Código de script indiano para intercâmbio de informações - Indian Script Code for Information Interchange

Este artigo contém texto índico . Sem o suporte de renderização adequado , você pode ver pontos de interrogação ou caixas , vogais mal colocadas ou conjunções ausentes em vez de texto índico.

O Código de Script Indiano para Intercâmbio de Informações ( ISCII ) é um esquema de codificação para representar vários sistemas de escrita da Índia . Ele codifica as principais escritas índicas e uma transliteração romana. Os scripts suportados são: Assamês , Bengali (Bangla) , Devanagari , Gujarati , Gurmukhi , Kannada , Malayalam , Oriya , Tamil e Telugu . O ISCII não codifica os sistemas de escrita da Índia baseados no persa , mas seus códigos de troca de sistema de escrita fornecem, no entanto, para Caxemira , Sindi , Urdu , Persa , Pashto e Árabe . Os sistemas de escrita baseados em persa foram subsequentemente codificados na codificação PASCII .

O ISCII não foi amplamente usado fora de certas instituições governamentais, embora uma variante sem o mecanismo ATR tenha sido usada no Mac OS clássico e agora tenha se tornado amplamente obsoleto pelo Unicode . O Unicode usa um bloco separado para cada sistema de escrita índico e preserva amplamente o layout ISCII dentro de cada bloco.

Fundo

Os sistemas de escrita derivados de Brahmi têm estrutura semelhante. Portanto, o ISCII codifica letras com o mesmo valor fonético no mesmo ponto de código, sobrepondo os vários scripts. Por exemplo, os códigos ISCII 0xB3 0xDB representam [ki]. Será traduzido como കി em Malayalam , कि em Devanagari, como ਕਿ em Gurmukhi e como கி em Tamil. O sistema de escrita pode ser selecionado em rich text por marcação ou em texto simples por meio do código ATR descrito a seguir.

Uma motivação para o uso de uma única codificação é a ideia de que ela permitirá uma fácil transliteração de um sistema de escrita para outro. No entanto, existem incompatibilidades suficientes para que esta não seja realmente uma ideia prática.

ISCII é uma codificação de 8 bits. Os 128 pontos de código inferiores são ASCII simples , os 128 pontos de código superiores são específicos do ISCII. Além dos pontos de código que representam caracteres, o ISCII usa um ponto de código com ATR mnemônico que indica que o byte a seguir contém um dos dois tipos de informação. Um conjunto de valores muda o sistema de escrita até o próximo indicador ou fim de linha do sistema de escrita. Outro conjunto de valores seleciona os modos de exibição, como negrito e itálico. O ISCII não fornece um meio de indicar o sistema de gravação padrão.

Layout de página de código

A tabela a seguir mostra o conjunto de caracteres para Devanagari . Os conjuntos de códigos para Assamês, Bengali, Gujarati, Gurmukhi, Kannada, Malayalam, Oriya, Tamil e Telugu são semelhantes, com cada forma Devanagari substituída pela forma equivalente em cada sistema de escrita . Cada caractere é mostrado com seu código decimal e seu equivalente Unicode .

  Carta   Número   Pontuação   Símbolo   Outro   Indefinido

Pontos de código especiais

Caractere INV - ponto de código D9 (217)

O caractere INV (consoante invisível) é usado como uma pseudo-consoante para exibir elementos combinados de forma isolada. Por exemplo, क (ka) + ् (halant) + INV = क्‍ (meio ka). O equivalente Unicode é U + 200D ZERO WIDTH JOINER ( ZWJ ). No entanto, conforme observado abaixo , o caractere halant ISCII pode ser duplicado ou combinado com o nukta ISCII para obter efeitos criados por ZWNJ ou ZWJ em Unicode. Por esta razão, a Apple mapeia o caráter ISCII INV para o Unicode da esquerda para a direita marca , de modo a garantir -tropeçando rodada .

Caractere ATR - ponto de código EF (239)

O caractere ATR (atributo) seguido por um código de byte é usado para alternar para um atributo de fonte diferente (como negrito) ou para um idioma ISCII ou PASCII diferente (como bengali), até a próxima sequência ATR ou o final do linha. Não tem equivalente Unicode direto, pois os atributos de fonte não fazem parte do Unicode e cada script tem um conjunto distinto de pontos de código.

Caractere EXT - ponto de código F0 (240)

O caractere EXT (extensões para Védico) seguido por um código de byte indica um sotaque Védico. Não tem equivalente Unicode direto, pois os acentos védicos são atribuídos a pontos de código distintos.

Caráter Halant ्— ponto de código E8 (232)

O caractere halant remove a vogal implícita de uma consoante e é usado entre consoantes para representar consoantes conjuntas. Por exemplo, क (ka) + ् (halant) + त (ta) = क्त (kta). A sequência ् (halant) + ् (halant) exibe um conjunto com um halant explícito, por exemplo क (ka) + ् (halant) + ् (halant) + त (ta) = क्‌त. A sequência ् (halant) + ़ (nukta) exibe um conjunto com meias consoantes, se disponível, por exemplo क (ka) + ् (halant) + ़ (nukta) + त (ta) = क्‍त.

Caractere Nukta ़— ponto de código E9 (233)

O caractere nukta após outro caractere ISCII é usado para uma série de caracteres mais raros que não existem no conjunto ISCII principal. Por exemplo, क (ka) + ़ (nukta) = क़ (qa). Esses caracteres têm formas pré-compostas em Unicode, conforme mostrado na tabela a seguir.

Páginas de código para conversão ISCII

Para converter de Unicode (UTF-8) em uma codificação ISCII / ANSI, as seguintes páginas de código podem ser usadas:

• 57002: Devanágari (hindi, marati, sânscrito, concani)
• 57003: bengali
• 57004: Tamil
• 57005: Telugu
• 57006: assamês
• 57007: Odia
• 57008: Kannada
• 57009: Malayalam
• 57010: Gujarati
• 57011: Punjabi (Gurmukhi)

Pontos de código para todos os idiomas

Referências

links externos

• Conversores de / para ISCII para / de várias fontes
• O padrão ISCII 1991 (PDF)
• Padma - extensão Mozilla para transformar ISCII em Unicode
• Padma - Transformador de ISCII para Unicode para Telugu
• Script PHP para ISCII de e para Unicode