ISO 8859-n

ISO 8859-n pontosabban ISO 8859 illetve ISO/IEC 8859, az ISO és az IEC szervezetek egy közös szabványa a 8 bites karakterkódolásra, számítógépes felhasználás céljából. A szabvány több egymástól függetlenül megjelent, és saját kiegészítő számmal rendelkező formában jelent meg, mint például ISO/IEC 8859-1, ISO/IEC 8859-2 stb., de mindegyik önmagában is egy teljes szabvány. 2006-ig 15 része létezik, kivéve a megszüntetett ISO/IEC 8859-12-es szabványt.

Összefoglalás

Míg a 95 nyomtatható ASCII karakter bitmintái elegendőek a modern angolnak az információcserére, több olyan nyelvnek, amely ugyan latin ábécét használ, szüksége van olyan szimbólumokra, amelyeket az ASCII nem tartalmaz, mint a ß (németben), a ñ (spanyolban) és az å (svédben és más északi nyelvekben). Az ISO 8859 úgy gondolta megoldani ezt a problémát, hogy kihasználja a byte mind a 8 bitjét, ezzel még 128 további karakterhelyet biztosítva.

Az ISO 8859-n csak nyomtatható karakterek kódjait tartalmazza, és úgy tervezték, hogy együtt lehessen használni azokat a vezérlő karakterekkel kódütközés nélkül. Az IANA és a C0 készlete (a 0 és decimális 31 közé eső kódok) a ISO 646 szerint, valamint a C1 készlete (a decimális 127 és 159 közé eső kódok) az ISO 6429 szerint, egy olyan teljes 8 bites kódtáblát kapunk, amelyben a legtöbb, ha nem is minden, byte ki van használva. Ezek a készletek (kódtáblák) az ISO-8859-n-ek, vagy gyakran emlegetik még ezeket MIME néven is. A legtöbb ember az ISO 8859-n kifejezést vagy felcserélhető ISO-8859-n kifejezést használja. Az ISO 8859-11 készlet nagyjából a TIS 620-nak felel meg.

Karakterek

Az ISO 8859 szabvány tervezésekor a cél az információcsere támogatása volt, nem pedig a tipográfiai minőség elérése; a szabvány nem foglalkozik a betűk tipográfia szempontú minőségével, mint opcionális ligatúrák, hullámos idézőjelek, hullámvonalak stb. Az eredményt, egy jó minőségű nyomtatható karakterkészletet, gyakran tekintik az ASCII vagy az ISO 8859 szabvány egy bővítésének, vagy helyette inkább a Unicode-ot használják.

Ökölszabály szerint, ha a karakter vagy szimbólum nem része egy széles körben elterjedt, adatfeldolgozásnál használt kódkészletnek, vagy nem található a nemzeti nyelv leírására használt billentyűzeten, akkor az nem kerül be a kódtáblába. Ennélfogva az irányított kettős idézőjelek (« és »), amelyet több európai nyelv használ, bekerült a kódtáblába, míg a “ és ” szintén irányított kettős idézőjel nem, annak ellenére, hogy az angol és még néhány nyelv használja. A franciába nem kerültek be az œ és Œ ligatúrák, mivel azokat a 'oe' tökéletesen helyettesíteni tudja. Az Ÿ, amiből kis- és nagybetű is van, szintén kimaradt. Bár ezek a karakterek mégis csak bekerültek később a ISO 8859-15 szabványba, amelyben megjelent az új eurójel karaktere, az „€”. hasonlóképen kimaradtak a holland 'ij' és 'IJ' betűk, mivel a hollandul beszélők is gyakran írják ezeket a jeleket két betűvel. A románba nem kerültek be a 'Ș/ș' és 'Ț/ț' (vesszővel) betűk, mivel ezek a betűk megfelelnek az 'Ş/ş' és 'Ţ/ţ' (kampóval) betűknek az Unicode Consortium szerint. Bár a betűk a hozzájuk tartozó vesszővel később bekerültek az Unicode szabványba, és így a ISO 8859-16 szabványba is.

