Vnitřní reprezentace dat Výpočetní technika I

. .

Vnitřní reprezentace dat Výpočetní technika I Ing. Pavel Haluza ústav informatiky PEF MENDELU v Brně [email protected]

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

Výpočetní technika I

Přednáška 3: Vnitřní reprezentace dat

2 / 35

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) • Počítač není schopen zpracovávat jiné než číselné

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



3 / 35

Přednáška 3:

Převodní tabulky


Uložení dat v paměti počítače Textová data

• EBCDIC — Extended Binary Coded Decimal Interchange Code

Zvuková data Obrazová data


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



4 / 35

Přednáška 3:

EBCDIC




• Extended Binary Coded Decimal Interchange Code • Prehistorický kód navržený IBM na konci 50. let

20. století • Vychází z kódu používaného pro děrné štítky a BCD kódu využívaného v periferiích IBM • Kódovací prostor 8 bitů – 256 znaků • Rozložení kódu — řídicí znaky – #0–63, #255 — zobrazitelné znaky – #64–254 • Nevýhoda: znaky anglické abecedy netvoří spojitou

posloupnost, nelze použít regulární výraz



5 / 35

Přednáška 3:

ASCII




• 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)



6 / 35

Přednáška 3:


ASCII – základní část





7 / 35

Přednáška 3:

ASCII – rozšířená část


Uložení dat v paměti počítače

• Národní znaky – určeny pro zobrazení textů v jiných

Textová data Zvuková data Obrazová data

•


• • •


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


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 • 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.)



9 / 35

Přednáška 3:




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



10 / 35

Přednáška 3:

Vícebajtová kódování




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

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



11 / 35

Přednáška 3:




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



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 • Převod mezi Unicode a UTF-8� Unicode Význam. b. max.


Kódování UTF-8

0000–007F

7

0xxxxxxx

0080–07FF

11

110xxxxx 10xxxxx

0800–FFFF

16

1110xxxx 10xxxxxx 10xxxxxx


13 / 35

Přednáška 3:


Uložení dat v paměti počítače

BOM – Byte-Order Mark • UTF signatura – označení pořadí bajtů v souboru

Textová data Zvuková data Obrazová data



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

Přednáška 3:





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

4B

• 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


15 / 35

Přednáška 3:





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 • 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


17 / 35

Přednáška 3:





Uložení obrazové informace • Opět dva způsoby uložení — rastrová grafika — vektorová grafika • 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: Vnitřní reprezentace dat

18 / 35

Přednáška 3:




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

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



19 / 35

Přednáška 3:

Zařízení počítače


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

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

Specifikace souborů

Datové formáty


• 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

Soubory a adresáře Specifikace souborů

Datové formáty


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

drive apod.


21 / 35

Přednáška 3:

Soubor


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

Datové formáty

• 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)



22 / 35

Přednáška 3:

Adresář



Datové formáty

• Pod operačním systémem Windows označován jako • • • • • •


složka Pojmenovaná množina jiných adresářů a souborů Tvoří hierarchickou strukturu Mají jména jako soubory 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

Přednáška 3:



Datové formáty


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


24 / 35

Přednáška 3:

Cesta



Datové formáty

• Určuje konkrétní adresář v hierarchické struktuře • Jednotlivé podadresáře oddělujeme \ • Cesta může být — relativní – od aktuálního adresáře — absolutní – od kořenového adresáře • Speciální adresáře — rodičovský (nadřazený) – označujeme .. — aktuální (aktivní) – označujeme . — kořenový – označujeme \



25 / 35

Přednáška 3:


Spouštění spustitelných souborů ve Windows


Datové formáty


• Použití příkazu „Spustit“ (Win+R) a volbou souboru • Výběrem z nabídky pravého tlačítka myši • Dvojklikem (nebo označení + Enter) na ikonu

umístěnou na ploše • Otevření v příslušném programu přes nabídku Soubor/Otevřít


26 / 35

Přednáška 3:


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

Vyjádření hodnot datového typu • Datový formát – způsob uložení dat v jakékoli paměti

počítače • Příklad 1: věk osoby – 26 let a) převod čísla do dvojkové soustavy 11010

00011010

1a

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


00110010 00110110


32 36

27 / 35

Přednáška 3:

Vyjádření hodnot datového typu


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

• 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’ ’ ’

’’

’’ 20

Textový a binární formát

b) s oddělovači


43

69

6d

72

6d

61

6e

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

Formátová specifikace Textový a binární formát

43 69 6d 72 6d 61 6e 20 20 20 32 36 ’C’ ’i’ ’m’ ’r’ ’m’ ’a’ ’n’ ’ ’ ’ ’ ’ ’ ’2’ ’6’



29 / 35

Přednáška 3:

Formátová specifikace



• 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 07


43

69

6d

72


6d

61

6e

1b

30 / 35

Přednáška 3:

Druh formátu


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

• Textový formát – data jsou připravena pro zobrazení

a přímé čtení člověkem • Netextový (binární) formát – data jsou připravena pro aritmetické a logické operace v paměti počítače

Formátová specifikace Textový a binární formát



31 / 35

Přednáška 3:

Definice formátu



• 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



32 / 35

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 Operační systém

Konec řádku

Název znaku

Unix Mac MS

0a 0d 0d 0a

LF CR CR LF


Konec Název souboru znaku 04 04 1a

EOT EOT ESC

33 / 35

Přednáška 3:




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 • Nenapadnutelné virem • Většinou nižší úspornost zobrazení


34 / 35

Přednáška 3:




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

Vnitřní reprezentace dat Výpočetní technika I

Recommend Documents