Přednáška 3: Vnitřní reprezentace dat. Uložení dat v paměti počítače. Organizace dat na discích. Datové formáty. Přednáška 3:

.

Přednáška 3:

Osnova přednášky

Vnitřní reprezentace dat

Uložení dat v paměti počítače

. .

Organizace dat na discích


Datové formáty

• Uložení dat v paměti počítače — textová data — zvuková data — obrazová data • Organizace dat na discích — zařízení počítače — soubory a adresáře — specifikace souborů

Výpočetní technika I Ing. Pavel Haluza ústav informatiky PEF MENDELU v Brně

• Datové formáty — vyjádření hodnot datového typu — formátová specifikace — textový a binární formát

[email protected]

. Výpočetní technika I

.

Přednáška 3:


Uložení dat v paměti počítače Textová data Zvuková data Obrazová data

Organizace dat na discích Datové formáty

Uložení znaků v počítači • Znaky v počítači — zobrazitelné znaky – všechny znaky, které slouží pro zápis textové informace (písmena, číslice, interpunkční znaménka, matematické symboly apod.) — řídicí znaky – slouží k ovládání přídavných zařízení (nebo programu)

Přednáška 3:

Textová data

Obrazová data

Datové formáty

3 / 35

• ASCII (ISO 646) — American Standard Code for Information Interchange • UCS (ISO 10646) — Universal Character Set • UTF — UCS Transformation Format

informace • Aby bylo možné zpracovat textovou informaci, bylo nutné přiřadit jednotlivým znakům číselné ekvivalenty • Znaky a symboly se uchovávají ve formě čísel podle převodní tabulky

Přednáška 3: Vnitřní reprezentace dat

• EBCDIC — Extended Binary Coded Decimal Interchange Code

Zvuková data


• Počítač není schopen zpracovávat jiné než číselné


Převodní tabulky



2 / 35


• Unicode



4 / 35

.

Přednáška 3:

EBCDIC




• Extended Binary Coded Decimal Interchange Code

Přednáška 3:


• Prehistorický kód navržený IBM na konci 50. let

Textová data Zvuková data

20. století • Vychází z kódu používaného pro děrné štítky a BCD kódu využívaného v periferiích IBM • Kódovací prostor 8 bitů – 256 znaků • Rozložení kódu

ASCII


Obrazová data


• American Standard Code for Information Interchange • Kódovací prostor 8 bitů – 256 znaků • Původně 7bitový kód + 1 paritní bit pro kontrolu • Rozložení kódu — řídicí znaky – #0–31, #127 — zobrazitelné znaky – #32–126, #128–255 • Kód má dvě části — základní část – #0–127 (původních 7 bitů) — rozšířená část – #128–255 (přidání 8. bitu)

— řídicí znaky – #0–63, #255 — zobrazitelné znaky – #64–254 • Nevýhoda: znaky anglické abecedy netvoří spojitou

posloupnost, nelze použít regulární výraz


Přednáška 3:



5 / 35

ASCII – základní část




Přednáška 3:

ASCII – rozšířená část



Textová data

Textová data

Zvuková data

Zvuková data

Obrazová data

Obrazová data



Datové formáty

Datové formáty

6 / 35

• Národní znaky – určeny pro zobrazení textů v jiných

jazycích než angličtině • Žádný znakový kód nebyl původně navržen pro

zobrazování národních znaků • Základní kód ASCII neposkytuje dostatečný prostor pro

uložení všech národních znaků • Využití zbylých 128 pozic kódu ASCII (paritní bit) • Způsob využití zcela nejednotný, existence různých

znakových sad pro různé skupiny jazyky



7 / 35



8 / 35

.

Přednáška 3:




Varianty kódování českých nár. znaků • Kód bratrů Kamenických — KEYBCS2, CP895 — pro osobní počítače pod MS-DOS — využití sady CP437 s náhradou pozic 128–171 českými a slovenskými národními znaky

Přednáška 3:




• PC Latin 2 — IBM Latin 2, CP852 — pro osobní počítače pod MS-DOS — podpora středoevropských jazyků používajících latinku (čeština, slovenština, polština, rumunština, maďarština, srbochorvatština aj.)


