ASCII-Zeichensatz

American Standard Code for Information Interchange (ASCII, alternativ US-ASCII, oft [æski] ausgesprochen) ist eine 7-Bit-Zeichenkodierung und bildet die US-Variante von ISO 646 sowie die Grundlage für spätere mehrbittige Zeichensätze und -kodierungen.

ASCII, auch als ANSI X3.4-1986 bezeichnet, wurde im Jahr 1967 erstmals als Standard veröffentlicht und im Jahr 1986 zuletzt aktualisiert. Die Zeichenkodierung definiert 128 Zeichen, bestehend aus 33 nicht-druckbaren sowie 95 druckbaren. Letztere sind, beginnend mit dem Leerzeichen:

␣!"#$%&'()*+,-./0123456789:;<=>?

@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_

`abcdefghijklmnopqrstuvwxyz{|}~

Die Zeichen umfassen das lateinische Alphabet in Groß- und Kleinschreibung, die zehn arabischen Ziffern sowie einige Satz- und Steuerzeichen. Der Zeichenvorrat entspricht weitgehend dem einer Tastatur oder Schreibmaschine für die englische Sprache. In Computern und anderen elektronischen Geräten, die Text darstellen, wird dieser in der Regel gemäß ASCII oder abwärtskompatibel (z. B. ISO 8859, UTF-8) dazu gespeichert.

Kodierung

Jedem Zeichen wird ein Bitmuster aus 7 Bit zugeordnet. Da jedes Bit zwei Werte annehmen kann, gibt es 2⁷ = 128 verschiedene Bitmuster, die auch als die ganzen Zahlen 0–127 (hexadezimal 00–7F) interpretiert werden können.

In anderen als der englischen Sprache verwendete Sonderzeichen – wie beispielsweise die deutschen Umlaute – können mit dem 7-Bitcode nicht vollständig dargestellt werden; dafür würden 8 bis 16 Bit benötigt. Die Datenverarbeitung benutzt in der Regel 8 Bit oder ein Byte als kleinste Einheit zur Datenspeicherung. Das höchstwertige Bit in jedem Byte ist bei Verwendung von ASCII auf den Wert 0 gesetzt.

Die Buchstaben A, B und C als Sieben-Bit-Code

Schriftzeichen	Dezimal	Hexadezimal	Binär
A	65	41	(0)1000001
B	66	42	(0)1000010
C	67	43	(0)1000011
…	…	…	…

Es kann auch für Fehlerkorrekturzwecke (Paritätsbit) auf den Kommunikationsleitungen oder für andere Steuerungsaufgaben verwendet werden. Heute wird es aber fast immer zur Erweiterung von ASCII auf einen 8-Bit-Code verwendet. Diese Erweiterungen sind mit dem ursprünglichen ASCII weitgehend kompatibel, so dass alle im ASCII definierten Zeichen auch in den verschiedenen Erweiterungen durch die gleichen Bitmuster kodiert werden. Die Erweiterungen unterscheiden sich je nach Hard- und Software und sind länderspezifisch.

Geschichte

Eine Form der Zeichenkodierung war der Morsecode. Er wurde mit der Einführung von Fernschreibern aus den Telegrafennetzen verdrängt und durch den Baudot-Code und Murray-Code ersetzt. Vom Fünf-Bit-Murray-Code zum Sieben-Bit-ASCII war es dann nur noch ein kleiner Schritt – auch ASCII wurde zuerst für bestimmte amerikanische Fernschreiber-Modelle, wie den Teletype ASR33, eingesetzt. In den Anfängen des Computerzeitalters entwickelte sich ASCII zum Standard-Code für Schriftzeichen. Als Beispiel wurden viele Bildschirme (z. B. VT100) und Drucker nur mit ASCII angesteuert.

ASCII diente ursprünglich der Darstellung von Schriftzeichen der englischen Sprache. Die erste Version, noch ohne Kleinbuchstaben und mit kleinen Abweichungen vom heutigen ASCII, entstand im Jahr 1963. 1968 wurde dann der bis heute gültige ASCII festgelegt. Um später auch Sonderzeichen anderer Sprachen darstellen zu können (z. B. deutsche Umlaute), nahmen neue Kodierungen mit acht Bit pro Zeichen ASCII als kompatible Grundlage. Allerdings boten auch Acht-Bit-Codes, in denen ein Byte für ein Zeichen stand, zu wenig Platz, um alle Zeichen der menschlichen Schriftkultur gleichzeitig unterzubringen. Dadurch wurden mehrere verschiedene spezialisierte Erweiterungen notwendig. Daneben existieren vor allem für den ostasiatischen Raum einige ASCII-kompatible Kodierungen, die entweder zwischen verschiedenen Codetabellen umschalten oder mehr als ein Byte für jedes Nicht-ASCII-Zeichen benötigen.^[1] Keine dieser Acht-Bit-Erweiterungen ist aber „ASCII“, denn das bezeichnet nur den einheitlichen Sieben-Bit-Code.

