Задание 2. Объём текстовой информации и стандарты кодирования текста. 1. Текст научной статьи содержит 15 000 символов (включая пробелы и знаки препинания). Вычислите объём файла в килобайтах (Кбайт), если он сохранён в однобайтной кодировке (например, Windows-1251). 2. Предположим, что эта же статья полностью написана на русском языке и сохранена в кодировке UTF-8. Зная, что базовая латиница в UTF-8 занимает 1 байт, а кириллица — 2 байта, рассчитайте новый объём файла. Сделайте вывод о том, почему UTF-8 стал глобальным стандартом, несмотря на увеличение объёма для национальных алфавитов. 3. Объясните с точки зрения таблиц соответствия символов, почему при открытии файла, созданного в KOI8-R, с помощью программы, ожидающей Windows-1251, пользователь видит «кракозябры».

1. Однобайтная кодировка.

Каждый символ занимает 1 байт, значит:

15 000 · 1 = 15 000 байт.

Переводим в килобайты, используя 1 Кбайт = 1024 байта:

15 000 / 1024 ≈ 14,65 Кбайт.

2. Кодировка UTF-8.

Точного количества байтов без числа кириллических и латинских символов определить нельзя: пробелы и знаки препинания, как и символы базовой латиницы, занимают в данном условии 1 байт, а кириллические буквы — 2 байта.

Если обозначить количество кириллических символов через C, размер составит 15 000 + C байт, или (15 000 + C) / 1024 Кбайт. При условном расчёте, если все 15 000 символов — кириллические, получается 30 000 байт / 1024 ≈ 29,30 Кбайт. Реальный объём будет меньше, если в тексте есть пробелы, знаки препинания или латинские символы.

UTF-8 стал глобальным стандартом, потому что позволяет единообразно представлять символы множества языков в одной кодировке и широко поддерживается программами и интернет-протоколами. Он совместим с ASCII для базовой латиницы. Дополнительные байты для многих национальных символов — плата за универсальность и совместимость.

3. Почему возникают «кракозябры».

В каждой кодировке байтам сопоставлены символы по своей таблице. Файл KOI8-R содержит байты, значения которых программа, ожидающая Windows-1251, интерпретирует по другой таблице. Поэтому вместо исходных букв показываются другие символы. Для правильного отображения файл нужно декодировать с использованием KOI8-R.