PDF de programación - Introducción a los Lenguajes de marcas

Introducción a los

Lenguajes de marcas

LMSGI, módulo del ciclo de FP de Grado Superior,
Administración de Sistemas Informáticos en Red

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

[1] ordenador e información

LMSGI, módulo del ciclo de FP de Grado Superior,
Administración de Sistemas Informáticos en Red

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

Formas de representar información en el
ordenador

• El ordenador es una máquina binaria
• TODA la información que almacena debe ser almacenada de forma
binaria
• Nº 9701100001
• Letra A01000001
• Color Malva 211 174 25211010011 10101110 111111000
• Una imagen  Pasar todos los píxeles a binario
• Vídeo, sonido Muestras de cada sonido e imagen
• Codificación=Transformación de información a una forma binaria

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

Datos binarios y datos de texto

• En realidad todo es binario
• Datos binarios = (Comúnmente) Todo lo que no es texto
• Los humanos alfabetizados estamos muy textualizados
• Ejemplo. Intentar ver lo siguiente sin entender lo que pone,
como si fuera una mancha de color blanco:

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

Datos binarios y datos de texto

• Los humanos no podemos abstraernos así
• Para el ordenador la imagen inferior sólo es una secuencia
binaria más
• Para el ser humano, alfabetizado en caracteres latinos, es
claramente un texto

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto

•Un ordenador solo maneja datos binarios
•Consecuencia: El texto debe de convertirse en
binario

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto

•Problema:

• ñ (en sistema Windows clásico) = 241 = 11101101
• ñ (en la consola clásica de Windows) = 164=
10100100

•Cada sistema codificaba de una manera

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

[2] codificación de texto a

binario

LMSGI, módulo del ciclo de FP de Grado Superior,
Administración de Sistemas Informáticos en Red

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto.
código ASCII

•ANSI creó una tabla llamada ASCII que
estandarizó la forma de codificar texto
•La tabla consta de 128 caracteres
•Usa 7 bits para codificar
•Problema: Sólo incluyó caracteres del inglés

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto.
código ASCII

•Para los símbolos no ingleses, se añadió un bit
más al ASCII = 256 caracteres
•ASCII extendido=8 bits
•Problema: Hay muchos ASCII extendidos

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto.
código Unicode
• Intenta arreglar el lío de los sistemas ASCII extendidos
• Cada símbolo de cada lengua tiene un valor
• Usa hasta 32 bits (caben billones de caracteres)
• Problema: El tamaño de los archivos de texto se
multiplica

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto.
código Unicode. implementaciones
• UTF-8:

• Tamaño variable para cada carácter (8,16,24 o 32 bits)
• 8 bits  Caracteres del código ASCII original
• 16 bits  Lenguas latinas, cirílicas, griegas, árabes, hebreas
y otras de Europa, Asia Menor y Egipto
• 24 bits  Resto de símbolos alfabéticos (lenguas de Asia)
• 32 bits  Símbolos, lenguas muertas,…

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

el problema de codificar texto.
código Unicode. implementaciones
• UTF-16

• Ocupan 16 (si son del tipo 1 y 2 anterior) y 32 bits

• UTF-32

• Cada carácter ocupa 32 bits

LMSGI-Unidad 1-Lenguajes de marcas
Jorge Sánchez, www.jorgesanchez.net
@jorgesancheznet

Códigos. Unicode. Implementaciones
• Ejemplo, texto 取得cigüeña