Encodage des fichiers texte et fins de ligne

Jeux de caractères

Un fichier texte utilise un jeu de caractères comprenant ponctuation, chiffres, lettres majuscules et minuscules et autres caractères imprimables, chacun identifié par un nombre.

La plupart des jeux de caractères utilisés sont des surensembles du jeu ASCII américain, dont les 95 caractères imprimables ont des valeurs numériques de 32 à 126. Les principaux groupes de jeux de caractères sont les suivants :

Jeu de caractères Windows (encodage sur un octet): Les anciennes pages de codes à un octet de Windows, souvent appelées pages de codes ANSI, utilisent 8 bits par caractère et peuvent attribuer au plus 256 (2^8) valeurs. Chaque page de codes fournit des caractères pour certaines langues ; aucune ne couvre toutes les langues. Les versions modernes de Windows prennent aussi en charge les encodages Unicode.
Jeu de caractères multioctet: Nombre de systèmes d’écriture d’Asie de l’Est nécessitent davantage de caractères qu’un encodage à un octet ne peut en représenter. Les anciennes pages de codes à deux octets utilisent un ou deux octets par caractère. D’autres encodages multioctets suivent d’autres règles : UTF-8 utilise par exemple de un à quatre octets par valeur scalaire Unicode. Il faut connaître l’encodage pour décoder correctement les octets.
Jeu de caractères Unicode: Unicode attribue des points de code aux caractères des différents systèmes d’écriture, aux signes de ponctuation, aux symboles et à d’autres éléments textuels. UTF-8, UTF-16 et UTF-32 encodent le texte Unicode avec des unités de code de tailles différentes. UTF-16 utilise une unité de 16 bits pour un caractère du plan multilingue de base ou une paire d’unités de 16 bits pour un caractère supplémentaire. Unicode n’est pas limité à 65 536 caractères ; il faut choisir le bon encodage lors de la lecture ou de l’écriture d’un fichier texte.
Jeu de caractères OEM: Le jeu de caractères OEM sert généralement à l’affichage dans les sessions MS-DOS en plein écran. Les caractères imprimables de 32 à 126 sont généralement identiques dans les jeux OEM, ASCII américain et Windows. Les autres caractères OEM (de 0 à 31 et de 128 à 255) correspondent à ceux qui peuvent être affichés dans une session MS-DOS en plein écran. Ils diffèrent généralement des caractères de Windows.
Jeu de caractères Symbol: Symbol contient les caractères spéciaux des formules mathématiques et scientifiques.

Caractères de fin de ligne

Les fichiers texte utilisent différentes fins de ligne. MS-DOS, Windows et OS/2 utilisent traditionnellement CR/LF ; UNIX et les versions modernes de macOS utilisent LF. Mac OS classique utilisait CR.

Symbole	Signification	Utilisation	Caractère	Hexadécimal
CR	Retour chariot	Mac OS classique	\r	0x0d
LF	Saut de ligne	UNIX, macOS moderne	\n	0x0a
CR/LF	Retour chariot/Saut de ligne	MS-DOS, Windows, OS/2	\r\n	0x0d, 0x0a
NULL	Caractère nul		\0	0x00

Voir aussi

Convertir le contenu des fichiers