Für die Kodierung lateinischer Zeichen wird fast nur noch im Großrechnerbereich eine zu ASCII inkompatible Kodierung verwendet (EBCDIC).

Zusammensetzung

ASCII-Codetabelle, hexadezimale Nummerierung

Code	…0	…1	…2	…3	…4	…5	…6	…7	…8	…9	…A	…B	…C	…D	…E	…F
0…	NUL	SOH	STX	ETX	EOT	ENQ	ACK	BEL	BS	HT	LF	VT	FF	CR	SO	SI
1…	DLE	DC1	DC2	DC3	DC4	NAK	SYN	ETB	CAN	EM	SUB	ESC	FS	GS	RS	US
2…	SP	!	"	#	$	%	&	'	(	)	*	+	,	-	.	/
3…	0	1	2	3	4	5	6	7	8	9	:	;	<	=	>	?
4…	@	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
5…	P	Q	R	S	T	U	V	W	X	Y	Z	[	\	]	^	_
6…	`	a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
7…	p	q	r	s	t	u	v	w	x	y	z	{	|	}	~	DEL

Die ersten 32 ASCII-Zeichencodes (von 00 bis 1F) sind für Steuerzeichen (control character) reserviert; siehe dort für die Erklärung der Abkürzungen in obiger Tabelle. Das sind Zeichen, die keine Schriftzeichen darstellen, sondern die zur Steuerung von solchen Geräten dienen (oder dienten), die den ASCII verwenden (etwa Drucker). Steuerzeichen sind beispielsweise der Wagenrücklauf für den Zeilenumbruch oder Bell (die Glocke); ihre Definition ist historisch begründet.

Code 20 (SP) ist das Leerzeichen (engl. space oder blank), das in einem Text als Leer- und Trennzeichen zwischen Wörtern verwendet und auf der Tastatur durch die Leertaste erzeugt wird.

Die Codes 21 bis 7E sind alle druckbaren Zeichen, die sowohl Buchstaben, Ziffern und Satzzeichen (siehe Tabelle) enthalten.

Code 7F (alle sieben Bits auf eins gesetzt) ist ein Sonderzeichen, das auch als „Löschzeichen“ bezeichnet wird (DEL). Dieser Code wurde früher wie ein Steuerzeichen verwendet, um auf Lochstreifen oder Lochkarten ein bereits gelochtes Zeichen nachträglich durch das Setzen aller Bits, d. h. durch Auslochen aller sieben Markierungen, löschen zu können – einmal vorhandene Löcher kann man schließlich nicht mehr rückgängig machen. Bereiche ohne Löcher (also mit dem Code 00) fanden sich am Anfang und Ende eines Lochstreifens (NUL).

Aus diesem Grund gehörten zum eigentlichen ASCII-Code nur 126 Zeichen, denn den Bitmustern 0 (0000000) und 127 (1111111) entsprachen keine Zeichencodes. Der Kodierung 0 wurde später auch die Bedeutung „Ende der Zeichenkette“ beigelegt, und dem Zeichen 127 wurden verschiedene grafische Symbole zugeordnet.

Erweiterungen

ASCII enthält keine diakritischen Zeichen, die in fast allen Sprachen auf der Basis des lateinischen Alphabets verwendet werden. Der internationale Standard ISO 646 (1972) war der erste Versuch, dieses Problem anzugehen, was allerdings zu Kompatibilitätsproblemen führte. Er ist immer noch ein Sieben-Bit-Code, und weil keine anderen Codes verfügbar waren, wurden einige Codes in neuen Varianten verwendet.

So ist etwa die ASCII-Position 93 für die rechte eckige Klammer (]) in der deutschen Zeichensatz-Variante ISO 646-DE durch das große U mit Trema (Umlaut) (Ü) und in der dänischen Variante ISO 646-DK durch das große A mit Ring (Kroužek) (Å) ersetzt. Bei der Programmierung mussten dann die in vielen Programmiersprachen benutzten eckigen Klammern durch die entsprechenden nationalen Sonderzeichen ersetzt werden. Das verringerte die Lesbarkeit des Programmcodes und führte oft zu ungewollt komischen Ergebnissen, indem etwa die Einschaltmeldung des Apple II von „APPLE ][“ zu „APPLE ÜÄ“ mutierte.

