Página de códigos 437

La página de códigos 437 es el conjunto de caracteres que incorporaba la primera versión del Personal Computer (PC) de IBM sobre el sistema operativo MS-DOS, en el año 1981. También se la conoce como CP-437 (por su forma en inglés, code page) OEM-437 (original equipment manufacturer), PC-8 o MS-DOS Latin US. Es erróneo llamarla ASCII extendido como si fuera la única extensión del ASCII original, cuando en realidad no era sino una más de las muchas variaciones que este adoptó cuando pudo contar con un bit más.

Repertorio completo de la página de códigos 437.

En un sentido más estricto, este juego de caracteres no surgió como una auténtica página de códigos (en su sentido actual) sino que era simplemente el repertorio de caracteres gráficos disponible en la ROM de los adaptadores de video IBM Monochrome Display Adapter (MDA) y Color Graphics Adapter (CGA) del IBM PC original; esto es, estaba implementada en su circuitería. La expresión "Original Equipment Manufacturer" (OEM, equipamiento original del fabricante) surge de este hecho. Hoy día, todavía es el tipo de letra primario en el corazón de cualquier tarjeta gráfica compatible con EGA y VGA, o sea que el texto que se puede ver en la pantalla cuando un PC se reinicia se muestra con esta página de códigos.

Todos estos adaptadores de pantalla tienen un modo básico de texto de 80 columnas, en los cuales cada posición de carácter se representa en la memoria RAM de vídeo como un único byte (más un byte adicional con información sobre su color y/o efecto visual), lo que proporciona 256 valores posibles para caracteres gráficos. De este modo, más allá del juego de caracteres imprimibles del ASCII (valores 32 a 126, 95 en total), los ingenieros pusieron en la ROM un puñado de caracteres variados incluso para el rango 0 a 31, reservado en ASCII para propósitos de control (no imprimibles).

Así pues esta página de códigos tiene dos usos principales: como un código de intercambio de información (a través de archivos y telecomunicaciones), en las cuales los valores 0 a 127 tienen el mismo cometido que en ASCII más los caracteres de texto internacionales 128 a 175 (véase la tabla más abajo), y como un recurso gráfico para las pantallas e impresoras (simplemente colocando en la posición de la memoria RAM de vídeo/enviando por la línea el código apropiado), en el cual el rango completo puede ser usado para construir presentaciones interesantes. Por tanto, cualquier archivo que contenga estos caracteres para presentaciones debería considerarse de tipo binario en lugar de texto.


Caracteres

editar

A continuación se muestra la tabla representando el CP437 usando los caracteres Unicode equivalentes. Los caracteres estándar ASCII y ISO 8859-1 (Latin-1), junto con las letras griegas, se muestran en casillas coloreadas.

Dado el uso doble de los valores en el rango 0 a 31 (0h a 20h), hay dos juegos para estos, de los cuales el primero son sus significados como caracteres de control ASCII y el segundo su aspecto gráfico en pantalla o impreso.

Para el valor 127 (7Fh), su aspecto gráfico se muestra en la segunda tabla, siendo su significado como carácter de control ASCII "DEL" (delete, borrar), valor Unicode U+007F.

-0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -A -B -C -D -E -F
0- NUL
0000
0
SOH
0001
1
STX
0002
2
ETX
0003
3
EOT
0004
4
ENQ
0005
5
ACK
0006
6
BEL
0007
7
BS
0008
8
HT
0009
9
LF
000A
10
VT
000B
11
FF
000C
12
CR
000D
13
SO
000E
14
SI
000F
15
1- DLE
0010
16
DC1
0011
17
DC2
0012
18
DC3
0013
19
DC4
0014
20
NAK
0015
21
SYN
0016
22
ETB
0017
23

CAN
0018
24

EM
0019
25
SUB
001A
26
ESC
001B
27
FS
001C
28
GS
001D
29
RS
001E
30
US
001F
31
-0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -A -B -C -D -E -F
0- FSP
2007
0