A legtöbb ISO 8859 kódkészlet a különböző európai nyelvek igényeinek kielégítésére készült. Vannak azonban a nem latin, hanem saját ábécét használó nyelvek: görög, cirill, héber, arab és thai. A legtöbb kódkészlet csak üres karaktert jelenít meg a héber vagy arab betűk helyett, illetve csak különféle karakterkombinációkkal lehet azokat megjeleníteni. A szabvány nem támogatja a kelet-ázsiai nyelveket (CJK), pontosabban azok képírási rendszerét, mivel ahhoz több ezer jelre lenne szükség. Bár a vietnámi latin betűkön alapul, a 96 hely nem elegendő (csak a különböző hangsúlyokat jelentő karakterkombinációk nélkül) a betűk megjelenítésére. A japán kana jeleket ugyan lehetne egy kódtáblába foglalni, azonban amint a világ sok más ábécéjét, az ISO 8859 ezt sem támogatja.

Az ISO 8859 részei

Az ISO 8859 a következő részekre osztható:

Part 1	Latin-1 nyugat-európai	Talán az ISO 8859 egyik legbővebb része, lefedi a legtöbb nyugat-európai nyelvet: dán, holland (részben), angol, feröeri, finn (részben), francia (részben), német, izlandi, ír, olasz, norvég, portugál, rétoromán, skót, spanyol és svéd, valamint a kelet-európai albán, illetve az afrikai nyelvek közül az afrikaans és szuahéli. A hiányzó eurójel és a nagy Ÿ a felülvizsgált ISO 8859-15 változatba került. Az IANA által jóváhagyott ISO-8859-1 készletre tekintettel ez az alap kódolása a meglévő HTML dokumentumoknak és azoknak a dokumentumoknak, amelyeket MIME üzenetként továbbítanak.
Part 2	Latin-2 közép-európai	Támogatja a latin ábécét használó közép- és kelet-európai nyelveket, ideértve a bosnyákot, a lengyelt, a horvátot, a csehet, a szlovákot, a szlovént és a magyart. A hiányzó eurójel az ISO 8859-16 változatban található.
Part 3	Latin-3 dél-európai	török, máltai és eszperantó. Feleslegessé tette az ISO 8859-9 a törökre és a Unicode az eszperantóra.
Part 4	Latin-4 észak-európai	észt, lett, litván, grönlandi és számi.
Part 5	latin/cirill	Lefedi a legtöbb cirill ábécét használó szláv nyelvet, ideértve a beloruszt, a bolgárt, a macedont, az oroszt, a szerbet és az ukránt (részben).
Part 6	latin/arab	Lefedi a legtöbb arab nyelvhez tartozó karaktert. Nem támogatja az arab írást használó egyéb nyelveket. Szükséges a megjelenítéséhez a BiDi és a kurzív illesztés megvalósítása.
Part 7	latin/görög	Lefedi a modern görög nyelvet (monotonikus írás). Szintén használható ó-görög írásra, ékezetek nélkül vagy monotonikus írással, de a hiányozni fognak a hangsúlyok politonikus írás. Megtalálhatók viszont a Unicode-ban.
Part 8	latin/héber	Lefedi a modern héber ábécét amit Izraelben használnak. A gyakorlatban két kódolás létezik, a logikai sorrend szerinti (szükséges a BiDi eljárás a megjelenítéshez) és a vizuális (balról jobbra) sorrend szerinti (a valóságban a bidi feldolgozás és sortörések után).
Part 9	Latin-5 török	Nagyjából megfelel az ISO 8859-1-nek, a ritkán használt izlandi betűket török betűkkel helyettesítve. Használható még a kurd nyelvre is.
Part 10	Latin-6 északi	A Latin-4 átrendezése, a északi nyelvek számára hasznos módon. A balti nyelvek a Latin-4 ábécét használják inkább.
Part 11	latin/thai	Tartalmazza a thai nyelvhez szükséges glifákat. Hasonló a TIS 620-hoz.
Nem létezik Part 12	latin/dévanágari	Azt a munkát, ami a 8859 dévanágarit lefedő részének kidolgozására folyt, 1997-ben hivatalosan leállították. Az ISCII és a Unicode/ISO/IEC 10646 lefedi a dévanágarit.
Part 13	Latin-7 balti római	A balti nyelvek által használt és a Latin-4-ből és a Latin-6-ból hiányzó karakterek.
Part 14	Latin-8 kelta	Lefedi a kelta nyelveket, mint a skót gael és a breton nyelv.
Part 15	Latin-9	A 8859-1 felülvizsgálata eltávolított néhány alig használt szimbólumot, és helyettesítette azokat az eurójellel € és a következő betűkkel: Š, š, Ž, ž, Œ, œ és Ÿ, így teljes lett a francia, a finn és az észt.
Part 16	Latin-10 délkelet-európai	A következő nyelvek lefedésére készült: albán, horvát, magyar, olasz, lengyel, román és szlovén, de megfelel a finn, francia, német és ír (új írású) számára is. A fókusz inkább a betűre, mint a szimbólumokra irányult. A pénz jelet az eurójellel helyettesítették.

