Labo-04

Leerstof

• Character encoding

• Bits & Bytes

• Soorten Encodings

• Unicode

Hulpbronnen

• ASCI tabel

Oefening 1: ASCII opzoeken

Zoek de ASCII-code op voor de letter Z.

• In de ASCII-tabel heeft Z de code: 90 (decimaal) of 0x5A (hexadecimaal)

Zoek het karakter op dat hoort bij ASCII-code 64.

• ASCII-code 64 komt overeen met het karakter: @

Oefening 2: Unicode codepoint naar UTF-8

Zet de codepoint U+00A9 (©) om naar UTF-8.

1. U+00A9 in binair: 0000 0000 1010 1001

2. Valt in het 2-byte bereik (U+0080 – U+07FF): 110xxxxx 10xxxxxx

3. Invullen van het patroon:

   • 11000010 10101001

4. UTF-8 representatie = C2 A9

Zet de codepoint U+03C0 (π) om naar UTF-8.

1. U+03C0 in binair: 0000 0011 1100 0000

2. Valt in het 2-byte bereik (U+0080 – U+07FF): 110xxxxx 10xxxxxx

3. Invullen van het patroon:

   • 11001111 10000000

4. UTF-8 representatie = CF 80

Zet de codepoint U+1F600 (😀) om naar UTF-8.

1. U+1F600 in binair: 0001 1111 0110 0000 0000

2. Valt in het 4-byte bereik (U+10000 – U+10FFFF): 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

3. Invullen van het patroon:

   • 11110000 10011111 10011000 10000000

4. UTF-8 representatie = F0 9F 98 80

Oefening 3: UTF-8 naar Unicode codepoint

Zet de UTF-8 bytevolgorde C3 A9 om naar een Unicode codepoint.

1. C3 A9 in binair:

   • C3 → 11000011

   • A9 → 10101001

2. Identificeer het patroon en verwijder de headers:

   • UTF-8 gebruikt het patroon 110xxxxx 10xxxxxx voor 2-byte karakters.

   • De eerste byte begint met 110 → Dit betekent dat het een 2-byte UTF-8 karakter is.

   • We verwijderen de headers (110 en 10) en combineren de resterende bits: 0000 0000 1110 1001.

3. Omgezet naar hexadecimaal:

   • 0000 0000 1110 1001 (binair) is 00E9 (hex)

   • Resultaat is Unicode U+00E9 (é)

Zet de UTF-8 bytevolgorde E2 98 83 om naar een Unicode codepoint.

1. E2 98 83 in binair:

   • E2 → 11100010

   • 98 → 10011000

   • 83 → 10000011

2. Identificeer het patroon en verwijder de headers:

   • UTF-8 gebruikt het patroon 1110xxxx 10xxxxxx 10xxxxxx voor 3-byte karakters.

   • De eerste byte begint met 1110 → Dit betekent dat het een 3-byte UTF-8 karakter is.

   • We verwijderen de headers (1110, 10, 10) en combineren de resterende bits: 0010 0110 0000 0011.

3. Omgezet naar hexadecimaal:

   • 0010 0110 0000 0011 (binair) is 2603 (hex)

   • Resultaat is Unicode U+2603 (☃ sneeuwpop)

Zet de UTF-8 bytevolgorde F0 9F 92 A9 om naar een Unicode codepoint.

1. F0 9F 92 A9 in binair:

   • F0 → 11110000

   • 9F → 10011111

   • 92 → 10010010

   • A9 → 10101001

2. Identificeer het patroon en verwijder de headers:

   • UTF-8 gebruikt het patroon 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx voor 4-byte karakters.

   • De eerste byte begint met 11110 → Dit betekent dat het een 4-byte UTF-8 karakter is.

   • We verwijderen de headers (11110, 10, 10, 10) en combineren de resterende bits: 0001 1111 1001 0010 1010 1001.

3. Omgezet naar hexadecimaal:

   • 0001 1111 1001 0010 1010 1001 (binair) is 1F4A9 (hex)

   • Resultaat is Unicode U+1F4A9 (💩)