263A
1

263B
2

2665
3

2666
4

2663
5

2660
6

2022
7

25D8
8

25CB
9

25D9
10

2642
11

2640
12

266A
13

266B
14

263C
15
1-
25BA
16

25C4
17

2195
18

203C
19

00B6
20
§
00A7
21

25AC
22

21A8
23

2191
24

2193
25

2192
26

2190
27

221F
28

2194
29

25B2
30

25BC
31
2- SP
0020
32
!
0021
33
"
0022
34
#
0023
35
$
0024
36
%
0025
37
&
0026
38
'
0027
39
(
0028
40
)
0029
41
*
002A
42
+
002B
43
,
002C
44
-
002D
45
.
002E
46
/
002F
47
3- 0
0030
48
1
0031
49
2
0032
50
3
0033
51
4
0034
52
5
0035
53
6
0036
54
7
0037
55
8
0038
56
9
0039
57
:
003A
58
;
003B
59
<
003C
60
=
003D
61
>
003E
62
?
003F
63
4- @
0040
64
A
0041
65
B
0042
66
C
0043
67
D
0044
68
E
0045
69
F
0046
70
G
0047
71
H
0048
72
I
0049
73
J
004A
74
K
004B
75
L
004C
76
M
004D
77
N
004E
78
O
004F
79
5- P
0050
80
Q
0051
81
R
0052
82
S
0053
83
T
0054
84
U
0055
85
V
0056
86
W
0057
87
X
0058
88
Y
0059
89
Z
005A
90
[
005B
91
\
005C
92
]
005D
93
^
005E
94
_
005F
95
6- `
0060
96
a
0061
97
b
0062
98
c
0063
99
d
0064
100
e
0065
101
f
0066
102
g
0067
103
h
0068
104
i
0069
105
j
006A
106
k
006B
107
l
006C
108
m
006D
109
n
006E
110
o
006F
111
7- p
0070
112
q
0071
113
r
0072
114
s
0073
115
t
0074
116
u
0075
117
v
0076
118
w
0077
119
x
0078
120
y
0079
121
z
007A
122
{
007B
123
|
007C
124
}
007D
125
~
007E
126

2302
127
8- Ç
00C7
128
ü
00FC
129
é
00E9
130
â
00E2
131
ä
00E4
132
à
00E0
133
å
00E5
134
ç
00E7
135
ê
00EA
136
ë
00EB
137
è
00E8
138
ï
00EF
139
î
00EE
140
ì
00EC
141
Ä
00C4
142
Å
00C5
143
9- É
00C9
144
æ
00E6
145
Æ
00C6
146
ô
00F4
147
ö
00F6
148
ò
00F2
149
û
00FB
150
ù
00F9
151
ÿ
00FF
152
Ö
00D6
153
Ü
00DC
154
¢
00A2
155
£
00A3
156
¥
00A5
157

20A7
158
ƒ
0192
159
A- á
00E1
160
í
00ED
161
ó
00F3
162
ú
00FA
163
ñ
00F1
164
Ñ
00D1
165
ª
00AA
166
º
00BA
167
¿
00BF
168

2310
169
¬
00AC
170
½
00BD
171
¼
00BC
172
¡
00A1
173
«
00AB
174
»
00BB
175
B-
2591
176

2592
177

2593
178

2502
179

2524
180

2561
181

2562
182

2556
183

2555
184

2563
185

2551
186

2557
187

255D
188

255C
189

255B
190

2510
191
C-
2514
192

2534
193

252C
194

251C
195

2500
196

253C
197

255E
198

255F
199

255A
200

2554
201

2569
202

2566
203

2560
204

2550
205

256C
206

2567
207
D-
2568
208

2564
209

2565
210

2559
211

2558
212

2552
213

2553
214

256B
215

256A
216

2518
217

250C
218

2588
219

2584
220

258C
221

2590
222

2580
223
E- α
03B1
224
β
03B2
225
Γ
0393
226
π
03C0
227
Σ
03A3
228
σ
03C3
229
µ
00B5
230
τ
03C4
231
Φ
03A6
232
Θ
0398
233
Ω
03A9
234
δ
03B4
235

221E
236
 
2205
237

2208
238

2229
239
F-
2261
240
±
00B1
241

2265
242

2264
243

2320
244

2321
245
÷
00F7
246

2248
247
°
00B0
248

2219
249
·
00B7
250

221A
251

207F
252
²
00B2
253

25A0
254
NBSP
00A0
255
-0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -A -B -C -D -E -F

NOTA: el aspecto gráfico de los caracteres 0 (0h), 32 (20h) y 255 (FFh) son simples espacios en blanco, sin marcas de ninguna clase.

