Organizarea datelor pe PC

M2.U4.3. Codificarea informatiilor

Procedeul de reprezentare a informatiei conform unui anumit format poarta denumirea de codificare.

Necesitatea utilizarii codurilor se impune pentru a asigura comunicatia intre utilizator si sistemul de calcul, avand in vedere ca utilizatorului ii este specifica gandirea zecimala si folosirea caracterelor alfabetului, in timp ce tehnica de calcul recunoaste doar sistemul binar.

Se numeste cod un set de simboluri elementare, impreuna cu o serie de reguli potrivit carora se formeaza aceste simboluri.

Operatia de codificare este prezenta pe mai multe nivele de tratare a informatiilor. Ea este prezenta pornind de la nivelul scazut al sistemului de calcul (hardware, software de baza) pana la nivelul codificarii in ansamblul sistemului informational (coduri de materiale, coduri de produse, coduri de bare etc.)

Desfasurarea operatiilor de codificare presupune respectarea urmatoarelor principii:

• adoptarea acelorasi norme in determinarea vocabularului de intrare;
• folosirea unui limbaj de codificare accesibil, astfel incat interpretarea alfabetului de iesire sa se faca fara dificultati;
• respectarea biunivocitatii intre vocabularul de intrare si limbajul de codificare;
• previziunea evolutiei codurilor, care sa asigure posibilitatea actualizarii sistemelor de coduri, fara perturbatii;
• sistemele de coduri adoptate sa fie sugestive in redarea legaturilor dintre fenomene, procese si documente;
• adaptarea codificarii in vederea prelucrarii informatiilor in sistemul de calcul.

In sistemele digitale informatia se transmite sub forma unor cuvinte binare, respectiv ca siruri de cifre care iau valorile de '0' sau '1' si care poarta si numele de biti.

Un bit este unitatea elementara de informatie si poate contine doar una din doua variante posibile: sau '0' sau '1' ('bit' vine de la 'BInary digiT'). In functie de conotatia sa, un bit mai poate fi reprezentat si prin perechile 'da' sau 'nu', 'adevarat' sau 'fals'.

Cuvintele binare sunt o succesiune de biti de '0' si '1', putand fi reprezentate pe 4, 8, 16, 32,     64 biti .

O succesiune de 8 biti (un octet) formeaza un Byte (B), unitate care caracterizeaza adresa de memorie din calculator.

Codificarea numerelor naturale este numita si reprezentarea aritmetica, si se realizeaza pe lungimi standard, de 8, 16, 32, 64 pozitii binare. Daca se cunoaste numarul de pozitii binare pe care se reprezinta un numar natural, se poate stabili numarul maxim admis care poate fi reprezentat.

Codificarea numerelor intregi este numita si reprezentarea algebrica. Ea este asemanatoare reprezentarii aritmetice, cu deosebirea ca prima pozitie este ocupata de semnul reprezentarii. Prin conventie, daca pozitia de semn este 0, numarul este pozitiv, iar daca este 1 numarul este negativ.

De regula, numerele intregi se reprezinta pe 8, 16, 32 si 64 biti. Cunoscand numarul de pozitii binare pe care se reprezinta un numar intreg, se poate determina intervalul admis pentru aceasta reprezentare.

Codificarea caracterelor alfanumerice

Prin caractere alfanumerice intelegem:

• literele mari si mici ale alfabetului;
• cifrele de la 0 la 9;
• semnele de punctuatie;
• operatorii aritmetici si de relatie;
• alte caractere speciale.

In general prin caractere alfanumerice se inteleg toate caracterele care pot fi introduse de la tastatura unui calculator. Numarul acestor caractere este mai mare decat 64 si, din acest motiv, pentru reprezentarea binara a caracterelor alfanumerice sunt necesare cel putin 7 pozitii binare. Cum numarul de caractere de codificat este limitat si relativ redus, functia de codificare alfa-numerica se defineste tabelar.

