	196 143	C4 8F	1 15	01 0F
é	233	E9	233	E9	130	82	130	82	142	8E	233	E9	195 169	C3 A9	0 233	00 E9
ě	236	EC	236	EC	216	D8	136	88	158	9E	165	A5	196 155	C4 9B	1 27	01 1B
í	237	ED	237	ED	161	A1	161	A1	146	92	237	ED	195 173	C3 AD	0 237	00 ED
ĺ	229	E5	229	E5	146	92	141	8D	190	BE	168	A8	196 186	C4 BA	1 58	01 3A
ľ	181	B5	190	BE	150	96	140	8C	188	BC	169	A9	196 190	C4 BE	1 62	01 3E
ň	242	F2	242	F2	229	E5	164	A4	203	CB	172	AC	197 136	C5 88	1 72	01 48
ó	243	F3	243	F3	162	A2	162	A2	151	97	243	F3	195 179	C3 B3	0 243	00 F3
ô	244	F4	244	F4	147	93	147	93	153	99	244	F4	195 180	C3 B4	0 244	00 F4
ö	246	F6	246	F6	148	94	148	94	154	9A	246	F6	195 182	C3 B6	0 246	00 F6
ŕ	224	E0	224	E0	234	EA	170	AA	218	DA	175	AF	197 149	C5 95	1 85	01 55
ř	248	F8	248	F8	253	FD	169	A9	222	DE	176	B0	197 153	C5 99	1 89	01 59
š	185	B9	154	9A	231	E7	168	A8	228	E4	178	B2	197 161	C5 A1	1 97	01 61
ť	187	BB	157	9D	156	9C	159	9F	233	E9	180	B4	197 165	C5 A5	1 101	01 65
ú	250	FA	250	FA	163	A3	163	A3	156	9C	250	FA	195 186	C3 BA	0 250	00 FA
ů	249	F9	249	F9	133	85	150	96	243	F3	183	B7	197 175	C5 AF	1 111	01 6F
ü	252	FC	252	FC	129	81	129	81	159	9F	252	FC	195 188	C3 BC	0 252	00 FC
ý	253	FD	253	FD	236	EC	152	98	249	F9	253	FD	195 189	C3 BD	0 253	00 FD
ž	190	BE	158	9E	167	A7	145	91	236	EC	186	BA	197 190	C5 BE	1 126	01 7E

Odkazy

Související články

• Česká abeceda
• Kódování znaků
• ASCII
• ISO 8859-2
• Windows-1250
• CP852
• KOI8-ČS
• Kódování Cork
• Unicode
• ISO/IEC 10646

Externí odkazy

• Přehled kódování češtiny na webu www.cestina.cz
• Proč právě ISO-8859-2? na webu www.cestina.cz
• The Czech and Slovak Character Encoding Mess Explained Lukase Petrlika
• Převodníky kódování češtiny
• IANA Registry of Character Sets