Přednáška 3:

Vícebajtová kódování




9 / 35


• I 256 pozic kódu ASCII přestává stačit, hledají se nové

možnosti


Přednáška 3:


Uložení dat v paměti počítače Zvuková data Obrazová data



11 / 35


10 / 35

Unicode – Little Endian a Big Endian • Little Endian — méně významový bajt leží na nižší adrese — takto kódované soubory začínají znakem FF FE — typické pro Windows — příklad: znak „A“ = 41 00 • Big Endian — méně významový bajt leží na vyšší adrese — takto kódované soubory začínají znakem FE FF — typické pro programovací jazyk Java — příklad: znak „A“ = 00 41

• Unicode — jeden znak ukládán vždy na 2 B — snaha o vytvoření jediné globální znakové sady — dolní polovina ASCII (#0–127) se ukládá pod stejnými hodnotami (00000000 xxxxxxxx) — číselný kód se pro přehlednost zapisuje v hexadecimální soustavě, např. „A“ = \u0041 — varianty Little Endian a Big Endian


• ISO Latin 2 — ISO 8859-2 — podpora středoevropských a východoevropských jazyků psaných latinkou nebo latinskou transkripcí — použitelné i pro němčinu a finštinu • Windows-1250 — CP1250 — pro operační systém Windows — podpora středoevropských jazyků a němčiny — velmi podobné kódu ISO 8859-2 (pouze 6 rozdílů v českých znacích)

Textová data

• ISO 10646 — UCS = Universal Character Set — univerzální prostor 4 B, tj. přes 4 miliardy znaků — zbytečně neúsporné řešení

Varianty kódování českých nár. znaků • KOI8čs — Kod Obmena Informaciey — vyvinut v SSSR v rámci RVHP



12 / 35

.

Přednáška 3:




UTF – UCS Transformation Format • Zmírňuje redundanci univerzálního kódu UCS • Varianty UTF-8, UTF-16, UTF-32 • UTF-8 — odstraňuje nevýhody Unicode (dvojnásobná délka souborů oproti ASCII, problémy s Little/Big Endianem) — znaky jsou kódovány na 1–3 B

Přednáška 3:



Unicode Význam. b. max.

Zvuková data Obrazová data



Přednáška 3:





Kódování UTF-8

7

0xxxxxxx

0080–07FF

11

110xxxxx 10xxxxx

0800–FFFF

16

1110xxxx 10xxxxxx 10xxxxxx


13 / 35

Kódování národních znaků – shrnutí • Příklad: textový soubor se slovem „Béďa“ • ASCII / ISO 8859-2 — 42 E9 EF 61

Přednáška 3:


Textová data Zvuková data Obrazová data


• Unicode Little Endian — FF FE 42 00 E9 00 0F 01 61 00

10 B

• Unicode Big Endian — FE FF 00 42 00 E9 01 0F 00 61

10 B

• UTF-8 — EF BB BF 42 C3 A9 C4 8F 61 �

9B




4B

15 / 35

• UTF signatura – označení pořadí bajtů v souboru

Textová data

• Převod mezi Unicode a UTF-8� 0000–007F

BOM – Byte-Order Mark

Datové formáty


Kódování

Obsah souboru

UTF-8 UTF-16 Little Endian UTF-16 Big Endian UTF-32 Little Endian UTF-32 Big Endian

EF BB BF … FF FE … FE FF … FF FE 00 00 … 00 00 FE FF …


14 / 35

Uložení zvukové informace • V zásadě dva způsoby uložení — přímý záznam — MIDI sekvence • Přímý záznam (pulsně kódová modulace, PCM) — digitalizace frekvencí a amplitud zvukových vln — pravidelné odečítání hodnoty signálu a její záznam v binární podobě — určující parametry: vzorková frekvence, jemnost rozlišení jednotlivých hodnot — výsledkem rozsáhlé soubory (např. WAV), často ztrátová komprese (MP3, WMA, AAC, Ogg Vorbis) — bezztrátová komprese např. ALAC nebo FLAC


16 / 35

.

Přednáška 3:




Uložení zvukové informace • MIDI sekvence (Musical Instruments Digital Interface) — stručný digitální popis výšky jednotlivých tónů, jejich intenzity, délky a nejrůznějších doprovodných efektů — výstupní zvukové zařízení (zvuková karta, klávesy) z těchto informací umí vytvářet zvuky — signál neobsahuje zvuk, ale pouze velmi stručné pokyny pro jeho vytvoření — nelze zaznamenat lidský hlas ani žádný hudební nástroj, který syntetizátor nedokáže zahrát — velmi malé soubory, převod WAV → MP3/MIDI náročný

Přednáška 3:




• Příklad: nekomprimovaný soubor se zvukovou stereo

nahrávkou o délce 3 minuty, vzorkovací frekvenci 44,1 kHz a velikosti vzorku 16 b. 2 · 44 100 · 16 · 180 b = 254 016 000 b = 31,752 MB . Výpočetní technika I

Přednáška 3:





17 / 35

Uložení obrazové informace • Vektorová grafika — obraz tvořen různými geometrickými objekty (body, přímky, křivky, …) — využití pro tvorbu ilustrací, diagramů, schémat apod.