Verschiedene Hersteller entwickelten eigene Acht-Bit-Codes. Der Codepage 437 genannte Code war lange Zeit der am weitesten verbreitete, er kam auf dem IBM-PC unter MS-DOS, und kommt heute noch in DOS- oder Eingabeaufforderungsfenstern von Microsoft Windows, zur Anwendung.

Auch bei späteren Standards wie ISO 8859 wurden acht Bits verwendet. Dabei existieren mehrere Varianten, zum Beispiel ISO 8859-1 für die westeuropäischen Sprachen. Deutschsprachige Versionen von Windows (außer DOS-Fenster) verwenden die auf ISO 8859-1 aufbauende Kodierung Windows-1252 – daher sehen z. B. bei unter DOS erstellten Textdateien die deutschen Umlaute falsch aus, wenn man sie unter Windows ansieht. Fälschlicherweise wird für die diversen Acht-Bit-Codes oft der Begriff „ANSI-Code“ pauschal verwendet.

Viele ältere Programme, die das achte Bit für eigene Zwecke verwendeten, konnten damit nicht umgehen. Sie wurden im Laufe der Zeit oft den neuen Erfordernissen angepasst.

Um den verschiedenen Anforderungen der verschiedenen Sprachen gerecht zu werden, wurde der Unicode (in seinem Zeichenvorrat identisch mit ISO 10646) entwickelt. Er verwendet bis zu 32 Bit pro Zeichen und könnte somit über vier Milliarden verschiedene Zeichen unterscheiden, wird jedoch auf etwa 1 Million erlaubte Code-Werte eingeschränkt. Damit können alle bislang von Menschen verwendeten Schriftzeichen dargestellt werden, sofern sie in den Unicode-Standard aufgenommen wurden. UTF-8 ist eine 8-Bit-Kodierung von Unicode, die zu ASCII abwärtskompatibel ist. Ein Zeichen kann dabei ein bis vier 8-Bit-Wörter einnehmen. Sieben-Bit-Varianten müssen nicht mehr verwendet werden, dennoch kann Unicode auch mit Hilfe von UTF-7 in sieben Bit kodiert werden. UTF-8 entwickelt sich zur Zeit (2005) zum einheitlichen Standard unter den meisten Betriebssystemen. So nutzen unter anderem Apples Mac OS X sowie einige Linux-Distributionen standardmäßig UTF-8 und immer mehr Webseiten werden in UTF-8 erstellt.

ASCII enthält nur wenige Zeichen, die allgemein verbindlich zur Formatierung oder Strukturierung von Text verwendet werden; diese gingen aus den Steuerbefehlen der Fernschreiber hervor. Hierzu zählen insbesondere der Zeilenvorschub (Linefeed), der Wagenrücklauf (Carriage Return), der horizontale Tabulator, der Seitenvorschub (Form Feed) und der vertikale Tabulator. In typischen ASCII-Textdateien findet sich neben den druckbaren Zeichen meist nur noch der Wagenrücklauf oder der Zeilenvorschub, um das Zeilenende zu markieren, wobei in DOS- und Windows-Systemen üblicherweise beide nacheinander verwendet werden, bei älteren Apple- und Commodore-Rechnern (ohne Amiga) nur der Wagenrücklauf, auf Unix-artigen Systemen sowie Amiga-Systemen nur der Zeilenvorschub. Die Verwendung weiterer Zeichen zur Textformatierung ist bei verschiedenen Anwendungsprogrammen zur Textverarbeitung unterschiedlich. Zur Formatierung von Text werden inzwischen eher Markup-Sprachen wie z. B. HTML verwendet.

Kompatible Zeichenkodierungen

Viele Zeichenkodierungen sind so entworfen, dass sie für Zeichen im Bereich 0…127 den gleichen Code verwenden wie ASCII und den Bereich über 127 für weitere Zeichen benutzen.

Kodierungen mit fester Länge (Auswahl)

Hier steht eine feste Anzahl Bytes für jeweils ein Zeichen. In den meisten Kodierungen ist das ein Byte pro Zeichen, bei den ostasiatischen Schriften zwei oder mehr Byte pro Zeichen.

• ISO 8859 mit 15 verschiedenen Zeichenkodierungen zur Abdeckung aller europäischen Sprachen (einschließlich Türkisch) und Arabisch, Hebräisch sowie Thai
• MacRoman, MacCyrillic und andere proprietäre Zeichensätze für Apple Mac Computer vor Mac OS X.
• Windows- und DOS-Codepages, z. B. Windows-1252
• KOI8-R für Russisch und KOI8-U für Ukrainisch
• ARMSCII-8 und ARMSCII-8a für Armenisch
• GEOSTD für Georgisch
• ISCII für alle indischen Sprachen
• TSCII für Tamil

Kodierungen mit variabler Länge

Um mehr Zeichen kodieren zu können, werden die Zeichen 0…127 in einem Byte kodiert, andere Zeichen werden durch mehrere Bytes mit Werten von über 127 kodiert.

