Miks EBCDIC-s tähestikud järjest ei järgne?

ASCII standard was accepted in 1963, and it's unlikely anyone currently uses a character encoding where the first 128 characters differ from ASCII. However, until the end of the last century, EBCDIC was actively used — the standard encoding for IBM mainframes and their Soviet clones, ES EVM. EBCDIC remains the primary encoding in z/OS — the standard OS for modern IBM Z mainframes.

What stands out immediately when looking at EBCDIC is that the letters are not sequential: between I ja J and between R ja S there are unused positions (on ES EVM, these gaps were filled with Cyrillic symbols). Who would have thought to encode letters with uneven gaps between neighboring letters?

The very name EBCDIC (‘Extended BCDIC’) hints that this encoding — unlike ASCII — was not created in a vacuum, but rather based on the six-bit BCDIC encoding used since IBM 704 (1954):

There is no direct backward compatibility: a convenient feature of BCDIC that was lost when moving to EBCDIC was that the digits correspond to codes 0-9. However, there were already gaps of seven codes between 0—9 and eight codes between I ja J in BCDIC. So where did they come from? R ja S The history of (E)BCDIC begins concurrently with the history of IBM — long before electronic computers. IBM was formed by the merger of four companies, of which the most technologically advanced was the ‘Tabulating Machine Company’, founded in 1896 by Herman Hollerith — the inventor of the

tabulator . The first tabulators simply counted the number of punched cards in a specific location; however, in 1905, Hollerith started the production ofdecimal tabulators. Each card for a decimal tabulator consisted of variable-length fields, and numbers recorded in these fields in standard decimal form were summed across the entire deck. The breakdown of the card into fields was determined by the wiring on the tabulator's commutation panel. For example, on this punch card of Hollerith, archived at the Library of Congress, the number 23456789012345678 is obviously punched, though how it is divided into fields is unknown: The most observant might notice that Hollerith's card has 12 rows for holes, while only ten are needed for digits; and in BCDIC, only 12 codes out of 16 possible are used for the values of the two most significant bits.

Kauemad tähelepanelikud võivad märgata, et Holleriti kaardil on aukude jaoks 12 rida, kuigi numbrite jaoks piisab kümnest; ja BCDIC-s kasutatakse igas väärtuses vanemate kahte bitti ainult 12 koodi 16 võimalikust.

Muidugi pole see juhuslik kokkusattumus. Alguses kavandas Hollerith täiendavad read "spetsiaalsetele märgetele", mis ei summeeritud, vaid lihtsalt loeti — nagu kõige esimeste tabulaatorite puhul. (Tänapäeval nimetaksime neid "bitiväljadeks".) Lisaks oli "spetsiaalsete märkete" seas võimalik määrata grupimarke: kui tabuleerimisel olid vajalikud mitte ainult lõplikud summad, vaid ka vahepealsed, siis tabulaator seisis, kui avastati muudatus mõnes grupimärgis, ja operaator pidi kirjutama vahepealsed summad numbrite tabelist paberile, lähtestama tabeli ja jätkama tabuleerimist. Näiteks raamatupidamisbilansside arvutamisel võis kaardigrupp vastata ühele kuupäevale või ühele partnerile.

1920. aastaks, mil Hollerith oli juba pensionile läinud, tulid kasutusele "trükkivad tabulaatorid", mis ühendusid teleprinteriga ja suudsid ise trükkida vahepealseid summasid, nõudmata operaatori sekkumist. Nüüd oli keerukus selles, et määrata, millele iga trükitud number viitab. 1931. aastal otsustas IBM kasutada "spetsiaalsete märkete" kaudu tähti tähistamiseks: 12. rea märk tähendas tähte A kuni I, 11. rea märk tähendas tähte J kuni R, nullread tähendas tähte S kuni Z. Uus "alfabeetiline tabulaator" suutis trükkida iga kaardigruppi nime koos vahepealsete summadega; sel juhul muutus puuduolev veerg tühikuks sümbolite vahel. Pange tähele, et S tähistatakse aukude kombinatsiooniga 0+2, ja 0+1 kombinatsiooni kasutati algselt ettevaatlikkuse tõttu, kuna kaks auku kõrvuti ühes veerus võivad tekitada mehaanilisi probleeme lugejas.

Nüüd saab BCDIC tabelisse vaadata veidi teise nurga alt:

Välja arvatud, et 0 ja tühik on omavahel vahetatud, määravad vanemad kaks bitti "spetsiaalse märgi", mis tõmmati 1931 perforeeritud kaardile vastava sümboli jaoks; nooremad neli bitti määravad numbri, mis on perforeeritud kaardi peamises osas. Sümbolite tugi & - / IBM-i tabulaatoritesse lisandus 1930. aastatel ning nende sümbolite kodeerimine BCDIC-s vastab nendele augule vastavatele vajutustele. Kui oli vajalik toetada veel rohkemate sümbolite kasutamist, hakati täiendava "erimärgina" lööma rea 8 – seega võis ühes veerus olla kuni kolm auku. Selline perforatsioonikaardi formaat säilis praktiliselt muutumatuna sajandi lõpuni. Nõukogude Liidus jäeti IBM-i kodeeringud ladina tähtedele ja kirjavahemärkidele ning tsükli tähtede jaoks löödi kohe mitu "erimärki" ridades 12, 11, 0 – piirdundes mitte kolme auguga ühes veerus.

Kui loodi arvutit IBM 704, siis ei mõeldud sümbolite kodeerimise üle kaua: võeti kodeering, mida juba tol ajal kasutati perforatsioonikaartides, ning lihtsalt 0 "pandigi oma kohale". 1964. aastal, kui BCDIC-ilt EBCDIC-ile üle mindi, jäeti iga sümboli madalamad neli bitti muutmata, kuigi vanemad bitid nihutati veidi. Seega mõjutas perforatsioonikaardi formaat, mille valis Hollerith eelmise sajandi alguses, kõigi IBM-i arvutite arhitektuuri, sealhulgas IBM Z-d.

Allikas: habr.com