Traitement informatique des jeux de caractères

L'examen a eu lieu le mardi 15 janvier 2013, de 12h à 15h, au PLC, salle 4.10
Consultez le corrigé.

Tous documents autorisés

Une première version du cours du 18/12/2012 : Perl, expressions régulières & Unicode est en ligne.

1. Présentation
2. Plan d'ensemble
3. Plan de marche 2012-2013
   

1. Présentation

   • Ce site est en premier lieu consacré au cours GIM du master Plurital (universités Paris-III, Paris-X et INaLCO).
     Il a aussi pour ambition de constituer une ressource présentant un choix de problèmes rencontrés dans la pratique,
     et proposant des solutions.
     
     En tant que cours, il s'adresse à des étudiants linguistes, confrontés aux difficultés qu'éprouvent les ordinateurs à échanger des textes dans des langues différentes - que ce soit des corpus, des pages web ou de simples méls. Ces difficultés ont pour origine des choix techniques fondamentaux, qui sont rarement explicités à l'usage des informaticiens eux-mêmes et encore plus rarement à l'intention des profanes. Or, ces choix n'ont rien de mystérieux, ils relèvent d'une problématique facile à saisir et d'un intérêt certain, surtout pour des linguistes. Enfin, le standard Unicode, en voie de généralisation, apporte une solution qu'on peut espérer définitive à ces difficultés.
     
     D'autre part, l'explosion de la communication sur Internet, favorisée par l'adoption d'Unicode, alliée à la puissance et aux capacités typographiques des ordinateurs modernes, offre à la pratique du multilinguisme sur ordinateur un champ chaque jour plus étendu. Pour en profiter pleinement, il est donc plus que jamais utile de comprendre les enjeux de la rubrique Encodage du texte !
     
     
   • Ce cours se donne les buts suivants :
     1. Comprendre la nature des problèmes posés par la représentation des systèmes d'écriture dans un ordinateur
        (codage des caractères dans les fichiers, affichage à l'écran et saisie au clavier)
        
     2. Connaître les principales solutions disponibles (codages sur 8 bits comme Latin-1, format UTF-8 d'Unicode).
        Unicode fera l'objet d'une attention particulière.
        
     3. Savoir mettre en œuvre une gamme d'outils dans les situations les plus fréquemment rencontrées en pratique.
        
        
   • Le contrôle des connaissances se fait par un examen écrit classique de 3h, avec accès illimité à out document, y compris Internet.
     Pour en savoir plus, voyez les archives des examens passés.
     

2. Plan d'ensemble

   1. Introduction et soubassement technique,
      • Nature de l'information : Bits, Octets, Caractères, le code ASCII à 7 bits
      • Problèmes matériels (processus de lecture, d'écriture, de transmission).
        
   
   
   2. Les tables sur 8 bits
      • Extensions du code ASCII
        
      • Variations suivant les plates-formes
      • Diversité géographique
        
   
   
   3. Unicode
      1. Principe, format UTF-8
      2. Problèmes d'écriture bidirectionnelle, de tri alphabétique, de caractères combinés
         
         
   4. Exemples de mise en œuvre en divers langages de programmation
      
      

3. Plan de marche 2012-2013

   Les cours ont lieu au PLC, salle 509, de 12h à 15h.
   Les TDs ont lieu au PLC, salle 703 en deux groupes
   

   • de 12h à 13h30 pour le groupe 1
   • de 13h30 à 15h pour le groupe 2.
   La répartition en 2 groupes sera effectuée lors du premier cours, le 2 octobre.
   
   Les pages web qui sont données ici sont celles du cours 2011-2012.
   Elles seront mises à jour progressivement.
   Pour vous tenir au courant, abonnez-vous au fil RSS du cours GIM !
   
   
   1. 02/10 Cours 1 : Des octets au code ASCII
   2. 09/10 TDs 1
      
      
   3. 16/10 - Cours 2 : Caractères, Glyphes et Polices
      Problèmes généraux du texte sur machine :
      saisie, sauvegarde, affichage, transmission
   4. 23/10 - TDs 2
      
      -------- 29/10 - 3/11 congés d'automne --------
      
      
   5. 06/11 - Cours 3 : Codes sur 8 bits
      Histoire de la normalisation ASCII (89)
      Idée des ASCII étendus (extensions européennes : lettres diacritisées
      et extensions différentes : arabe, hébreu, etc.)
      et des variations selon les plateformes.
      
   6. 13/11 - TDs 3
      
      
   7.  20/11 - Cours 4 : Unicode (1) 
      Principe - format UTF-8 
   8. 27/12 - TDs 4
      
   
   
   9. 04/12 - Cours 5 : Unicode (2) 
      Algorithme droite-gauche, ordre alpha, caractères combinés
      
   10. 11/12 : TDs 5
       
       
   11.  18/12 - Cours 6 : Exemples de mise en œuvre
       Programmation en C et en JavaScript
       
       -------- Vacances d'hiver --------
       
       
   12. 08/01/2013 - TDs 6
       

L'examen aura lieu le mardi 15 janvier 2013, de 12h à 15h, au PLC, salle 4.10

Tous documents autorisés