La table ASCII : comment 128 nombres sont devenus le fondement du texte
L'ASCII, abréviation de American Standard Code for Information Interchange, est l'encodage qui a appris aux ordinateurs à se mettre d'accord sur ce qu'est une lettre. Publié en 1963 et affiné tout au long des années 1960, il associe chaque caractère de base du texte anglais, les chiffres et une poignée de signaux de contrôle à des nombres qu'une machine peut stocker et transmettre. Lorsque vous appuyez sur la touche du A majuscule, votre ordinateur ne stocke pas une forme, il stocke le nombre 65. L'ASCII est la table de correspondance qui fait que ce nombre signifie A partout où il circule.
La norme est célèbre pour sa compacité. L'ASCII est un code à 7 bits, ce qui signifie que chaque caractère tient dans sept chiffres binaires et que l'ensemble du répertoire couvre exactement 2 puissance 7, soit 128 points de code distincts numérotés de 0 à 127. Cette économie était délibérée. Les premiers téléscripteurs et modems étaient lents et coûteux, alors chaque bit comptait. Sept bits suffisaient à couvrir les lettres latines majuscules et minuscules, les dix chiffres, la ponctuation courante et les caractères de signalisation qui maintenaient les appareils synchronisés, avec un bit restant que beaucoup de systèmes utilisaient pour le contrôle d'erreur.
Deux moitiés : caractères de contrôle et caractères imprimables
La table se divise nettement en deux régions. Les codes 0 à 31, plus le code 127 (DEL), sont les caractères de contrôle. Ils n'impriment aucun glyphe à l'écran. Ils ordonnent plutôt à un appareil de faire quelque chose : le code 9 est une tabulation horizontale, le code 10 est le saut de ligne qui passe à une nouvelle ligne, le code 13 est le retour chariot, et le code 7 est la sonnerie qui faisait autrefois tinter un terminal de façon audible. Trente-trois de ces codes de signalisation existent au total, et bien que beaucoup soient désormais des curiosités historiques, le saut de ligne, le retour chariot et la tabulation restent essentiels à la mise en forme des fichiers texte aujourd'hui.
Les codes 32 à 126 sont les caractères imprimables, quatre-vingt-quinze en tout. Le code 32 est l'espace, qui compte comme imprimable parce qu'il fait avancer le curseur même s'il n'affiche rien. À partir de là, vous obtenez la ponctuation et les symboles, les chiffres 0 à 9 aux codes 48 à 57, les lettres majuscules A à Z aux codes 65 à 90, et les lettres minuscules a à z aux codes 97 à 122. Une propriété élégante découle de cette disposition : les versions minuscule et majuscule d'une même lettre diffèrent d'exactement 32, ce qui fait qu'inverser un seul bit change la casse. Ces régularités ne sont pas des accidents, elles ont été conçues pour que le tri et le changement de casse puissent se faire par simple arithmétique.
Décimal, hexadécimal et binaire : trois vues d'un même nombre
Chaque code ASCII n'est qu'un nombre, et vous le verrez écrit de trois façons. Le décimal est la forme en base 10 du quotidien, donc A est 65. L'hexadécimal, base 16, est la forme que les programmeurs privilégient car elle s'aligne sur les octets : A est 0x41, et la plage imprimable va de 0x20 à 0x7E. Le binaire, base 2, est la forme que le matériel stocke réellement, donc A est 1000001 sur ses sept bits. Le même caractère, trois notations, et savoir passer aisément de l'une à l'autre est une compétence essentielle quand vous lisez des vidages mémoire ou du trafic réseau. Si vous travaillez souvent avec ces conversions, l'ensemble plus large de tableaux de référence sur speedor.net garde les correspondances à un clic.