Az ISO 8859 tervezésekor arra törekedtek, hogy a nyelvek lehetőleg egymás betűit használhassák.

Tábla

A különböző ISO 8859 összehasonlításához

Bin.	Okt.	Dec.	Hex.	1	2	3	4	5	6	7	8	9	10	11	13	14	15	16
10100000	240	160	A0	Nem törhető szóköz (Non break space – NBSP)
10100001	241	161	A1	¡	Ą	Ħ	Ą	Ё		‘		¡	Ą	ก	”	Ḃ	¡	Ą
10100010	242	162	A2	¢	˘		ĸ	Ђ		’	¢	¢	Ē	ข	¢	ḃ	¢	ą
10100011	243	163	A3	£	Ł	£	Ŗ	Ѓ		£			Ģ	ฃ	£			Ł
10100100	244	164	A4	¤				Є	¤	€	¤		Ī	ค	¤	Ċ	€
10100101	245	165	A5	¥	Ľ		Ĩ	Ѕ		₯	¥		Ĩ	ฅ	„	ċ	¥	„
10100110	246	166	A6	¦	Ś	Ĥ	Ļ	І		¦			Ķ	ฆ	¦	Ḋ	Š
10100111	247	167	A7	§				Ї		§				ง	§
10101000	250	168	A8	¨				Ј		¨			Ļ	จ	Ø	Ẁ	š
10101001	251	169	A9	©	Š	İ	Š	Љ		©			Đ	ฉ	©
10101010	252	170	AA	ª	Ş		Ē	Њ		ͺ	×	ª	Š	ช	Ŗ	Ẃ	ª	Ș
10101011	253	171	AB	«	Ť	Ğ	Ģ	Ћ		«			Ŧ	ซ	«	ḋ	«
10101100	254	172	AC	¬	Ź	Ĵ	Ŧ	Ќ	،	¬			Ž	ฌ	¬	Ỳ	¬	Ź
10101101	255	173	AD	opcionális elválasztójel (SHY – soft hyphen)										ญ	SHY
10101110	256	174	AE	®	Ž		Ž	Ў			®		Ū	ฎ	®			ź
10101111	257	175	AF	¯	Ż		¯	Џ		―	¯		Ŋ	ฏ	Æ	Ÿ	¯	Ż
10110000	260	176	B0	°				А		°				ฐ	°	Ḟ	°
10110001	261	177	B1	±	ą	ħ	ą	Б		±			ą	ฑ	±	ḟ	±
10110010	262	178	B2	²	˛	²	˛	В		²			ē	ฒ	²	Ġ	²	Č
10110011	263	179	B3	³	ł	³	ŗ	Г		³			ģ	ณ	³	ġ	³	ł
10110100	264	180	B4	´				Д		΄	´		ī	ด	“	Ṁ	Ž
10110101	265	181	B5	µ	ľ	µ	ĩ	Е		΅	µ		ĩ	ต	µ	ṁ	µ	”
10110110	266	182	B6	¶	ś	ĥ	ļ	Ж		Ά	¶		ķ	ถ	¶
10110111	267	183	B7	·	ˇ	·	ˇ	З		·				ท	·	Ṗ	·
10111000	270	184	B8	¸				И		Έ	¸		ļ	ธ	ø	ẁ	ž
10111001	271	185	B9	¹	š	ı	š	Й		Ή	¹		đ	น	¹	ṗ	¹	č
10111010	272	186	BA	º	ş		ē	К		Ί	÷	º	š	บ	ŗ	ẃ	º	ș
