„Krzaki” lat 90.: jak Mazovia, ISO-8859-2 i Windows-1250 walczyły o polskie znaki
· Typing Safari
„Krzaki” zamiast polskich liter pojawiały się wtedy, gdy tekst zapisany w jednym kodowaniu znaków był odczytywany w innym. W latach 80. i 90. w Polsce funkcjonowało naraz kilka kodowań — Mazovia, CP852, ISO-8859-2, Windows-1250 i inne — i każde umieszczało polskie litery pod innymi numerami. Ten problem nie wynikał z klawiatury, lecz właśnie z wojny standardów kodowania.
Jeden bajt, zbyt wiele pomysłów
Podstawowy zestaw ASCII ma 128 pozycji. Wystarczają one dla angielskiego, ale nie ma wśród nich liter ą ć ę ł ń ó ś ź ż. Jednobajtowe kodowania wykorzystywały więc górną połowę tabeli (kody od 128 do 255), każde po swojemu. Polska Wikipedia podsumowuje, że w konsekwencji w użyciu było wiele nieoficjalnych standardów.
Najważniejsze z nich:
- Mazovia (1984): kodowanie zaprojektowane przez Jana Klimowicza z Instytutu Maszyn Matematycznych w ramach projektu polskiego klonu IBM PC o nazwie Mazovia 1016. Powstało na bazie strony kodowej 437 i zachowało jej znaki semigraficzne, czyli ramki używane w programach dla DOS-u. Szeroko przyjęło się w Polsce po tym, jak w 1986 roku Narodowy Bank Polski uznał je za swój standard.
- DHN, CSK i inne: w tabelach porównawczych kodowań polskich liter figuruje jeszcze kilka krajowych kodowań, każde z własnym rozmieszczeniem liter.
- CP852 (DOS Latin II): strona kodowa IBM dla Europy Środkowej. Pierwszym oficjalnie wydanym systemem, który ją obsługiwał, był DOS 5.0 z czerwca 1991 roku. W przeciwieństwie do Mazovii nie zachowała wszystkich znaków semigraficznych strony 437.
- ISO-8859-2 (Latin-2): standard międzynarodowy dla języków Europy Środkowej, przyjęty w Polsce jako norma PN-91/T-42115. To standardowe 8-bitowe kodowanie polskiego alfabetu.
- Windows-1250: kodowanie Microsoftu dla systemu Windows, podobne do ISO-8859-2, ale nie identyczne — sześć polskich liter ma w nim inne kody.
Dlaczego psuły się akurat „ą”, „ś” i „ź”?
Większość polskich liter (ć, ę, ł, ń, ó, ż i ich wielkie wersje) ma w ISO-8859-2 i Windows-1250 te same kody. Różnią się tylko ą, ś, ź oraz Ą, Ś, Ź. Na przykład ą to w ISO-8859-2 bajt B1, a w Windows-1250 bajt B9; ś to odpowiednio B6 i 9C, a ź — BC i 9F. Tekst zapisany w Windows-1250 i wyświetlony jako ISO-8859-2 (albo odwrotnie) wyglądał więc prawie dobrze: psuły się „tylko” te trzy litery i ich wielkie odpowiedniki. Przy pomyleniu CP852 z ISO-8859-2 rozjeżdżały się już wszystkie polskie litery, bo żadna z nich nie ma w tych dwóch kodowaniach tego samego kodu.
Koniec epoki krzaków: Unicode i UTF-8
Chaos zakończyło upowszechnienie standardu Unicode i kodowania UTF-8. W Unicode każda litera ma własny, niepowtarzalny punkt kodowy, niezależny od systemu: ą to U+0105, a ł to U+0142. W UTF-8 polskie litery zajmują po dwa bajty, na przykład Ą to C4 84, a Ł to C5 81. Według Wikipedii UTF-8 jest najczęściej używanym kodowaniem w sieci od 2008 roku, a dziś korzysta z niego około 99% badanych stron internetowych.
Typing Safari uczy pisania bezwzrokowego po polsku na Twojej własnej klawiaturze w lekcjach, a darmowy test szybkości nie wymaga zakładania konta.
Najczęstsze pytania
Czym była strona kodowa Mazovia?
Mazovia to polskie kodowanie znaków dla komputerów PC z systemem DOS, zaprojektowane w 1984 roku w Instytucie Maszyn Matematycznych dla klonu IBM PC Mazovia 1016. Opierało się na stronie kodowej 437 i zachowywało jej znaki do rysowania ramek w programach tekstowych.
Dlaczego w latach 90. psuły się głównie litery „ą”, „ś” i „ź”?
Bo w dwóch kodowaniach używanych wtedy obok siebie — ISO-8859-2 i Windows-1250 — właśnie te trzy litery oraz ich wielkie wersje mają różne kody liczbowe. Pozostałe polskie litery są w obu kodowaniach pod tymi samymi numerami.
Kiedy problem kodowania polskich znaków ostatecznie zniknął?
Zanikał stopniowo wraz z przechodzeniem stron internetowych i programów na Unicode. W sieci przełomem był rok 2008, od kiedy UTF-8 jest najczęściej używanym kodowaniem stron.