Unter den Zeichens\u00e4tzen, die heutzutage verwendet werden, hat sich vor allem Latin-1 (-2 etc) – eigentlich ISO-8859-1 – und das neue Unicode-Untertyp UTF-8 durchgesetzt. Dennoch existieren viele exotische Zeichens\u00e4tze, die entweder nur einige Sprachen abdecken (wie KOI8-U f\u00fcr Ukrainsch) oder nur an bestimmten „Orten“ zum Einsatz kommen. Dazu geh\u00f6ren auch die Zeichens\u00e4tze in den Bibliotheken.Die bekanntesten Vertreter in der MARC- (also der nicht-deutschsprachigen) Welt sind MARC-8 und ANSEL (American National Standard for Extended Latin) sowie das DIN ISO 5426 in MAB2-Daten.<\/p>\n
Die Idee dahinter war, den ASCII-Zeichensatz so zu erweitern, dass man auch nichtlateinische (oder ver\u00e4nderte lateinische) Zeichen abbilden kann. Die Grundlage f\u00fcr ANSEL <\/a>stellte die Norm ISO\/IEC 6937<\/a> dar, die die Zeichen 0x00 bis 0x7f als normale Buchstaben, Zahlen oder Zeichen nutzte, die\u00a0 Zeichen im Bereich von 0x80 bis 0xff von der „normalen“ Nutzung ausgenommen hat. Alle Zeichen, die nicht ins erste Bereich hineinpassen, werden (ein wenig \u00e4hnlich wie in Unicode) aus zwei Bytes zusammengesetzt: Ein nicht-trennender diakritischer Byte (aus zweitem Bereich) begleitet vom Zeichen aus dem Ersten Bereich. 0xCE+0x65 (polnisches ‚ogonek‘-Zeichen + kleines „e“) ergeben zusammen „\u0119“.<\/p>\n Die \u00c4hnlichkeit mit UTF-8 ist, dass man bestimmte Bereiche von der Nutzung ausnimmt, um sie als einleitende Sequenz f\u00fcr Sonderzeichen einzusetzen. In L\u00e4ndern wie USA kommt es sehr gut an, da die meisten Buchstaben mit einem Byte (aus dem frei verwendbaren Bereich) abgedeckt werden kann. Die Sonderzeichen brauchen zwar 2 Bytes, doch dies komm nur selten vor. Der Unterschied zu UTF-8 ist, dass es keine Zeichen gibt, die mehr als 2 Byte ben\u00f6tigen.<\/p>\n Der MAB2-Zeichensatz ISO 646 (IRV) zusammen mit ISO 5426 von 1983<\/a> benutzen dieselbe Methode. Sie Definieren bestimmte Zeichen als Sequenz-Zeichen wie<\/p>\n Andere Zeichen wie 0x20 bis 0x7E sowie 0xA1 bis 0xBF werden wie \u00fcblich verwendet: als Buchstaben, Zahlen und Interpunktionszeichen. Einige typographische Besonderheiten wie Ligaturen oder „\u00df“ und „\u0141“ werden in 0xE1, 0xE2, 0xE6, 0xE8, 0xE9, 0xEA, 0xEC, 0xF1, 0xF2, 0xF3, 0xF5, 0xF6, 0xF8, 0xF9, 0xFA, 0xFB, 0xFC (ein Byte) abgebildet.<\/p>\n Kombiniert man 0xC9 mit 0x6f (xc9x6f oder xc96f) bekommt man im MAB2-Zeichensatz das ‚\u00f6‘.<\/p>\n MARC-8 verf\u00e4hrt sehr \u00e4hnlich, kennt aber echte Multibyte-Zeichen (f\u00fcr CJK – japanisch). Die folgenden Sequenzzeichen kennt MARC-8:<\/p>\n Ansonsten gelten die ersten 7 Bit der ASCII-Tabelle. Einen in MARC-8 kodierten Datensatz erkennt man an einem Leerzeichen an der 9. Stelle des Datensatzkopfes (en. „Leader“). Steht dort ein „a“, wird hingegen Unicode verwendet.<\/p>\n Vor allem die Escape-Sequenzen haben es in sich. Sie erlauben zwar das schnelle Umschalten zwischen Zeichens\u00e4tzen, sind aber recht kompliziert. Beispiele findet man hier<\/a>. Die Tabellen mit Sonder- und diakritischen Zeichen einzelner Zeichens\u00e4tze findet man hier<\/a>.<\/p>\n Auch wenn UTF-8 mit seinen zwei- und mehrbyte-Sequenzen nicht allzu einfach zu verstehen ist, hat es gegen\u00fcber den beiden \u00e4lteren Vorg\u00e4ngern einen gro\u00dfen Vorteil: Auf eine raffinierte Art und Weise deckt es mit wenig Bits sehr viele Zeichens\u00e4tze ab. UTF-16 kann zwar noch mehr, doch die Datenmenge verdoppelt sich, wenn man nur Englisch oder Latein verwendet. Die bibliographischen L\u00f6sungen sind hingegen recht komplex und zugleich sehr begrenzt, weshalb eine Abl\u00f6sung (auch der bibliographischen Formate) in der n\u00e4chsten Zukunft eingeleitet werden sollte.<\/p>\n <\/p>\n Ps. Hexadezimale (hex) Zeichen schreibe ich wie in PHP gewohnt 0xFF, was xFF in anderen Programmiersprachen oder ÿ im HTML entspricht.<\/p>\n Pss. Ein guter Konverter f\u00fcr MARC-8 wurde in Perl geschrieben<\/a>. F\u00fcr MAB2-Zeichensatz existiert ebenfalls einer in Perl aber in 2 Versionen (beide vom Koha-Projekt<\/a>) alt<\/a> und neu (in den Quellen unter C4\/Charset.pm ab Zeile ca. 900). Eine MAB2-Tabelle<\/a> gibt es auch.