Din marea familie a codurilor alfanumerice le exemplificam pe cele mai cunoscute:

• Codul EBCDIC (Extended Binary Coded Decimal Interchange Code) este un cod alfa-numeric pe 8 biti, proiectat pentru codificarea informatiilor, la calculatoarele din seria IBM 360. Codul a fost utilizat pana prin anii '70.
• Codul ASCII (American Standard Code for Information Interchange) reprezinta un standard actual de codificare alfa-numerica pe 7 biti. Este un cod alfa-numeric, cu recomandare ISO (International Standard Organization) si este utilizat de multe tipuri de calculatoare si de majoritatea echipamentelor periferice care lucreaza cu aceste calculatoare.
• Codul UNICODE. Este un cod alfa-numeric pe 16 biti care isi propune sa defineasca un cod standard pentru simbolurile alfa-numerice utilizate in toate tarile lumii: litere, semne de punctuatie, semne monetare specifice tuturor limbilor de pe planeta.

Prin dezvoltarea sistemelor de coduri pe 7 si 8 biti, asa-numitele coduri pe octet, catre coduri pe doi octeti sau coduri DBCS (Duble-Bit Code System). s-a creat o familie de coduri care se doreste a fi unificata de sistemul de codificare UNICODE.

Codificarea de reprezentare a sunetului

Sunetele variaza in functie de intensitate (masurata in decibeli) si in frecventa (masurata in vibratii pe secunda, hertz - Hz). Compunerea mai multor unde sonore conduce la o imensa plaja audio, pornind de la simple zgomote, la vocea umana si muzica simfonica (cel mai complex mesaj sonor). In forma lor naturala, sunetele sunt semnale analogice cu variatie continua. Pentru a le putea prelucra cu ajutorul calculatorului avem nevoie de acestea in forma lor digitala, adica cu variatie discreta. Sunetele pot fi digitizate spre exemplu cu ajutorul microfonului sau sintetizatorului. Sunetele digitizate se mai numesc si sunete esantionate. Frecventa de esantionare este data de un semnal, prin intermediul caruia este preluat la fiecare tact al esantionului un sunet corespunzator, care este stocat ca informatie digitala in memorie. Cu cat rata de esantionare este mai mare, cu atat cantitatea de informatie sonora digitizata este mai mare. Totodata, prin obtinerea de esantioane "mai dese", calitatea informatiei digitizate stocate se apropie de calitatea semnului sonor initial. Pentru digitizarea sunetelor se utilizeaza de regula trei frecvente pentru esantionare:

• 44,1 KHz (standardul obisnuit pentru CD audio);
• 22,2 KHz
• 11,025 KHz

Marimea esantioanelor este de 8-16 biti. Cu cat marimea esantionului este mai mare, cu atat descrierea sunetului este mai fidela. Un sunet inregistrat pe 8 biti ofera 256 de nivele in scopul descrierii amplitudinii nivelului sunetului la un moment dat. Un esantion inregistrat pe 16 biti ofera o scara de 65.536 sau 2¹⁶-1 nivele pentru descrierea amplitudinii sunetului la momentul dat.

Codificarea de reprezentare a imaginilor

Imaginile statice sunt, in general, limitate din punct de vedere al posibilitatilor de comunicare a diverselor tipuri de informatie. Oricum ele sunt superioare, din punct de vedere al cantitatii de informatie, reprezentarii sub forma de text/caractere (a se observa diferentele la privirea unui grafic si a unui tabel).

a. Reprezentarile vectoriale sunt constituite de obicei cu ajutorul unor functii primitive, cum ar fi desenarea de linii, dreptunghiuri, elipse etc. Aceste primitive pot fi grupate impreuna pentru a forma obiecte. Toate imaginile reprezentate vectorial sunt generate de calculator prin utilizarea diferitelor pachete software specializate. Intr-o imagine reprezentata vectorial, toate primitivele grafice (linii, dreptunghiuri, elipse, arce de cerc etc.) care formeaza obiectele componente sunt definite prin punctele lor esentiale. De exemplu pentru un dreptunghi se vor defini perechile de valori X1, Y1 si X2, Y2, acestea fiind coordonatele a doua colturi diagonal opuse. Aceasta informatie este suficienta nu numai pentru a defini dimensiunea dreptunghiului in discutie, ci si pozitia lui in cadrul imaginii. In plus, pentru fiecare primitiva grafica se mai pot furniza informatii suplimentare, cum ar fi:

• culoarea conturului.
• culoarea interiorului.
• tipul de hasura pentru interior etc.

