Форматы текстовых файлов.

Любые данные, обрабатываемые компьютером, включая текстовые, хранятся на внешних носителях только в виде файлов. В зависимости от характера информации, каждая программа предусматривает определенный способ организации данных, т.е. формат файла. С каждым форматом связано определенное расширение имени файла: [1] ⁾

TXT — это простейший из всех известных способов организации данных (расширение имени файла — txt). Вся информация в таком файле представлена просто символами кодовой таблицы. Этот формат текстового файла называют ещё «каноническим» форматом.

Примечание.

Основное достоинство текстового файла — его простота и универсальность. Фактически — это мировой стандарт представления текстовой информации. Применяется этот формат в тех случаях, когда не имеет значения качество воспроизведения документа на бумаге: для хранения и печати всевозможной рутинной информации, для обмена данными между людьми через мировые сети, для подготовки черновиков серьезных книг и т. д. Кроме того, «канонический» формат имеют файлы настроек большинства современных операционных систем (включая DOS и Windows).

Для представления текстовой (символьной) информации в компьютерах используется так называемая кодовая таблица.

Определение. Кодовая таблица — это внутреннее представление символов в компьютере. В кодовой таблице каждому символу ( букве, цифре, служебному знаку) присвоен какой-либо код — десятичное число в диапазоне от 0 до 255 (т.к. для представления одного символа используется 1 байт). Таким образом, можно закодировать ровно 256 символов.

Примечание.

Кодовая таблица делится на две половины:

§ Первая половина содержит коды символов в диапазоне от 0 до 127. Она принята во всём мире в качестве стандарта США и называется таблицей ASCII (American Standard Code for Information Interchange).

§ Вторая половина – коды от 128 до 255. Она не определена американскими стандартами и предназначена для размещения символов национальных алфавитов (в частности, кириллицы), псевдографических символов, некоторых математических знаков. В разных странах, на разных моделях ПК, в разных операционных системах могут использоваться разные варианты второй половины кодовой таблицы (их называют расширениями ASCII). Текстовые файлы, которые содержат только символы первой половины кодовой таблицы, часто называют файлами ASCII. ¹⁾

Текстовая информация (если в ней имеются символы второй половины кодовой таблицы) может быть представлена чаще всего в двух кодировках — СР-866 (MS-DOS) и СР-1251 (Windows). ¹⁾ По этим причинам, если текстовый файл подготовлен в среде MS-DOS (например, с помощью MS-DOS Editor), его нельзя правильно прочитать средствами Windows — и наоборот, файл с расширением txt, в кодировке СР-1251, созданный, например, в текстовом редакторе Блокнот, будет неправильно прочитан в MS-DOS.

Примечание.

Следовательно, если, после открытия текстового файла, пользователь увидел на экране «абракадабру», то это означает, что такой файл был создан в другой среде (однако следует отметить, что существуют средства перекодировки (конвертации) файлов для перевода текста из одной системы кодировки в другую).

В текстовых файлах можно создавать также таблицы и несложные «стилизованные» рисунки. Для этих целей используются символы псевдографики и специальные символы-заполнители из второй половины кодовой таблицы. Для создания, просмотра и модификации (редактирования) текстовых документов используются специальные прикладные программы, которые называются редакторами текстов.

Кроме формата TXT известны также следующие форматы текстовых файлов:

RTF (Rich Text Format) — формат обмена документов между текстовыми процессорами (расширение имени файла — rtf). Он был разработан фирмой Microsoft в 1986 году. Главное его достоинство в том, что его внутренняя организация предусматривает передачу всех основных элементов форматирования: параметров шрифта, абзаца и прочее. Этот формат распознается практически всеми текстовыми редакторами и процессорами.

DOC — является одним из самых популярных форматов в России в настоящее время, хотя, по-существу, это внутренний формат текстового процессора Microsoft Word (расширение имени файла — doc). Полностью сохраняет форматирование текстового документа.

§ HTML (Hypertext Markup Language) — универсальный язык гипертекстовой разметки, применяемый в Internet для разработки Web-страниц (расширение имени файла — htm). Этот формат используется как альтернативный формат сохранения информации в текстовых процессорах.

PDF (Portable Document Format) — переносимый формат документов, причем он дает возможность любым организациям, работающим с большим объемом документов, сохранять точное форматирование страниц при обмене файлами (расширение имени файла — pdf). Этот формат документов был задуман для реализации просмотра полностью отформатированных документов без помощи создавшего их приложения или установки дополнительных шрифтов. Для оперирования с PDF-файлами необходимо установить программный пакет Adobe Acrobat.