<\/p>\n","protected":false},"excerpt":{"rendered":" Unter den Zeichens\u00e4tzen, die heutzutage verwendet werden, hat sich vor allem Latin-1 (-2 etc) – eigentlich ISO-8859-1 – und das neue Unicode-Untertyp UTF-8 durchgesetzt. Dennoch existieren viele exotische Zeichens\u00e4tze, die entweder nur einige Sprachen abdecken (wie KOI8-U f\u00fcr Ukrainsch) oder nur an bestimmten „Orten“ zum Einsatz kommen. Dazu geh\u00f6ren auch die Zeichens\u00e4tze in den Bibliotheken.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_sitemap_exclude":false,"_sitemap_priority":"","_sitemap_frequency":"","ocean_post_layout":"","ocean_both_sidebars_style":"","ocean_both_sidebars_content_width":0,"ocean_both_sidebars_sidebars_width":0,"ocean_sidebar":"","ocean_second_sidebar":"","ocean_disable_margins":"enable","ocean_add_body_class":"","ocean_shortcode_before_top_bar":"","ocean_shortcode_after_top_bar":"","ocean_shortcode_before_header":"","ocean_shortcode_after_header":"","ocean_has_shortcode":"","ocean_shortcode_after_title":"","ocean_shortcode_before_footer_widgets":"","ocean_shortcode_after_footer_widgets":"","ocean_shortcode_before_footer_bottom":"","ocean_shortcode_after_footer_bottom":"","ocean_display_top_bar":"default","ocean_display_header":"default","ocean_header_style":"","ocean_center_header_left_menu":"","ocean_custom_header_template":"","ocean_custom_logo":0,"ocean_custom_retina_logo":0,"ocean_custom_logo_max_width":0,"ocean_custom_logo_tablet_max_width":0,"ocean_custom_logo_mobile_max_width":0,"ocean_custom_logo_max_height":0,"ocean_custom_logo_tablet_max_height":0,"ocean_custom_logo_mobile_max_height":0,"ocean_header_custom_menu":"","ocean_menu_typo_font_family":"","ocean_menu_typo_font_subset":"","ocean_menu_typo_font_size":0,"ocean_menu_typo_font_size_tablet":0,"ocean_menu_typo_font_size_mobile":0,"ocean_menu_typo_font_size_unit":"px","ocean_menu_typo_font_weight":"","ocean_menu_typo_font_weight_tablet":"","ocean_menu_typo_font_weight_mobile":"","ocean_menu_typo_transform":"","ocean_menu_typo_transform_tablet":"","ocean_menu_typo_transform_mobile":"","ocean_menu_typo_line_height":0,"ocean_menu_typo_line_height_tablet":0,"ocean_menu_typo_line_height_mobile":0,"ocean_menu_typo_line_height_unit":"","ocean_menu_typo_spacing":0,"ocean_menu_typo_spacing_tablet":0,"ocean_menu_typo_spacing_mobile":0,"ocean_menu_typo_spacing_unit":"","ocean_menu_link_color":"","ocean_menu_link_color_hover":"","ocean_menu_link_color_active":"","ocean_menu_link_background":"","ocean_menu_link_hover_background":"","ocean_menu_link_active_background":"","ocean_menu_social_links_bg":"","ocean_menu_social_hover_links_bg":"","ocean_menu_social_links_color":"","ocean_menu_social_hover_links_color":"","ocean_disable_title":"default","ocean_disable_heading":"default","ocean_post_title":"","ocean_post_subheading":"","ocean_post_title_style":"","ocean_post_title_background_color":"","ocean_post_title_background":0,"ocean_post_title_bg_image_position":"","ocean_post_title_bg_image_attachment":"","ocean_post_title_bg_image_repeat":"","ocean_post_title_bg_image_size":"","ocean_post_title_height":0,"ocean_post_title_bg_overlay":0.5,"ocean_post_title_bg_overlay_color":"","ocean_disable_breadcrumbs":"default","ocean_breadcrumbs_color":"","ocean_breadcrumbs_separator_color":"","ocean_breadcrumbs_links_color":"","ocean_breadcrumbs_links_hover_color":"","ocean_display_footer_widgets":"default","ocean_display_footer_bottom":"default","ocean_custom_footer_template":"","ocean_post_oembed":"","ocean_post_self_hosted_media":"","ocean_post_video_embed":"","ocean_link_format":"","ocean_link_format_target":"self","ocean_quote_format":"","ocean_quote_format_link":"post","ocean_gallery_link_images":"on","ocean_gallery_id":[],"footnotes":""},"categories":[3,8],"tags":[16,120,132],"class_list":["post-729","post","type-post","status-publish","format-standard","hentry","category-informationswissenschaft","category-software","tag-bibliothek","tag-utf-8","tag-zeichensatz","entry"],"_links":{"self":[{"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/posts\/729","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/comments?post=729"}],"version-history":[{"count":0,"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/posts\/729\/revisions"}],"wp:attachment":[{"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/media?parent=729"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/categories?post=729"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.kolatzek.org\/wblog\/wp-json\/wp\/v2\/tags?post=729"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n
\n