Aceasta permite ca figuri complexe sa poata fi stocate in fisiere foarte compacte. Dimensiunea acestor fisiere depinde in mod direct proportional de numarul de obiecte ce compun imaginea. Modificarea dimensiunilor unor imagini reprezentate vectorial se poate face cu usurinta, fara pierderi de informatie, fiind vorba doar de operatii de scalare a parametrilor primitivelor componente.

Grafica vectoriala poate fi utilizata pentru reprezentarea imaginilor inconjuratoare, dar acest lucru necesita o cantitate impresionanta de procesoare, impartirea in primitive grafice fiind foarte dificila.

b. Formatul bit-map ("hartile de biti"). Hartile de biti sunt cunoscute ca grafica de rastru si sunt formate dintr-o matrice de puncte numite pixeli. Ele reprezinta aproape fidel, bit cu bit, continutul memoriei video in momentul afisarii imaginii respective pe ecranul monitorului. Pentru o imagine monocroma, fiecarui punct fizic al imaginii ii corespunde un singur bit in matrice, pe randul si coloana corespunzatoare pozitiei reale a acestuia in cadrul imaginii. Valoarea 0 a bitului din matrice corespunde unui punct negru (stins), iar valoarea 1 corespunde unui punct alb (aprins). Din exemplul de mai sus se deduce ca pentru imaginile color trebuie atasate si informatii suplimentare. Aceasta se concretizeaza in adaugarea unei a treia dimensiuni matricii, numita adancime de culoare. Cele mai uzuale adancimi de culoare sunt:

• 4 biti, adica 16 culori
• 8 biti, adica 256 culori
• 16 biti, adica 32.768 culori
• 24 biti, adica 16,7 milioane culori

Principalul avantaj al formatului bit-map consta in faptul ca poate stoca imagini reale pana la cel mai mic detaliu, in functie de densitatea de pixeli.

Dezavantajul principal consta in necesarul foarte mare de spatiu de stocare, atat pentru dimensiune cat si pentru adancimea de culoare.

Al doilea dezavantaj este degradarea imaginii reprezentate daca este redimensionata. In cazul micsorarii dimensiunilor, o parte din pixeli va fi inlaturata, rezultand o pierdere de informatie. In cazul maririi dimensiunilor imaginii vor trebui adaugati noi pixeli, carora li se atribuie informatii de culoare ca si pixelilor din vecinatate. Acest mecanism duce la alterarea imaginii.

M2.U4.4. Fisiere si directoare

Fisierul este o colectie de informatii, omogena din punct de vedere al naturii informatiilor si a cerintelor de prelucrare a acestora, colectie care poate fi memorata pe un suport de informatie.

Fisierele se inregistreaza pe un suport de memorie externa (discuri magnetice si optice, benzi magnetice etc.). Identificatorul fisierului este format din doua elemente, numele si extensia, numele fiind obligatoriu, despartite prin caracterul punct (.).

a. Numele de fisier

In cazul sistemului de operare MS-DOS, numele este un sir de caractere format din cel mult opt caractere, iar extensia dintr-un sir de maxim trei caractere (format 8.3).

Sistemul de operare Windows accepta nume lungi de fisiere, care pot avea pana la 255 de caractere. Extensia fisierelor este optionala in ambele sisteme de operare. Extensia se foloseste pentru a preciza apartenenta fisierului la o clasa de fisiere precum si pentru a putea fi deschise automat de catre programul asociat.

