Écritures indiennes et informatique

Les particularités des écritures indiennes par rapport aux autres écritures (notamment l’alphabet latin) ont obligé les informaticiens à inventer des techniques spécifiques permettant de les afficher, les saisir et stocker des textes les utilisant.

Il existe actuellement (2007) plusieurs systèmes de codage des caractères des écritures indiennes. Il y a une norme Unicode et en parallèle des codages propriétaires.

Unicode

modifier

Le Consortium Unicode a attribué des plages de caractères (de U+0900 à U+0DFF) aux différentes écritures indiennes et a donné des recommandations sur leur représentation et leur codage. Il a établi une norme de départ basée sur l’implémentation de la devanagari puis l’a appliquée aux autres écritures en faisant des adaptations quand c’était nécessaire.

Généralités

modifier

Chaque forme indépendante de consonne, de voyelle, chaque forme dépendante de voyelle et chaque chiffre est représenté par un code de caractère propre. Chaque plage d’écriture suit autant que possible un ordre similaire :

  1. Bindus
  2. Visarga
  3. Formes indépendantes des voyelles
  4. Formes indépendantes des consonnes dans l'ordre phonétique suivant (selon le point d'articulation) :
    1. vélaires
    2. palatales
    3. rétroflexes
    4. dentales
    5. bilabiales
  5. Formes dépendantes des voyelles
  6. Virama
  7. Chiffres

Les codes de ces séries de caractères sont les mêmes relativement au début de la plage de l’écriture. Des caractères spécifiques peuvent être intercalés entre ces séries.

Les exemples suivants utilisent la devanagari.

Lorsqu’une voyelle dépendante suit phonétiquement une consonne, son caractère est toujours codé logiquement après le caractère de la consonne, comme l’ordre de prononciation, quel que soit le rendu graphique, par exemple की est codé <U+0915,U+0940> (ka, ī), et कि ki est codé <U+0915,U+093F> (ka, i).

Pour écrire une combinaison de consonnes, on insère le caractère du virama entre 2 consonnes, par exemple स्त sta s’écrit <U+0938,U+094D,U+0924> (sa, virama, ta). En dévanagari ou en gujarati Lorsque la consonne r- (ra plus virama) précède phonétiquement une autre consonne, ces caractères sont toujours codés avant l’autre consonne indépendamment du rendu graphique, comme dans l’ordre de prononciation, même si cette consonne est représentée graphiquement comme un diacritique de la consonne suivante dans le même akshara.

Si on veut réellement écrire une consonne dotée d’un virama puis une autre consonne au lieu de faire la ligature, on insère le caractère de contrôle Unicode de code U+200C ZWNJ (Zero Width Non-Joiner, antiliant sans chasse) entre le caractère du virama et celui de la consonne qui doit le suivre, par exemple क्‌ष (au lieu de la ligature attendue क्ष) s’écrit <U+0915,U+094D,U+200C,U+0937>.

Si, pour écrire une combinaison de consonnes utilisant normalement un nouveau symbole à part entière, on veut utiliser les « demi-formes » des consonnes, on insère le caractère ZWJ (Zero Width Joiner) de code U+200D entre le caractère U+094D du virama dévanagari et le caractère dévanagari codant la consonne qui doit le suivre ; par exemple श्‍व (au lieu de l’attendu श्व, qui se prononcerait de façon semblable) s’écrit <U+0936,U+094D,U+200D,U+0935>.

Le signe nuqta est placé immédiatement après la consonne à laquelle il se rattache, même en cas de consonne suivie par une forme dépendante de voyelle ou de groupement de consonnes (par l’intermédiaire d'un virama).

Les signes de ponctuation danda et double danda sont utilisés dans plusieurs écritures mais sont codés uniquement dans la plage de la dévanâgarî. Ce n'est pas le cas pour Om̐.

Devanāgarī

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0900 कऀ कँ कं कः
U+0910
U+0920
U+0930 कऺ कऻ क़ का कि
U+0940 की कु कू कृ कॄ कॅ कॆ के कै कॉ कॊ को कौ क् कॎ कॏ
U+0950 क॑ क॒ क॓ क॔ कॕ कॖ कॗ
U+0960 कॢ कॣ
U+0970 ॿ
 v · d · m 
en fr
0123456789ABCDEF
U+A8E0 क꣠ क꣡ क꣢ क꣣ क꣤ क꣥ क꣦ क꣧ क꣨ क꣩ क꣪ क꣫ क꣬ क꣭ क꣮ क꣯
U+A8F0 क꣰ क꣱ कꣿ

code ISO 15924 : Deva

Bengali

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0980 কঁ কং কঃ    
U+0990  
U+09A0  
U+09B0       ক় কা কি
U+09C0 কী কু কূ কৃ কৄ   কে কৈ   কো কৌ ক্  
U+09D0   কৗ    
U+09E0 কৢ কৣ  
U+09F0 ক৾  

code ISO 15924 : Beng

Gurmukhî

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0A00   ਕਁ ਕਂ ਕਃ    
U+0A10  
U+0A20  
U+0A30         ਕ਼   ਕਾ ਕਿ
U+0A40 ਕੀ ਕੁ ਕੂ   ਕੇ ਕੈ   ਕੋ ਕੌ ਕ੍  
U+0A50   ਕੑ      
U+0A60    
U+0A70 ਕੰ ਕੱ ਕੵ  

code ISO 15924 : Guru

Le symbole religieux khanda (☬) parfois utilisé dans les textes écrits en Gurmukhi est codé par le caractère U+262C.

