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.

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

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 $\varnothing$
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 ⁿ
^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

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

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

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, $\varnothing$ ) y también se usa como el signo phi en itálica (U+03D5, $\phi \,\!$ ) para designar ángulos, como el símbolo para diámetro (U+2300, $\varnothing$ ) 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

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 ( $\phi \,\!$ ) hubiera sido una mejor elección para el valor número 237 (EDh) del CP437.

Véase también

Enlaces externos

Microsoft Code Page 437 reference chart (en inglés).

Referencias

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

Datos: Q1105757

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

[1]