10111011	273	187	BB	»	ť	ğ	ģ	Л	؛	»			ŧ	ป	»	Ṡ	»
10111100	274	188	BC	¼	ź	ĵ	ŧ	М		Ό	¼		ž	ผ	¼	ỳ	Œ
10111101	275	189	BD	½	˝	½	Ŋ	Н		½			―	ฝ	½	Ẅ	œ
10111110	276	190	BE	¾	ž		ž	О		Ύ	¾		ū	พ	¾	ẅ	Ÿ
10111111	277	191	BF	¿	ż		ŋ	П	؟	Ώ		¿	ŋ	ฟ	æ	ṡ	¿	ż
11000000	300	192	C0	À	Ŕ	À	Ā	Р		ΐ		À	Ā	ภ	Ą	À
11000001	301	193	C1	Á				С	ء	Α		Á		ม	Į	Á
11000010	302	194	C2	Â				Т	آ	Β		Â		ย	Ā	Â
11000011	303	195	C3	Ã	Ă		Ã	У	أ	Γ		Ã		ร	Ć	Ã		Ă
11000100	304	196	C4	Ä				Ф	ؤ	Δ		Ä		ฤ	Ä
11000101	305	197	C5	Å	Ĺ	Ċ	Å	Х	إ	Ε		Å		ล	Å			Ć
11000110	306	198	C6	Æ	Ć	Ĉ	Æ	Ц	ئ	Ζ		Æ		ฦ	Ę	Æ
11000111	307	199	C7	Ç			Į	Ч	ا	Η		Ç	Į	ว	Ē	Ç
11001000	310	200	C8	È	Č	È	Č	Ш	ب	Θ		È	Č	ศ	Č	È
11001001	311	201	C9	É				Щ	ة	Ι		É		ษ	É
11001010	312	202	CA	Ê	Ę	Ê	Ę	Ъ	ت	Κ		Ê	Ę	ส	Ź	Ê
11001011	313	203	CB	Ë				Ы	ث	Λ		Ë		ห	Ė	Ë
11001100	314	204	CC	Ì	Ě	Ì	Ė	Ь	ج	Μ		Ì	Ė	ฬ	Ģ	Ì
11001101	315	205	CD	Í				Э	ح	Ν		Í		อ	Ķ	Í
11001110	316	206	CE	Î				Ю	خ	Ξ		Î		ฮ	Ī	Î
11001111	317	207	CF	Ï	Ď	Ï	Ī	Я	د	Ο		Ï		ฯ	Ļ	Ï
11010000	320	208	D0	Ð	Đ		Đ	а	ذ	Π		Ğ	Ð	ะ	Š	Ŵ	Ð
11010001	321	209	D1	Ñ	Ń	Ñ	Ņ	б	ر	Ρ		Ñ	Ņ	ั	Ń	Ñ		Ń
11010010	322	210	D2	Ò	Ň	Ò	Ō	в	ز			Ò	Ō	า	Ņ	Ò
11010011	323	211	D3	Ó			Ķ	г	س	Σ		Ó		ำ	Ó
11010100	324	212	D4	Ô				д	ش	Τ		Ô		ิ	Ō	Ô
11010101	325	213	D5	Ő		Ġ	Õ	е	ص	Υ		Õ		ี	Ő
11010110	326	214	D6	Ö				ж	ض	Φ		Ö		ึ	Ö
11010111	327	215	D7	×				з	ط	Χ		×	Ũ	ื	×	Ṫ	×	Ś
11011000	330	216	D8	Ø	Ř	Ĝ	Ø	и	ظ	Ψ		Ø		ุ	Ų	Ø		Ű
11011001	331	217	D9	Ù	Ů	Ù	Ų	й	ع	Ω		Ù	Ų	ู	Ł	Ù
11011010	332	218	DA	Ú				к	غ	Ϊ		Ú		ฺ	Ś	Ú
11011011	333	219	DB	Û	Ű	Û		л		Ϋ		Û			Ū	Û
11011100	334	220	DC	Ü				м		ά		Ü			Ü
11011101	335	221	DD	Ý		Ŭ	Ũ	н		έ		İ	Ý		Ż	Ý		Ę