• Rastrová grafika — obraz tvořen maticí bodů (pixelů), jejichž barva se skládá ze tří složek – červené, zelené a modré (RGB) — intenzitu barvy každé složky ukládáme v paměti zvlášť — dnes nejrozšířenější model: odstín každého bodu uložen jako 8bitové číslo (28 = 256 možností) — informace o barvě každého pixelu zabere v paměti 3 B (3 složky × 1 B), celkem 2563 = 16 777 216 barev — model RGBA používá ještě bajt pro uložení informace o intenzitě průhlednosti pixelu (tzv. alfa kanál) — model CMYK (Cyan, Magenta, Yellow, blacK) používají barevné tiskárny

Přednáška 3:

Uložení dat v paměti počítače Organizace dat na discích Zařízení počítače Soubory a adresáře

18 / 35


Zařízení počítače


• Znaková zařízení — chovají se jako soubory — pracují vždy s jedním znakem — vstupně-výstupní zařízení

Specifikace souborů

• Příklad: nekomprimovaný rastrový obraz o rozměrech

Datové formáty

1600 × 1200 bodů v modelu RGB 1 600 · 1 200 · 3 B = 5 760 000 B = 5,76 MB


Uložení obrazové informace • Opět dva způsoby uložení — rastrová grafika — vektorová grafika


19 / 35


• Bloková zařízení — pracují s celými bloky bajtů (soubory) — jednotky vnějších pamětí


20 / 35

.

Přednáška 3:

Jednotky


Uložení dat v paměti počítače Organizace dat na discích Zařízení počítače

• Blokově orientovaná zařízení


• A, B – disketové jednotky


• C – pevný disk

Zařízení počítače Soubory a adresáře

Soubory a adresáře Specifikace souborů

Datové formáty

Přednáška 3:

• Dále jednotky CD-ROM, DVD-ROM, Flash disky, ZIP


Datové formáty

drive apod.

Soubor


• Pojmenovaná konečná posloupnost bytů s definovaným

umístěním ve vnější paměti • Základní množina dat určitého typu • Mají jedinečná jména – např. v OS Windows — maximálně 255 znaků — za tečkou přípona (určuje typ souboru) — povolené znaky jsou A–Z, a–z, 0–9, $, %, ’, -, @, {, }, ˜, �, !, #, (, ), &, _, … • Mají atributy (různý význam v různých OS)


Přednáška 3:

Adresář


Uložení dat v paměti počítače Organizace dat na discích Zařízení počítače Soubory a adresáře Specifikace souborů

Datové formáty

21 / 35


• Pod operačním systémem Windows označován jako


Přednáška 3:



složka


• Pojmenovaná množina jiných adresářů a souborů

Zařízení počítače Soubory a adresáře

• Tvoří hierarchickou strukturu


Datové formáty

• Mají jména jako soubory


22 / 35

Specifikace souboru • Určuje jméno a cestu k souboru • Přístup k souboru — úplná specifikace – jednotka:\cesta\soubor, kde cesta=[adresář1[\adresář2[\adresář3]]]

— neúplná specifikace – vynechání označení jednotky, vynechání cesty nebo pouze název souboru

• Na každém zařízení existuje kořenový adresář, v OS Windows značíme \ • V jednom adresáři se vyskytují soubory s jedinečnými

jmény • Každá jednotka má svůj aktuální adresář



23 / 35



24 / 35

.

Přednáška 3:

Cesta


Uložení dat v paměti počítače Organizace dat na discích Zařízení počítače Soubory a adresáře Specifikace souborů

Datové formáty

• Určuje konkrétní adresář v hierarchické struktuře

Přednáška 3:



• Jednotlivé podadresáře oddělujeme \ • Cesta může být — relativní – od aktuálního adresáře — absolutní – od kořenového adresáře

Organizace dat na discích Zařízení počítače Soubory a adresáře Specifikace souborů

Datové formáty

• Speciální adresáře — rodičovský (nadřazený) – označujeme .. — aktuální (aktivní) – označujeme . — kořenový – označujeme \


Přednáška 3:

Uložení dat v paměti počítače Organizace dat na discích Datové formáty Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát

25 / 35

• Datový formát – způsob uložení dat v jakékoli paměti

• Dvojklikem (nebo označení + Enter) na ikonu

umístěnou na ploše


Přednáška 3:

Organizace dat na discích Datové formáty Vyjádření hodnot datového typu

1a

Formátová specifikace

Vyjádření hodnot datového typu • Příklad 2: příjmení osoby – Cimrman a) s určením délky 7

’C’ ’i’ ’m’ ’r’ ’m’ ’a’ ’n’

07

43

69

6d

72

6d

61

6e

43

69

6d

72

6d

61

6e

00

’C’ ’i’ ’m’ ’r’ ’m’ ’a’ ’n’ ’ ’

