Los datos de texto (también formato de texto ) son una representación de información de tipo cadena (es decir, una secuencia de caracteres impresos ) en un sistema informático . En MIME , los datos codificados de esta manera corresponden al tipo text/plain.
A menudo, los datos textuales se entienden en un sentido más estricto, como texto en cualquier idioma ( formal o natural ), que una persona puede leer y comprender.
El formato de texto se opone a los " datos binarios ", la información en la que se codifica de forma arbitraria, no diseñada para la percepción humana.
Para la mayoría del hardware y software de computadora , no importa si los datos son texto. Sin embargo, muchos protocolos de red están diseñados para funcionar solo con datos de texto y no pueden manejar una secuencia arbitraria de bytes. Además, algunos programas procesan datos de texto y binarios de manera diferente, y algunos están diseñados para procesar datos de texto específicamente. Los programas para crear y editar datos de texto se denominan editores de texto .
Los datos de texto suelen ser una secuencia de un subconjunto de caracteres que incluye solo caracteres impresos ( letras , números , puntuación ) y algunos caracteres de control ( espacios , tabuladores , saltos de línea). Existen métodos (por ejemplo, UUENCODE o Base64 ) que le permiten codificar datos arbitrarios de cualquier formato en formato de texto, que a menudo se usa para codificar datos binarios.
El requisito de comprensión humana del contenido introduce redundancia adicional en la representación de los datos. Por ejemplo, el número 123, para el cual un byte de 8 bits es suficiente para codificar, se codifica en forma de texto mediante varios caracteres digitales; por ejemplo, en el sistema numérico decimal , esto requiere tres dígitos ("123"), en binario - siete dígitos ("1111011"), en hexadecimal - dos ("7B").
El formato de texto no le permite usar comandos de formato de texto, administrar atributos de fuente, marcar contenido [1] .
Los datos de texto se pueden dividir en líneas. En algunos sistemas operativos (principalmente la familia UNIX ), el salto de línea se codifica con un carácter de control con el código 10 en la tabla ASCII (nombre - Line Feed, LF), en otros (por ejemplo, en MS-DOS y Microsoft Windows ) - un par de caracteres de control con los códigos 13 y 10 (retorno de carro y salto de línea, CR/LF). En Mac OS (pero no en Mac OS X ), la división se codifica con un solo carácter, el código 13.
Esta división por carácter o caracteres de control está dictada por la forma en que funcionaban las máquinas de escribir a través de las cuales se realizaba la entrada en algunas de las primeras computadoras: la posición de entrada allí estaba indicada por la posición del rodillo con papel, y girando el rodillo y pasando a la siguiente línea. requiere presionar una o dos teclas o palancas.
Además, los caracteres de salto de línea se usaban para controlar las impresoras mecánicas (que podían ser las mismas máquinas de escribir que se usaban para la entrada): el carácter LF hacía que el rollo de papel se desplazara y el carácter CR hacía que el carro de impresión regresara (donde estaba) en el comienzo de la línea. De ahí el nombre de los signos - Inglés. Line Feed (salto de línea) e inglés. Retorno de carro .
En algunas plataformas, los saltos de línea se hacían de manera diferente: el texto se presentaba como una secuencia de registros de longitud fija, para los cuales las líneas más cortas se complementaban con el número requerido de espacios. Esto correspondía a la presentación de datos en tarjetas perforadas , que servían como medio para ingresar e incluso almacenar datos que tenían un ancho fijo (por ejemplo, 80 posiciones - columnas).
El propósito principal de usar datos de texto es un "denominador común", independiente de los programas individuales que requieren su propia codificación o formateo y son incompatibles con otros programas. Los archivos de texto (archivos en formato de texto) se pueden abrir, leer y editar en cualquier editor de texto como MS-DOS Editor ( DOS ), Notepad ( Windows ), ed , vi y vim ( UNIX , Linux ), SimpleText , TextEdit ( Mac OS X ), etc. Otros programas generalmente también pueden leer e importar datos de texto. También puede ver archivos de texto con comandos integrados ( typeen DOS y Windows) y utilidades ( caten Unix).
El formato de texto se usa a menudo para representar datos que no son en sí mismos texto puro. En este caso, otros formatos de datos se "construyen sobre" texto sin formato, para lo cual sus construcciones de control se expresan en palabras impresas y signos de puntuación. Esto proporciona dos niveles de comodidad para trabajar con datos: por ejemplo, los datos HTML y XML se pueden ver y editar con formato WYSIWYG , o puede abrirlos en un editor de texto normal y tener acceso a todas las complejidades del lenguaje de marcado. Cuando los datos se almacenan en forma "binaria" (como se hace, por ejemplo, en versiones anteriores de Microsoft Word ), a menudo es imposible trabajar con ellos en otros programas (debido a la falta de disponibilidad de información sobre la estructura del formato) o incluso en diferentes versiones del mismo programa.
La mayoría de los lenguajes de programación asumen el uso de un formato de texto para el código fuente del programa . Entre otras cosas, esto le permite aplicar diversas utilidades a los códigos fuente para transformaciones, formateo, búsqueda, estadísticas, análisis, etc.
Los archivos de configuración de muchos programas utilizan un formato de texto, incluso si contienen números e interruptores binarios (sí/no). