Книжный мир
Текстовые форматы
Morik (off) VIP [1755]
16 января 2009, 04:10
Формат txt
Те?кстовый файл - разновидность файла , содержащая текстовые данные , как правило организованные в виде строк. Текстовый файл, как и прочие файлы, хранится в файловой системе.
В отличие от термина «текстовый формат», характеризующего содержимое данных, термин «текстовый файл» относится к контейнеру, хранящему эти данные. Текстовый файл может содержать не только чистый текст, но и производные форматы - к примеру, HTML -текст.
Текстовым файлам противопоставляются двоичные (бинарные) файлы , в которых информация организована по иным принципам.
Текстовый файл представляет из себя последовательность символов (принадлежащих некому набору символов ). Символы сгруппированы в строки ( англ. lines, rows). В современных системах строки разделяются переводом строки , хотя в прошлом применялось хранение строк в виде записей постоянной или переменной длины.
Иногда конец текстового файла, особенно если в файловой системе не хранится информация о размере файла, также отмечается одним или более специальными знаками, известными как маркеры конца файла .
Формат текстового файла крайне прост, и его можно изменять текстовым редактором - стандартной программой, присутствующей во всех ОС.
Текстовые файлы, особенно если речь идёт об однобайтных кодировках вроде ASCII , не подвержены многим проблемам, характерным для других форматов файлов. Так, для них не важна разница в порядке байтов или длине машинного слова на разных платформах .
Более того, если повреждение данных ( англ. ) случится в текстовом файле, в этом случае обычно легче восстановиться и продолжить обработку остального содержимого
Недостатком текстовых файлов является их низкая информационная энтропия [ источник? ] - эти файлы занимают больше места, нежели минимально необходимо.
Некоторые операции с текстовыми файлами чрезвычайно неэффективны. Например, если в файле встретится число, машина должна будет перевести его в свой внутренний формат, вызвав (сравнительно) сложную процедуру конвертации числа. Чтобы перейти на 1000 -ю строку, требуется считать 999 строк, идущих до неё. Сложно заменить одну строку другой, и т. д. Поэтому при работе с большими объёмами данных текстовые файлы применяют только как промежуточный формат, обеспечивающий интероперабельность .
В силу своей простоты текстовые файлы нередко используются для хранения информации (пример, для логов ). Текстовый формат служит основой для многих более специализированных форматов . Например: ini , SGML (а также HTML , XML ), TeX , исходные тексты языков программирования...
Исторически для кодирования текстовых файлов применялись 7- битный набор символов ASCII , а также 8-битные EBCDIC и различные расширения ASCII. В настоящее время в 8- битных кодовых страницах общепринято использовать ASCII в первой половине кодовой таблицы.
Преимуществом 8-битного представления текста является программная простота и независимость от проблем порядка байтов или длины машинного слова на разных платформах. Недостаток - многочисленные несовместимости, большое количество различных стандартов.
Различные операционные системы придерживаются своего представления перевода строки и конца файла. В UNIX перевод строки состоит из одного символа LF ( 0x 0A), в MacOS - из символа CR (0 x0D), а в DOS и Microsoft Windows перевод строки кодируется последовательностью двух символов CR LF. В DOS и Microsoft Windows конец файла кодируется символом 0 x1A, а в UNIX символ конца файла не употребляется.
Помимо названных, в текстовых файлах применяются такие символы как табуляция (0 x09 ) и перевод страницы (0 x0C).
Применение Unicode в текстовых файлах, хотя в основном решает «проблему кодировок» и стандартизирует употребление управляющих символов, но создаёт свои проблемы. В большинстве современных систем неделимой единицей информации в потоке данных является байт (8 бит) , которых для кодирования одного символа из Юникода требуется несколько. В качестве решения применяются несовместимые между собой системы UTF-8 и две версии UTF-16 (UTF-16 LE и UTF- 16BE с противоположным порядком байтов ). Иногда в начало файла добавляют специальный символ-маркер (U+FEFF [1] ), позволяющий распознать формат однозначно. UTF-8 имеет преимущество обратной совместимости с ASCII, однако программная обработка текста в UTF-8 усложняется непостоянным размером символа. Также тексты в Юникоде отличаются существенно большей избыточностью , нежели 8- битные.
В MS-DOS и Microsoft Windows для текстовых файлов нередко используется расширение «.txt». Тем не менее, текстовыми могут являться файлы с любым другим расширением или без оного. Например, исходные коды программ обычно хранятся в файлах с расширениями, соответствующими языку программирования , на котором написаны программы.
-------
Книжный мир
Список форумов
На главную
0.127 сек
SQL: 3