Observatii:

In cazul sistemului de operare MS-DOS numele de fisiere nu pot contine urmatoarele caractere: spatiu, ;, ,, /, , ', [, ], :, ., |, < >, +, =.

Exista anumite cuvinte, denumite 'nume rezervate' care nu pot fi utilizate in denumirea fisierelor: CON, AUX, COM1, COM2, COM3, COM4, PRN, LPT1, NUL, CLOCK$.

In cazul sistemului de operare Windows, caracterele interzise in numele lungi de fisiere sunt: ?, *, /, , ', :, |, < >.

La utilizarea numelor lungi de fisiere, Windows genereaza automat si unul care respecta conventia MS-DOS 8.3. Acest nume este salvat impreuna cu cel lung in tabela de alocare a fisierelor (FAT). Daca sub sistemul Windows se va lansa o sesiune MS-DOS Prompt, aceasta va afisa atat numele scurte de fisiere cat si pe cele lungi, cu observatia ca pe cele lungi le va trunchia - utilizand caracterul tilda (~). Atunci cand spatiul de afisare nu permite, sub Windows numele lungi de fisiere vor fi trunchiate, utilizandu-se caracterul ().

La transformarea numelor lungi in format 8.3 se aplica urmatoarele reguli (in aceasta ordine):

- se sterg spatiile:

Ex.: fisierul plan f ian devine planfian

- numele lungi la care numarul primelor caractere este mai mic sau egal cu opt raman neschimbate la stanga:

- numele care contin mai multe puncte, vor utiliza ca nume caracterele din stanga primului punct si ca extensie caracterele de dupa ultimul punct:

Ex.: fisierul desen2.procesoare.doc devine desen2.doc

- numele care contin un prim cuvant de 8 caractere, urmat de spatiu, vor utiliza ca nume de fisier primul cuvant:

Ex.: fisierul desen345 presa.dwg devine desen345.dwg

- numele create prin trunchiere se sfarsesc cu ~#, unde # reprezinta un numar utilizat pentru diferentierea numelor care dupa trunchiere ar fi identice:

Ex.: Anexa 19.doc devine ANEXA1~1.DOC

anexa 1b.doc devine ANEXA1~2.DOC

b. Extensia fisierelor

Extensia fisierelor respecta regulile pentru stabilite la numele fisierului pentru ambele sisteme de operare. Specificarea extensiei este optionala in momentul definirii numelui de fisier, dar daca fisierul a fost generat cu extensie, referirea la acesta se va face obligatoriu si prin extensie.

c. Tipuri de fisiere

Extensia este utila la identificarea tipului de fisier. Unele extensii de fisiere sunt subintelese de sistem, adica sistemul asociaza acestor extensii programele care creeaza si exploateaza aceste fisiere.

Fiecare fisier, pe langa numele, extensia si tipul sau, prezinta o dimensiune (exprimata in octeti), o data si o ora de creare specifice. Un fisier vid (care nu contine informatii) are dimensiunea egala cu zero. Aceste informatii sunt reactualizate automat la fiecare modificare efectiva a continutului fisierului. In cazul operatiilor de copiere sau redenumire, care nu schimba continutul fisierului, aceste informatii nu se schimba.

Mai mult, fiecarui fisier ii sunt asociate un numar de atribute cu urmatoarea specificatie:

a - atribut de arhivare (archive). Acest atribut se utilizeaza pentru controlul procesului de salvare a fisierelor de tip backup; atributul exprima inexistenta unei copii de siguranta a fisierului;

r - atribut de protejare la scriere (read-only). Setarea acestui atribut protejeaza fisierul respectiv la stergere sau modificare, continutul fisierului putand numai fi vizualizat;

h - atribut de ascundere (hidden). Fisierele cu acest atribut sunt invizibile pentru anumite comenzi sau setari ale sistemului de operare;

s - atribut de sistem (system). In mod implicit, fisierele cu acest atribut apartin sistemului de operare.