• UTF-8 für Unicode
• Big 5 für traditionelles Chinesisch (Taiwan, Auslandschinesen)
• EUC (Extended UNIX Coding) für mehrere ostasiatische Sprachen.
• GB (Guojia Biaozhun) für vereinfachtes Chinesisch (VR China)

ASCII-Tabelle

Die ASCII-Tabelle enthält alle Kodierungen des ASCII-Zeichensatzes; siehe Steuerzeichen für die Bedeutung der Abkürzungen in der rechten Spalte:

Dez Hex Okt 0 0x00 000 NUL 1 0x01 001 SOH 2 0x02 002 STX 3 0x03 003 ETX 4 0x04 004 EOT 5 0x05 005 ENQ 6 0x06 006 ACK 7 0x07 007 BEL 8 0x08 010 BS 9 0x09 011 TAB 10 0x0A 012 LF 11 0x0B 013 VT 12 0x0C 014 FF 13 0x0D 015 CR 14 0x0E 016 SO 15 0x0F 017 SI 16 0x10 020 DLE 17 0x11 021 DC1 18 0x12 022 DC2 19 0x13 023 DC3 20 0x14 024 DC4 21 0x15 025 NAK 22 0x16 026 SYN 23 0x17 027 ETB 24 0x18 030 CAN 25 0x19 031 EM 26 0x1A 032 SUB 27 0x1B 033 ESC 28 0x1C 034 FS 29 0x1D 035 GS 30 0x1E 036 RS 31 0x1F 037 US

Dez Hex Okt 32 0x20 040 SP 33 0x21 041  ! 34 0x22 042 " 35 0x23 043 # 36 0x24 044 $ 37 0x25 045  % 38 0x26 046 & 39 0x27 047 ' 40 0x28 050 (  41 0x29 051  ) 42 0x2A 052 * 43 0x2B 053 + 44 0x2C 054 , 45 0x2D 055 - 46 0x2E 056 . 47 0x2F 057 / 48 0x30 060 0 49 0x31 061 1 50 0x32 062 2 51 0x33 063 3 52 0x34 064 4 53 0x35 065 5 54 0x36 066 6 55 0x37 067 7 56 0x38 070 8 57 0x39 071 9 58 0x3A 072  : 59 0x3B 073  ; 60 0x3C 074 < 61 0x3D 075 = 62 0x3E 076 > 63 0x3F 077  ?

Dez Hex Okt 64 0x40 100 @ 65 0x41 101 A 66 0x42 102 B 67 0x43 103 C 68 0x44 104 D 69 0x45 105 E 70 0x46 106 F 71 0x47 107 G 72 0x48 110 H 73 0x49 111 I 74 0x4A 112 J 75 0x4B 113 K 76 0x4C 114 L 77 0x4D 115 M 78 0x4E 116 N 79 0x4F 117 O 80 0x50 120 P 81 0x51 121 Q 82 0x52 122 R 83 0x53 123 S 84 0x54 124 T 85 0x55 125 U 86 0x56 126 V 87 0x57 127 W 88 0x58 130 X 89 0x59 131 Y 90 0x5A 132 Z 91 0x5B 133 [ 92 0x5C 134 \ 93 0x5D 135 ] 94 0x5E 136 ^ 95 0x5F 137 _

Dez Hex Okt 96 0x60 140 ` 97 0x61 141 a 98 0x62 142 b 99 0x63 143 c 100 0x64 144 d 101 0x65 145 e 102 0x66 146 f 103 0x67 147 g 104 0x68 150 h 105 0x69 151 i 106 0x6A 152 j 107 0x6B 153 k 108 0x6C 154 l 109 0x6D 155 m 110 0x6E 156 n 111 0x6F 157 o 112 0x70 160 p 113 0x71 161 q 114 0x72 162 r 115 0x73 163 s 116 0x74 164 t 117 0x75 165 u 118 0x76 166 v 119 0x77 167 w 120 0x78 170 x 121 0x79 171 y 122 0x7A 172 z 123 0x7B 173 { 124 0x7C 174 | 125 0x7D 175 } 126 0x7E 176 ~ 127 0x7F 177 DEL

Siehe auch

• EBCDIC
• Textdatei
• ASCII-Art

Weblinks

• Erläuterungen zu den Steuerzeichen (englisch)
• ASCII Konvertierung

Quellenangaben

1. ↑ Grundlagen der technischen Informatik für Technische Informatiker, HAW Hamburg (PDF)