NOTA: el carácter gráfico seleccionado para el carácter número 0 es U+2007 FIGURE SPACE (FSP), "espacio de número", un espacio del mismo ancho que los números en los tipos de letra de ancho fijo.

En DOS y Windows, la mayoría de los caracteres de la página de códigos activa se pueden insertar pulsando la tecla Alt e introduciendo el código decimal de hasta tres dígitos en el bloque numérico del teclado. Esta técnica se denomina Códigos de tecla ALT. Se puede averiguar cuál es la página de códigos activa mediante la orden de MS-DOS mode con o chcp.

Las diferencias con el ASCII

editar

El CP437 está basado en el ASCII, con las siguientes modificaciones:

  • El rango C0 para caracteres de control (00h–1Fh en hexadecimal) está mapeado con caracteres gráficos. Los códigos pueden asumir su función original como controles, pero cuando se colocan en la memoria RAM del adaptador de vídeo y se ven en modo texto, por ejempllo con un editor en pantalla como el "Edit" de MS-DOS, se muestran como gráficos. Los gráficos son variados, como caras sonrientes, palos de la baraja francesa y figuras musicales. De modo similar, el código 127 (7Fh), DEL, se muestra como un gráfico (una casita).
  • El rango del bit más alto, 128 a 255 (80h–FFh), está mapeado con símbolos variados: unos pocos caracteres europeos (como vocales acentuadas, etc) sin un orden particular e insuficientes para la correcta representación de la mayoría de los idiomas de Europa occidental, caracteres para el diseño de cajas, símbolos matemáticos y unas pocas letras del alfabeto griego comúnmente usadas en matemáticas y física.

El repertorio del CP437 se tomó del juego de caracteres de las máquinas dedicadas al proceso de texto de Wang, según Bill Gates en una entrevista realizada a él y Paul Allen en la edición del 2 de octubre de 1995 de la revista Fortune:

"… we were also fascinated by dedicated word processors from Wang, because we believed that general-purpose machines could do that just as well. That's why, when it came time to design the keyboard for the IBM PC, we put the funny Wang character set into the machine—you know, smiley faces and boxes and triangles and stuff. We were thinking we'd like to do a clone of Wang word-processing software someday."
"… estábamos fascinados por los procesadores de texto dedicados de Wang, porque pensábamos que las máquinas de propósito general podrían hacer también esto perfectamente. De ahí que, cuando llegó el momento de diseñar el teclado del PC de IBM, pusimos el divertido juego de caracteres de Wang en la máquina—ya sabe, caras sonrientes y cajas y triángulos y cosas así. Pensábamos que nos gustaría hacer un clon por software del procesador de texto de Wang algún día."

La selección del juego de caracteres, a menudo tachada de ser peculiarmente extravagante, tiene cierta lógica interna:

  • Las filas 0 y 1 de la tabla, códigos 0 a 31 (0h a 20h), son un surtido de símbolos tipográficos ("dingbats" en inglés, caracteres complementarios y decorativos como los de la fuente Wingdings de Windows). El carácter aislado 127 (7Fh) también pertenece a este grupo.
  • Las filas 2 a 7 de la tabla (excepto el carácter 127, 7Fh), códigos 32 a 126 (20h a 7Eh), son los caracteres imprimibles estándar del ASCII.
  • Las filas 8 a 10 (Ah) de la tabla, códigos 128 a 175 (80h a AFh), son una limitada selección de caracteres de texto internacionales.
  • Las filas 11 (Bh) a 13 (Dh) de la tabla, códigos 176 a 223 (B0h a DFh), son los caracteres para el diseño de cajas y bloques. Este apartado está a su vez distribuido de tal modo que los caracteres 192 a 223 (C0h a DFh) de las filas 12 y 13 (Ch y Dh) tengan todos brazos por la derecha (excepto el 217, D9h) o superficies rellenas por la derecha (excepto el 221, DDh), y ello es debido a la siguiente razón técnica:[1]​ la tarjeta de vídeo MDA del IBM PC original tenía almacenados los gráficos de los caracteres del CP437 como pequeños bitmap de ocho pixeles de ancho, pero los mostraba cada nueve pixeles en la pantalla, ocho más una separación adicional para mejorar el resultado visual. Así, los caracteres con diseño para conectar por su lado derecho debían duplicar sus octavos pixeles para que no se interrumpieran visualmente las líneas o áreas rellenas que formaban cuando se ponían seguidos. Esta extensión de los pixeles se hace con unos circuitos electrónicos especiales, y sólo afecta a esta porción del juego de caracteres.
  • Las filas 14 (Eh) y 15 (Fh) de la tabla, códigos 224 a 255 (E0h a FFh) están dedicados a símbolos matemáticos, de los cuales los doce primeros son una limitada selección de letras griegas usadas corrientemente en física. Los caracteres 244 y 245 (F4h y F5h) son las partes superior e inferior de una S larga itálica, el símbolo empleado como el signo de integral (), y se pueden extender con el carácter 179 (B3h), la línea vertical del apartado de los diseños de cajas. Los caracteres 249 y 250 (F9h y FAh) son casi indistinguibles: el primero era sólo un único pixel, mientras que el segundo se asemeja al punto medio tipográfico (·). No está clara la necesidad real de incluir esta pareja, cuando sólo uno hunbiera sido suficiente. El carácter 255 (FFh) es sencillamente blanco, y sirve como una especie de espacio no particionable ("non-breaking space" o NBSP en inglés) para componer fórmulas matemáticas.

Fallos en la internacionalización

editar

El CP437 tiene una serie de caracteres internacionales, nominalmente los valores 128 a 175 (80H a AFh), aparentemente elegidos y ordenados sin un criterio concreto.

En modo alguno pueden ser considerados "occidentales" ni "europeos":

  • Faltan muchos caracteres para el español (Á, Í, í, Ó, Ú), el francés (À, Â, È, Ê, Ë, Ì, Î, Ï, Ò, Ô, Œ, œ, Ù, Û, Ý, ý, Ÿ), y el portugués (Ã, ã, Õ, õ), necesarios para estos idiomas tanto en Latinoamérica como en Europa.
  • Tiene los umlaut para el alemán (Ä, ä, Ö, ö, Ü, ü), pero la eszett (S fuerte, ß) debe representarse con el símbolo griego beta (β).
  • Tiene las letras escandinavas Æ, æ, Å, å pero le faltan las Ø y ø (el carácter número 237, conjunto vacío, puede usarse como un substituto, pero no se muestra adecuadamente en el seno de las palabras).
  • Junto con los símbolos de moneda para el centavo (¢), la libra esterlina (£) y el yen/Yuan (¥), tiene un par de símbolos de monedas europeas: para el florín (ƒ, Países Bajos) y la peseta (₧, España). La presencia de esta última es significativa, dado que la peseta española nunca tuvo símbolo propio; simplemente se abreviaba "Pt", "Pta", "Pts" o "Ptas". Es posible que este carácter fuera incluido en el juego debido a que los modelos españoles de la máquina de escribir eléctrica de IBM también tenían un tipo dedicado para esta abreviatura.

Juegos de caracteres de MS-DOS posteriores, como la página de códigos 850 (DOS Latino-1), página de códigos 852 (DOS Centroeuropeo) y la página de códigos 737 (DOS Griego), suplieron las deficiencias para el uso internacional con cierta compatibilidad con el CP437 reteniendo los caracteres para diseño de cajas de trazo simple y doble, descartando los que eran de trazos mixtos (p.e. horizontal doble/vertical simple). Todos los caracteres del CP437 están en los juegos de caracteres de Unicode y de Microsoft (WGL4), así como en la mayoría de los tipos de letra de Microsoft Windows, y también es el tipo VGA por defecto del núcleo Linux, y de los juegos de caracteres universales ISO 10646 para los X11.