11011110	336	222	DE	Þ	Ţ	Ŝ	Ū	о		ή		Ş	Þ		Ž	Ŷ	Þ	Ț
11011111	337	223	DF	ß				п		ί	‗	ß		฿	ß
11100000	340	224	E0	à	ŕ	à	ā	р	ـ	ΰ	א	à	ā	เ	ą	à
11100001	341	225	E1	á				с	ف	α	ב	á		แ	į	á
11100010	342	226	E2	â				т	ق	β	ג	â		โ	ā	â
11100011	343	227	E3	ã	ă		ã	у	ك	γ	ד	ã		ใ	ć	ã		ă
11100100	344	228	E4	ä				ф	ل	δ	ה	ä		ไ	ä
11100101	345	229	E5	å	ĺ	ċ	å	х	م	ε	ו	å		ๅ	å			ć
11100110	346	230	E6	æ	ć	ĉ	æ	ц	ن	ζ	ז	æ		ๆ	ę	æ
11100111	347	231	E7	ç			į	ч	ه	η	ח	ç	į	็	ē	ç
11101000	350	232	E8	è	č	è	č	ш	و	θ	ט	è	č	่	č	è
11101001	351	233	E9	é				щ	ى	ι	י	é		้	é
11101010	352	234	EA	ê	ę	ê	ę	ъ	ي	κ	ך	ê	ę	๊	ź	ê
11101011	353	235	EB	ë				ы	ً	λ	כ	ë		๋	ė	ë
11101100	354	236	EC	ì	ě	ì	ė	ь	ٌ	μ	ל	ì	ė	์	ģ	ì
11101101	355	237	ED	í				э	ٍ	ν	ם	í		ํ	ķ	í
11101110	356	238	EE	î				ю	َ	ξ	מ	î		๎	ī	î
11101111	357	239	EF	ï	ď	ï	ī	я	ُ	ο	ן	ï		๏	ļ	ï
11110000	360	240	F0	ð	đ		đ	ȑ	ِ	π	נ	ğ	ð	๐	š	ŵ	ð	đ
11110001	361	241	F1	ñ	ń	ñ	ņ	ё	ّ	ρ	ס	ñ	ņ	๑	ń	ñ		ń
11110010	362	242	F2	ò	ň	ò	ō	ђ	ْ	ς	ע	ò	ō	๒	ņ	ò
11110011	363	243	F3	ó			ķ	ѓ		σ	ף	ó		๓	ó
11110100	364	244	F4	ô				є		τ	פ	ô		๔	ō	ô
11110101	365	245	F5	ő		ġ	õ	ѕ		υ	ץ	õ		๕	ő
11110110	366	246	F6	ö				і		φ	צ	ö		๖	ö
11110111	367	247	F7	÷				ї		χ	ק	÷	ũ	๗	÷	ṫ	÷	ś
11111000	370	248	F8	ø	ř	ĝ	ø	ј		ψ	ר	ø		๘	ų	ø		ű
11111001	371	249	F9	ù	ů	ù	ų	љ		ω	ש	ù	ų	๙	ł	ù
11111010	372	250	FA	ú				њ		ϊ	ת	ú		๚	ś	ú
11111011	373	251	FB	û	ű	û		ћ		ϋ		û		๛	ū	û
11111100	374	252	FC	ü				ќ		ό		ü			ü
11111101	375	253	FD	ý		ŭ	ũ	§		ύ	LRM	ı	ý		ż	ý		ę
11111110	376	254	FE	þ	ţ	ŝ	ū	ў		ώ	RLM	ş	þ		ž	ŷ	þ	ț
11111111	377	255	FF	ÿ	˙			џ				ÿ	ĸ		’	ÿ