Gujarati

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0A80   કઁ કં કઃ    
U+0A90  
U+0AA0  
U+0AB0       ક઼ કા કિ
U+0AC0 કી કુ કૂ કૃ કૄ કૅ   કે કૈ કૉ   કો કૌ ક્  
U+0AD0  
U+0AE0 કૢ કૣ  
U+0AF0   કૺ કૻ કૼ ક૽ ક૾ ક૿

code ISO 15924 : Gujr

 v · d · m 
en fr
0123456789ABCDEF
U+0B00   କଁ କଂ କଃ    
U+0B10  
U+0B20  
U+0B30       କ଼ କା କି
U+0B40 କୀ କୁ କୂ କୃ କୄ   କେ କୈ   କୋ କୌ କ୍  
U+0B50   କ୕ କୖ କୗ    
U+0B60 କୢ କୣ  
U+0B70  

code ISO 15924 : Orya

 v · d · m 
en fr
0123456789ABCDEF
U+0B80   பஂ    
U+0B90        
U+0BA0      
U+0BB0   பா பி
U+0BC0 பீ பு பூ   பெ பே பை   பொ போ பௌ ப்  
U+0BD0   பௗ  
U+0BE0    
U+0BF0  

code ISO 15924 : Taml

Télougou

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0C00 కఀ కఁ కం కః కఄ  
U+0C10  
U+0C20  
U+0C30   క఼ కా కి
U+0C40 కీ కు కూ కృ కౄ   కె కే కై   కొ కో కౌ క్  
U+0C50   కౕ కౖ      
U+0C60 కౢ కౣ  
U+0C70   ౿

code ISO 15924 : Telu

Kannara

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0C80 ಲಁ ಲಂ ಲಃ  
U+0C90  
U+0CA0  
U+0CB0     ಲ಼ ಲಾ ಲಿ
U+0CC0 ಲೀ ಲು ಲೂ ಲೃ ಲೄ   ಲೆ ಲೇ ಲೈ   ಲೊ ಲೋ ಲೌ ಲ್  
U+0CD0   ಲೕ ಲೖ    
U+0CE0 ಲೢ ಲೣ  
U+0CF0   ಲೳ  

code ISO 15924 : Knda

Malayalam

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0D00 കഀ കഁ കം കഃ  
U+0D10  
U+0D20
U+0D30 ക഻ ക഼ കാ കി
U+0D40 കീ കു കൂ കൃ കൄ   കെ കേ കൈ   കൊ കോ കൌ ക്
U+0D50   കൗ
U+0D60 കൢ കൣ  
U+0D70 ൿ

code ISO 15924 : Mlym

Cingalais

modifier
 v · d · m 
en fr
0123456789ABCDEF
U+0D80   ථඁ ථං ථඃ  
U+0D90  
U+0DA0
U+0DB0      
U+0DC0   ථ්   ථා
U+0DD0 ථැ ථෑ ථි ථී ථු   ථූ   ථෘ ථෙ ථේ ථෛ ථො ථෝ ථෞ ථෟ
U+0DE0  
U+0DF0   ථෲ ථෳ  

code ISO 15924 : Sinh

Codages propriétaires

modifier

Des sites web codent les caractères des écritures indiennes sur 1 octet sans table de caractères particulière. L'attributation d’un caractère à un code est dépendant de la police de caractères utilisée, chaque caractère en principe représenté par un code étant remplacé par un caractère arbitraire de l'écriture indienne en question. Ainsi les demi-formes utilisées dans des groupes de consonnes, les représentations de consonnes dépendant d’un contexte particulier, etc. ont leur propre code, avec le symbole correspondant dans la police.

Ce type de codage gêne considérablement tout traitement automatisé – comme la recherche de texte ou l’indexation par des moteurs de recherche – des textes ainsi écrits.

Affichage

modifier

Cas d’Unicode

modifier

L'utilisateur doit disposer d’une police Unicode de son choix ou au moins d’un police disposant de la plage de caractères correspondant à l’écriture voulue. Les logiciels de l’utilisateur doivent exploiter correctement la police, notamment afficher les caractères ou morceaux de caractères dans le bon ordre graphique même quand il est contraire à celui du codage.

Si un groupement de consonnes nécessite un glyphe dont la police ne dispose pas, les demi-formes des consonnes doivent être affichées. Si même ces dernières sont indisponibles, les formes indépendantes rattachées au virama sont utilisées.

Cas des systèmes propriétaires

modifier

L’utilisateur doit disposer de la police de caractères spécifiquement conçue pour le codage. Pour une même écriture il y a souvent plusieurs codages ou plusieurs polices, ce qui oblige l’utilisateur à installer une nouvelle police à chaque fois. Ces polices ne sont disponibles que sur Windows.

Tous les Unix utilisant X Window peuvent soit modifier directement l’attribution des caractères aux touches du clavier via xmodmap ou XKB, soit utiliser une méthode d'entrée. L’utilisation de ces technologies peut éventuellement être laissée aux soins du gestionnaire de fenêtres.

Références

modifier