Informatiile referitoare la marimea, locatia fizica si proprietatile fisierelor sunt stocate pe o portiune speciala a unitatii de disc, locatie ce contine si o tabela speciala a sistemului de operare, numita tabela de alocare a fisierelor (FAT - File Allocation Table). Fiecare fisier (ca de altfel si fiecare director) ocupa cel putin o unitate de alocare.

d. Operatii cu fisiere

Asupra unui fisier se pot executa, in general, urmatoarele operatii:

Crearea fisierului

Prin aceasta operatie se realizeaza fisierul in forma initiala. Acesta primeste un nume, capata consistenta (prin introducerea datelor) si apoi se memoreaza pe suportul de informatie.

Consultarea fisierului

Prin aceasta operatie se extrag informatii din fisier fara sa se modifice continutul lui. Informatiile se pot obtine pe un dispozitiv de iesire (monitor) sau pe un suport de informatie (hartie tiparita la imprimanta).

Actualizarea fisierului

Operatia se utilizeaza pentru aducerea la zi (actualizarea) a informatiilor din fisier si determina modificarea fisierului. Actualizarea se realizeaza prin trei operatii: adaugarea, stergerea sau modificarea informatiei continuta de respectivul fisier.

Copierea fisierului

Prin aceasta operatie se obtine o imagine (o copie) identica a fisierului pe acelasi sau pe alt suport de informatie (de acelasi tip). In urma acestei operatii vor exista doua fisiere identice din punct de vedere al continutului.

Mutarea fisierului

Operatia determina transferul fisierului de pe un suport pe altul sau pe acelasi suport de informatie, dintr-o zona in alta. In urma acestei operatii va exista un singur fisier.

Redenumirea fisierului

Prin intermediul operatiei se modifica (schimba) numele fisierului.

Stergerea unui fisier

Aceasta operatie sterge fisierul de pe suportul de informatie fiind una de tip distructiv. Stergerea fisierului nu se face fizic prin anularea informatiei de pe suportul de memorare, ci logic (din tabela FAT), adica locatiile ocupate de fisier pe disc sunt declarate libere si in consecinta pot fi folosite de alte fisiere pentru memorarea informatiei. In cazul in care nu s-au produs operatii de scriere pe disc, fisierul distrus se poate reface prin realocarea vechilor zone de pe suportul de informatie. Operatia de refacere se poate realiza cu ajutorul unor comenzi speciale ale sistemului de operare (vezi Recycle Bin) sau prin utilizarea unor programe specializate, destinate acestui scop.

e. Directoare; dosare

Datorita capacitatii mari de memorare a discurilor a aparut necesitatea organizarii si gruparii fisierelor pe baza unor criterii stabilite de utilizator. In acest sens s-a introdus notiunea de director (directory).

Directorul este un catalog, un tabel, un index al discului. In el se memoreaza informatii despre fisierele care sunt inregistrate pe unitatea de disc. Prin aceste informatii orice fisier poate fi regasit pe disc.

La initializarea discului de catre sistemul de operare (operare denumita formatare) se creeaza un singur director, denumit director radacina (Root Directory) sau director sistem, notat cu . Acesta cuprinde toate celelalte directoare, numite din aceasta cauza subdirectoare. Numele directoarelor - excluzandu-l pe cel radacina - se supune acelorasi reguli ca denumirea fisierelor.

Arborele de directoare    (Tree Directory) este o structura arborescenta de directoare creata pe disc pornind de la directorul radacina (figura 2.17).

Figura 2.17. Structura arborescenta de directoare

In construirea arborelui de directoare se respecta urmatoarele reguli:

Intr-un director nu pot exista doua subdirectoare cu acelasi nume;

Intr-un director nu pot exista doua fisiere cu acelasi nume;

Un subdirector are un singur director de origine, numit director parinte (parent directory) situat pe nivelul ierarhic imediat superior (A3 fata de D1);

Un director poate sa aiba mai multe directoare subordonate - directoare copii (child directory). Acestea se gasesc pe nivelul ierarhic imediat inferior (D5 si D6 fata de D4).

