Algoritmos e Estruturas de Dados III - AED3 03 03 Codificação de caracteres

Videoaula da disciplina Algoritmos e Estruturas de Dados III no curso de Ciência da Computação da PUC Minas - 2021 ---------------------- Uma codificação de caracteres é uma forma de dizer qual é o valor numérico cada caractere (ou símbolo) disponível em um determinado sistema. Geralmente esses valores numéricos são representados de forma binária. ---------------------- Todas as informações armazenadas nos computadores, independentemente dos seus tipos, devem ser armazenas como sequências de um ou mais bytes. Um texto, por exemplo, é composto por caracteres e cada caractere é armazenado como byte. Já uma imagem é composta por uma sequência de pixels e cada pixel também é composto por alguns bytes. Cada byte é uma sequência de 8 bits. Tomemos, por exemplo, o byte 01000001. Esse número binário corresponde a 65 no sistema decimal e a 0x41 no sistema hexadecimal. Além do seu valor como número, esse byte também é usado para identificar a letra A (maiúscula). Esse mapeamento do valor 65 (ou do número binário 01000001) na letra A faz parte da codificação ASCII, que é a codificação de caracteres básica mais usada nos sistemas computacionais. Como você deve imaginar, essa codificação usa o valor 66 para a letra B, o valor 67 para a letra C e assim em diante. As letras minúsculas começam a partir do valor 97 (a = 97; b = 98; c = 99; ...). Enfim, uma codificação de caracteres nada mais é do que o mapeamento de caracteres em números exclusivos. Na verdade, não apenas as letras do alfabeto são codificadas, mas também os dígitos, os sinas de pontuação, os símbolos matemáticos e muito mais. E essas codificações para essenciais para que possamos trabalharmos com textos nos computadores (já que eles só lidam com bytes). O problema é não existe só uma codificação e isso já gerou muita confusão na troca de dados entre países (especialmente na navegação por sites de países que adotam outros idiomas). Para resolver essa confusão, várias organizações se uniram para criar uma codificação universal, que recebeu o nome de Unicode (e a organização recebeu o nome de Unicode Consortium). Bem, na verdade, eles criaram mais de uma codificação de caracteres e, assim, dizemos que eles criaram um sistema de codificação de caracteres. Provavelmente em todos os sistemas que você venha a desenvolver usarão a UTF-8 na codificação dos caracteres. Por hora, é apenas importante guardar a recomendação se usá-la sempre (é quase que uma obrigação) e se lembrar que a UTF-8 é uma codificação de tamanho variável. Assim, não dá para dizer que uma string de 10 caracteres gaste 10 bytes. Isso dependerá dos caracteres que essa string contém. Caracteres simples (que fazem parte da ASCII) usarão apenas 1 byte e as letras acentuadas gastarão 2 bytes. Quanto aos símbolos especiais, será necessário consultar o site do Unicode para ver quantos bytes cada símbolo usa.