Bài 3. Một số kiểu dữ liệu và dữ liệu văn bản
MỘT SỐ KIỂU DỮ LIỆU VÀ DỮ LIỆU VĂN BẢN
SAU BÀI NÀY EM SẼ:
Thông tin đưa vào bộ nhớ máy tính dưới dạng các dãy bit. Như vậy, khi đưa vào máy tính, phải mã hoá thông tin thành dữ liệu nhị phân. Tuỳ theo bản chất của thông tin được mã hoá mà dữ liệu tương ứng có cách biểu diễn riêng, từ đó hình thành nên các kiểu dữ liệu khác nhau. Vậy trong máy tính có các kiểu dữ liệu nào?
1. PHÂN LOẠI VÀ BIỂU DIỄN THÔNG TIN TRONG MÁY TÍNH
Hoạt động 1. Phân loại thông tin
Hình 3.1 minh hoạ một thẻ căn cước công dân. Trên đó có những tin gì?
Hãy chia những tin đó thành các nhóm; ví dụ, nhóm các tin có thể tách ghép, so sánh được để tìm kiếm và nhóm các tin có thể thực hiện được với các phép tính số học.
Khi đưa vào máy tính, tin được chuyển thành dữ liệu. Dữ liệu trên máy cần được phân loại cho phù hợp với các phép xử lí trong máy tính. Ví dụ, đối với các dữ liệu là số có thể tính toán và so sánh. Còn đối với các dữ liệu dạng văn bản thì có thể tách, ghép, so sánh.
Việc mã hoá tin thành dữ liệu nhị phân được gọi là biểu diễn tin. Biểu diễn tin là bước đầu để có thể đưa tin vào máy tính.
Hình 3.2 là sơ đồ phân loại các kiểu dữ liệu được đề cập trong chương trình tin học phổ thông.
2. BIỂU DIỄN DỮ LIỆU VĂN BẢN
Việc đưa văn bản vào máy tính như thế nào không chỉ phụ thuộc vào kiểu dữ liệu là kí tự, xâu kí tự, tệp văn bản mà còn phụ thuộc vào các kí tự ấy được mã hoá như thế nào. Cách mã hoá được quy định trong bảng mã kí tự.
Hoạt động 2. Chữ cái Anh và chữ cái tiếng Việt
a) Bảng mã ASCII
Bảng mã được sử dụng phổ biến nhất trong tin học là bảng mã chuẩn của Mĩ để trao đổi thông tin (American Standard Code for Information Interchange, viết tắt là ASCII, đọc là as-ki). Ban đầu, bảng mã này dùng các mã 7 bit, với 128 (2^7) mã khác nhau nên chỉ thể hiện được đúng 128 kí tự. Mã 7 bit chỉ đủ dùng cho tiếng Anh, trong khi đó nhiều quốc gia có các kí tự riêng như tiếng Hy Lạp có các kí tự a, ... Do đó, người ta đã mở rộng bảng mã 7 bit thành mã 8 bit gọi là mã ASCII mở rộng, cho phép mã hoá 256 kí tự, trong đó giữ nguyên 128 kí tự cũ. 128 vị trí được thêm vào trong mã 8 bit so với mã 7 bit được gọi là phần mở rộng của mã ASCII. Các quốc gia có thể sử dụng phần mở rộng này cho các kí tự riêng của mình. Bảng mã ASCII với phần mở rộng chưa được thay thế bởi các kí tự riêng của các quốc gia được nêu trong phụ lục ở cuối sách. Trong bảng này, muốn lấy mã nhị phân của một kí tự thì chỉ cần ghép 4 bit ở chỉ số hàng với 4 bit ở chỉ số cột tương ứng với kí tự. Ví dụ, mã nhị phân của "A" (số thứ tự là 65) là 01000001.
b) Bảng mã Unicode và tiếng Việt trong Unicode
Ngoài các kí tự có trong chữ cái tiếng Anh, tiếng Việt còn có 134 nguyên âm có dấu thanh và phụ âm "đ" (kể cả chữ in hoa) đều không có sẵn trong bảng mã ASCII gốc, tuy nhiên phần mở rộng của bảng mã này lại chỉ có 128 vị trí.
Tình trạng thiếu vị trí còn trầm trọng hơn đối với các quốc gia dùng chữ tượng hình như Trung Quốc, Nhật Bản với vài chục nghìn kí tự. Chính vì thế, đầu những năm 1980, người ta đã đề xuất một chương trình quốc tế nhằm xây dựng một bảng mã hợp nhất, dùng chung cho mọi quốc gia, gọi là Unicode.
Unicode thực tế là một bộ tiêu chuẩn biểu diễn kí tự văn bản trong máy tính, cho phép sử dụng nhiều hơn 8 bit để biểu diễn các kí tự thuộc nhiều ngôn ngữ khác nhau trên thế giới.
Nhờ vậy, nếu bảng mã ASCII chỉ cho phép mã hoá 256 kí tự, thì Unicode hiện nay đã cho phép mã hoá hàng trăm nghìn kí tự khác nhau.
Cùng với quy định, nếu quốc gia nào đã có một mặt chữ được xác định trước (bao gồm các kí tự gốc của bảng mã ASCII) thì quốc gia khác có thể dùng lại mà không phải định nghĩa một mặt chữ mới, Unicode tránh được tình trạng thiếu nhất quán do các quốc gia dùng các mặt chữ giống nhau nhưng mã khác nhau.
Việc sử dụng Unicode tạo ra những ứng dụng đa ngữ, sử dụng đồng thời nhiều ngôn ngữ khác nhau như các trình duyệt web, ngôn ngữ lập trình, các phần mềm ứng dụng, ...
Năm 2001, Việt Nam đã ban hành Tiêu chuẩn TCVN 6909:2001 về Bộ mã kí tự Việt 16-bit để sử dụng chung. Tiêu chuẩn này hoàn toàn phù hợp với tiêu chuẩn quốc tế về Unicode. Nó quy định mỗi kí tự đều được biểu diễn bằng 2 byte (các kí tự đã có trong bảng mã ASCII được bổ sung vào phía trước 8 bit giá trị 0).
Năm 2017, Việt Nam đã ban hành quy định bắt buộc sử dụng UTF-8 để biểu diễn bộ kí tự Unicode trong máy tính, trong đó sử dụng 1 byte để mã hoá các kí tự La tinh không dấu, sử dụng 2 byte để mã hoá các nguyên âm có dấu cùng các kí tự đ, Đ và chỉ 3 byte để mã hoá một số rất ít các kí tự đặc biệt.
UTF-8 (8-bit Unicode Transformation Format) là một trong các hệ định dạng chuyển đổi cho phép mã hoá kí tự với độ dài khác nhau (từ 1 tới 4 byte) dành cho Unicode.
Như vậy, hiểu một cách ngắn gọn, các bảng mã ASCII và Unicode quy định cách biểu diễn kí tự.
c) Số hoá văn bản
Tệp văn bản là định dạng lưu trữ ở bộ nhớ ngoài.
Việc số hoá văn bản được thực hiện bằng các phần mềm soạn thảo văn bản như Word (của Microsoft), Writer (của Open Office).
Gần đây, người ta đã có thể nhập văn bản bằng lời nói. Chỉ cần đọc lời, máy tính có thể nhận dạng âm thanh và tạo ra văn bản.
| Thông tin | Kiểu dữ liệu |
| Ảnh | Số |
| Số Họ tên | Văn bản |
| Ngày sinh | Hinh ảnh |
| Quốc tịch | Âm thanh |
| Nơi cư trú |