Directorul curent este directorul in care se lucreaza la un moment dat, fiind cel in care sistemul de operare cauta fisierele sau directoarele, din acest motiv se mai numeste si director de lucru. Directorul curent poate fi referit fie prin numele sau, fie prin caracterul punct (.). Directorul parinte al acestuia, deci cel aflat la nivelul ierarhic imediat superior in structura arborescenta poate fi referit de asemenea prin numele sau sau prin doua puncte (..).

Calea de director (path) este 'drumul' parcurs pentru regasirea unui director pe unitatea de disc, pornind de la directorul radacina.

Numele de cale de director (path name) este secventa de nume directoare separate prin caracterul backslash () si care se termina cu numele fisierului, prin care se precizeaza calea de acces la fisier. Daca calea specificata incepe cu caracterul backslash (), atunci cautarea incepe din directorul radacina, iar in caz contrar incepe din directorul curent.

Numele unitatii de disc este compus dintr-o litera ce constituie identificatorul de unitate si caracterul doua puncte (:).

O singura unitate de disc poate fi activa la un moment dat. Pentru a comuta pe o alta unitate, se va introduce de la tastatura numele noii unitati de disc urmata de caracterul (:)

Dosarul (folder) este utilizat in sistemul de operare Windows pentru a defini un container in care se pot pastra fisiere, aplicatii sau chiar alte dosare. Daca directorul reprezinta un mecanism prin care sunt organizate fizic fisierele pe disc, dosarul este un mecanism de organizare logica, la nivelul interfetei, a diferitelor entitati cu care lucreaza sistemul de operare, inclusiv a fisierelor. Poate exista o coincidenta intre director si folder, dar nu intotdeauna un folder are corespondent un director pe unitatea de disc. Dosarele au un nume si ele confera utilizatorului un mod foarte simplu de localizare a fisierelor. In sistemul Windows, dosarele pot avea nume lungi (maxim 255 caractere, inclusiv spatiu).

f. Specificarea fisierelor si directoarelor

Pentru a putea executa operatii cu fisiere si directoare, sistemul trebuie sa poata sa le regaseasca pe acestea in structura arborescenta a unitatii de disc.

Operatiile cu fisiere pot sa actioneze asupra unui fisier care va fi regasit prin identificatorul de fisier sau asupra unui grup de fisiere care vor fi regasite printr-un identificator de grup de fisiere, folosind caractere globale (wildcards).

Un identificator de fisier este un sir de caractere folosit pentru regasirea unui fisier pe disc. Acesta contine:

Numele discului - daca fisierul se gaseste pe discul implicit (curent), numele unitatii de disc se poate omite;

Calea de director a directorului in care se gaseste fisierul. Daca fisierul se gaseste in directorul curent, calea de director se poate omite;

Numele (obligatoriu) si extensia fisierului.

Pentru specificarea grupurilor de fisiere se utilizeaza caracterele asterisc (*) si semnul intrebarii (?), cu urmatoarea semnificatie:

Asteriscul poate inlocui orice grup de caractere din pozitia in care a fost inserat pana la sfarsitul numelui sau extensiei;

? Semnul de intrebare tine locul unui singur caracter aflat in pozitia unde a fost scris in numele sau extensia fisierului.

C:D1*.doc --> realizeaza referirea tuturor fisierelor din directorul C:D1 care au extensia .doc, indiferent de numele acestora;

C:D1a199?.doc --> realizeaza referirea tuturor fisierelor din directorul C:D1 care au extensia .doc si care au numele de tipul a1998, a1999, a199b etc.;

Fisierele de tipul: fisier1.txt sau fisier.doc se pot specifica fisier1.*;

Fisierele de tipul: fisier1.doc sau fisier2.doc se pot specifica fisier?.doc sau fisier?.*;

Fisierele de tipul: fisier1.doc, fisier2.doc, fisier21.doc sau fisier212.doc se pot specifica fisier*.doc sau fisier*.*;

Modul de utilizare a caracterelor globale depinde cel mai adesea de cerintele concrete de lucru.