Textový a binární formát

b) zápis čísla pomocí znaků (znakový kód) 110010 110110


00110010 00110110


b) s oddělovači

32 36

27 / 35

26 / 35




počítače • Příklad 1: věk osoby – 26 let a) převod čísla do dvojkové soustavy 00011010

• Výběrem z nabídky pravého tlačítka myši

Soubor/Otevřít

Vyjádření hodnot datového typu

11010

• Použití příkazu „Spustit“ (Win+R) a volbou souboru

• Otevření v příslušném programu přes nabídku



Spouštění spustitelných souborů ve Windows


’’

’’

43

69

6d

72

6d

61

6e

20

20

20

43

69

6d

72

6d

61

6e

0d

0a


28 / 35

.

Přednáška 3:

Porovnání způsobů uložení


Uložení dat v paměti počítače Organizace dat na discích Datové formáty Vyjádření hodnot datového typu

• Tvar použitý v operační paměti 43

69

6d

72

6d

61


6e

00

1a


• Tvar použitý pro vstup nebo výstup

Vyjádření hodnot datového typu Formátová specifikace

Formátová specifikace Textový a binární formát

Přednáška 3:

43 69 6d 72 6d 61 6e 20 20 20 32 36




• V operační paměti jsou obvykle data ve tvaru vhodném

pro zpracování (výpočty, řazení, …) • Viditelný tvar (tiskárna, displej, klávesnice, …) musí být

složen výhradně z čitelných (zobrazitelných) znaků • Formátová specifikace – popis formátu, tj. přesný

význam jednotlivých bitů (bytů) dat • Příklad formátové specifikace: — délka příjmení L – jeden byte — příjmení – řetězec, ISO 8859-2, L bytů — věk – binárně, jeden byte

’C’ ’i’ ’m’ ’r’ ’m’ ’a’ ’n’ ’ ’ ’ ’ ’ ’ ’2’ ’6’

07


Přednáška 3:

Druh formátu


Uložení dat v paměti počítače Organizace dat na discích Datové formáty Vyjádření hodnot datového typu

29 / 35


• Textový formát – data jsou připravena pro zobrazení


6d

72


Vyjádření hodnot datového typu





6d

61

6e

1b

30 / 35


Přednáška 3:

Datové formáty

aritmetické a logické operace v paměti počítače

69

Definice formátu



a přímé čtení člověkem • Netextový (binární) formát – data jsou připravena pro

43

• Intuitivní definice — textový formát: všechny prvky formátu jsou složeny výhradně ze zobrazitelných znaků — binární formát: alespoň některé prvky formátu jsou řešeny jiným způsobem (řídicími znaky) • Problémy — kolik řádků může mít soubor, je-li v textovém formátu? — jak poznáte konec souboru? • Upravená definice — textový formát: všechny prvky formátu jsou složeny ze zobrazitelných znaků, mezi nimiž jsou použity jako oddělovače konce řádků a na konci dat nejvýše jeden znak konce souboru



31 / 35



32 / 35

.

Přednáška 3:


Přednáška 3:

Konec řádku a konec souboru



• V různých operačních systémech jsou řídicí znaky různé


• Vedlejší efekt: podle tvaru konce řádku lze zjistit


operační systém, ve kterém byl soubor vytvořen • Dnešní kvalitní textové editory dokážou řídicí znak změnit

Datové formáty Vyjádření hodnot datového typu Formátová specifikace Textový a binární formát

Textový formát – vlastnosti • Data jsou přímo čitelná člověkem • Pro zpracování je obvykle nutná změna vyjádření • Zpracovatelný celou škálou obecných programů

a služeb každého operačního systému, což zvyšuje přenositelnost • Odolnost vůči porušení (ztrátě) informací


Přednáška 3:



Operační systém

Konec řádku

Název znaku

Unix Mac MS

0a 0d 0d 0a

LF CR CR LF

Konec Název souboru znaku 04 04 1a

• Nenapadnutelné virem • Většinou nižší úspornost zobrazení

EOT EOT ESC


33 / 35


Binární formát – vlastnosti • Data nejsou přímo čitelná člověkem • Vhodný pro přímé zpracování • Nízká přenositelnost, závisí na určitém programu, který

zná přesnou a detailní strukturu dat • Snadná ztráta všech informací při porušení • Napadnutelné virem, lze ukrýt mnoho informací • Někdy maximálně úsporný (ale i naopak)



35 / 35

.


34 / 35

Přednáška 3: Vnitřní reprezentace dat. Uložení dat v paměti počítače. Organizace dat na discích. Datové formáty. Přednáška 3:

Recommend Documents