Caracteres con múltiples significados

editar

Junto con los caracteres del rango 0 a 31, que pueden ser interpretados como controles ASCII así como símbolos tipográficos, algunos caracteres con un aspecto ambiguo (a los ojos de sus implementadores, no a los de un tipógrafo) tienen significados sobrecargados, dependiendo del contexto:

  • 225 (E1h) es tanto la S fuerte eszett alemana (U+00DF, ß) como la letra griega minúscula beta (U+03B2, β).
  • 228 (E4h) es tanto el signo matemático para sumatorios (U+2211, ∑) como la letra griega mayúscula sigma (U+03A3, Σ).
  • 230 (E6h) es tanto el signo del prefijo micro (U+00B5, µ) como la letra griega minúscula mu (U+03BC, μ).
  • 234 (EAh) es tanto el signo para la unidad de resistencia eléctrica ohmio (U+2126, Ω) como la letra griega mayúscula omega (U+03A9, Ω) (nótese que también en Unicode, el signo del ohmio es canónicamente equivalente a la omega mayúscula, y su uso no está recomendado en favor de la omega mayúscula[1]).
  • 235 (EBh) es la letra griega minúscula delta (U+03B4, δ), pero también ha sido usada como un substituto aproximado para la letra islandesa minúscula eth (U+00F0, ð) y como un símil del signo de la derivada parcial (U+2202, ∂).
  • 237 (EDh) es principalmente el signo para el conjunto vacío (U+2205,  ) y también se usa como el signo phi en itálica (U+03D5,  ) para designar ángulos, como el símbolo para diámetro (U+2300,  ) y como un substituto aproximado para la letra O barrada en minúsculas (U+00F8, ø), pero rara vez como la letra griega minúscula phi (U+03D6, φ) dado que su forma original por IBM (parece un pequeño círculo cruzado por una barra) no se asemeja demasiado a esta letra griega minúscula.
  • 238 (EEh) es tanto el símbolo de pertenece a (U+2208, ∈) como la letra griega minúscula epsilon (U+03B5, ε). También, en algunas impresoras de tickets de matriz de puntos (con el CP437 en ROM) se usa hoy día en lugar del signo del euro (U+20AC, €), en los países europeos en los que el euro es la moneda oficial.

La razón principal para esta proliferación es que el juego de caracteres CP437 de los adaptadores de vídeo MDA y CGA del IBM PC original, así como de las impresoras compatibles, estaba fijado en ROM y no podía cambiarse por software, de modo que los desarrolladores y los usuarios trataron de sacar el máximo partido de los recursos disponibles.

Los implementadores de tablas de mapas para Unicode deberían tener en cuenta que estos caracteres "unificados" pueden no tener un significado único y preciso: la elección correcta depende del contexto.

Valores en la referencia de Microsoft para Unicode

editar

Algunos caracteres del CP437 tienen asignados los siguientes valores Unicode en la documentación de referencia de Microsoft, que en algunos casos se aparta de los valores dados en la tabla anterior:

00h = U+0000 NULL
7Fh = U+007F DELETE

E1h = U+00DF LATIN SMALL LETTER SHARP S
EDh = U+03C6 GREEK SMALL LETTER PHI
EEh = U+03B5 GREEK SMALL LETTER EPSILON

Valores de control fijos NUL
0000
0
DEL
007F
127
Valores alternativos de carácter ß
00DF
225
φ
03C6
237
ε
03B5
238

Se hace notar aquí que el carácter Unicode U+03D5 GREEK PHI SYMBOL ( ) hubiera sido una mejor elección para el valor número 237 (EDh) del CP437.

Véase también

editar

Enlaces externos

editar

Referencias

editar
  1. Richard Wilton, Programmer's Guide to PC & PS/2 VIDEO SYSTEMS, 1987, Microsoft Press.