A 0xA0 helyen minden esetben nem törhető szóköz, a 0xAD pozíción az opcionáli elválasztójel van, amelyek csak sortöréskor látszanak. Az egyéb üres helyek vagy nem használtak, vagy a rendszer nem képes megjeleníteni azokat.

Léteznek az új bővítések ISO/IEC 8859-7:2003 és az ISO/IEC 8859-8:1999 változatok. LRM (left-to-right-mark) a balról jobbra jelző (U+200E) és RLM (right-to-left-mark) a jobbról balra jelző (U+200F).

Fejlesztési állapot

Az ISO/IEC 8859 szabványt az ISO/IEC 1-es közös technikai bizottságának – Joined Technical Committee 1, 2-es albizottsága -Subcommittee 2, 3-as munkacsoportja – Working Group 3 (ISO/IEC JTC 1/SC 2/WG 3) tartja karban. 2004 júniusában a 3-as munkacsoport felbomlott, így a karbantartást a 2-es albizottság végzi. A szabvány aktuálisan nincsen naprakész állapotban, mivel a albizottság és amunkacsoport maradéka inkább a ISO/IEC 10646 szabvány fejlesztésére koncentrál.

Referenciák (angol nyelven)

• Az ISO/IEC 8859 nyilvános változatainak minden része szabadon hozzáférhető a következő forrásokból:
  • ISO catalogue site és
  • ANSI eStandards Store Archiválva 2005. január 16-i dátummal a Wayback Machine-ben.
• PDF versions of the final drafts of some parts of ISO/IEC 8859 as submitted for review & publication by ISO/IEC JTC 1/SC 2/WG 3 are available at the WG 3 web site:
  • ISO/IEC 8859-1:1998 – 8-bit single-byte coded graphic character sets, Part 1: Latin alphabet No. 1 (draft dated February 12 1998, published April 15 1998)
  • ISO/IEC 8859-4:1998 – 8-bit single-byte coded graphic character sets, Part 4: Latin alphabet No. 4 (draft dated February 12 1998, published July 1 1998)
  • ISO/IEC 8859-7:1999 – 8-bit single-byte coded graphic character sets, Part 7: Latin/Greek alphabet (draft dated June 10 1999; superseded by ISO/IEC 8859-7:2003, published October 10 2003)
  • ISO/IEC 8859-10:1998 – 8-bit single-byte coded graphic character sets, Part 10: Latin alphabet No. 6 (draft dated February 12 1998, published July 15 1998)
  • ISO/IEC 8859-11:1999 – 8-bit single-byte coded graphic character sets, Part 11: Latin/Thai character set (draft dated June 22 1999; superseded by ISO/IEC 8859-11:2001, published 15 December 2001)
  • ISO/IEC 8859-13:1998 – 8-bit single-byte coded graphic character sets, Part 13: Latin alphabet No. 7 (draft dated April 15 1998, published October 15 1998)
  • ISO/IEC 8859-15:1998 – 8-bit single-byte coded graphic character sets, Part 15: Latin alphabet No. 9 (draft dated August 1 1997; superseded by ISO/IEC 8859-15:1999, published March 15 1999)
  • ISO/IEC 8859-16:2000 – 8-bit single-byte coded graphic character sets, Part 16: Latin alphabet No. 10 (draft dated November 15. 1999; superseded by ISO/IEC 8859-16:2001, published July 15 2001)
• European Computer Manufacturers Association|ECMA standards, which in intent correspond exactly to the ISO/IEC 8859 character set standards, can be found at:
  • Standard ECMA-94: 8-Bit Single Byte Coded Graphic Character Sets – Latin Alphabets No. 1 to No. 4 2nd edition (June 1986)
  • Standard ECMA-113: 8-Bit Single-Byte Coded Graphic Character Sets – Latin/Cyrillic Alphabet 3rd edition (December 1999)
  • Standard ECMA-114: 8-Bit Single-Byte Coded Graphic Character Sets – Latin/Arabic Alphabet 2nd edition (December 2000)
  • Standard ECMA-118: 8-Bit Single-Byte Coded Graphic Character Sets – Latin/Greek Alphabet (December 1986)
  • Standard ECMA-121: 8-Bit Single-Byte Coded Graphic Character Sets – Latin/Hebrew Alphabet 2nd edition (December 2000)
  • Standard ECMA-128: 8-Bit Single-Byte Coded Graphic Character Sets – Latin Alphabet No. 5 2nd edition (December 1999)
  • Standard ECMA-144: 8-Bit Single-Byte Coded Character Sets – Latin Alphabet No. 6 3rd edition (December 2000)
• ISO/IEC 8859-1 to Unicode mapping tables as plain text files are at the Unicode FTP site.
• Informal descriptions and code charts for most ISO 8859 standards are available in ISO 8859 Alphabet Soup (Mirror)