Où l'ASCII compte encore
Ce serait une erreur de classer l'ASCII dans l'histoire. Il est bien vivant dans le travail quotidien de quiconque touche au code. Les langages de programmation traitent les littéraux de chaîne, les fichiers source et les mots-clés de protocole comme de l'ASCII au niveau de l'octet. Les protocoles réseau tels que les en-têtes HTTP, SMTP et de nombreux formats de configuration sont définis en ASCII afin de rester lisibles par l'humain. Lorsqu'une chaîne semble corrompue, les développeurs sortent un visualiseur hexadécimal et lisent les octets bruts par rapport à la table ASCII pour repérer un caractère de contrôle parasite ou une mauvaise fin de ligne. L'encodage d'URL, le Base64 et les séquences d'échappement reposent tous sur les valeurs ASCII. Pour quiconque débogue des bugs d'encodage, une référence rapide à côté de vos outils pour développeurs transforme un octet mystérieux en réponse évidente.
De l'ASCII à Unicode et UTF-8
L'ASCII gérait magnifiquement l'anglais et presque rien d'autre. Un plafond de 128 caractères ne peut contenir les lettres accentuées, le cyrillique, le chinois, l'arabe ou les emoji. Unicode a répondu à cela en attribuant un nombre unique, appelé point de code, à chaque caractère de chaque système d'écriture, désormais bien plus de cent mille. Crucialement, Unicode est un catalogue de caractères, pas un format de stockage, il a donc besoin d'un encodage pour transformer ces points de code en octets.
UTF-8 est cet encodage, et c'est la raison pour laquelle l'ASCII n'a jamais vraiment disparu. UTF-8 utilise un à quatre octets par caractère, et il a été conçu pour que les points de code 0 à 127, toute la plage ASCII, soient stockés dans un seul octet identique à l'ASCII brut. Cela rend UTF-8 parfaitement rétrocompatible : tout fichier ASCII valide est déjà un fichier UTF-8 valide. Les caractères au-dessus de 127 utilisent des octets supplémentaires. Cette élégante compatibilité explique en grande partie pourquoi UTF-8 alimente aujourd'hui l'écrasante majorité du web. En bref, l'ASCII est le noyau original de 128 caractères, Unicode est le catalogue universel qui le contient, et UTF-8 est l'encodage qui porte les deux tout en gardant le texte ASCII inchangé octet par octet.
Questions fréquentes
Combien de caractères contient la table ASCII ?
L'ASCII standard définit 128 caractères, numérotés de 0 à 127. Parmi eux, 95 sont des caractères imprimables, y compris l'espace, et 33 sont des caractères de contrôle qui signalent aux appareils plutôt que d'imprimer un glyphe.
Quelle est la différence entre caractères de contrôle et caractères imprimables ?
Les caractères de contrôle, codes 0 à 31 plus 127, ordonnent à un appareil de faire quelque chose comme un saut de ligne ou une tabulation et ne produisent aucun glyphe visible. Les caractères imprimables, codes 32 à 126, sont les lettres, chiffres, ponctuation et l'espace que vous voyez réellement à l'écran.
Pourquoi l'ASCII est-il un code à 7 bits ?
Sept bits donnent exactement 128 combinaisons, ce qui suffisait à couvrir les lettres anglaises, les chiffres, la ponctuation et les signaux de contrôle tout en économisant la bande passante sur le matériel lent des débuts. Le huitième bit d'un octet était souvent réservé au contrôle d'erreur par parité.
Quel est le code ASCII de la lettre A ?
Le A majuscule est 65 en décimal, 0x41 en hexadécimal et 1000001 en binaire. Le a minuscule est 97 en décimal, soit exactement 32 de plus, un motif intégré qui permet de changer la casse par simple arithmétique.
L'ASCII est-il identique à Unicode ?
Non. L'ASCII couvre 128 caractères, tandis qu'Unicode catalogue plus de cent mille caractères de tous les systèmes d'écriture. L'ASCII correspond en pratique aux 128 premiers points de code d'Unicode, c'est donc un petit sous-ensemble de la norme plus large.
Quel est le lien entre UTF-8 et ASCII ?
UTF-8 est un encodage pour Unicode qui stocke les points de code 0 à 127 dans un seul octet identique à l'ASCII. Cela fait de tout fichier ASCII un fichier UTF-8 valide, et c'est pourquoi UTF-8 est rétrocompatible et domine le web moderne.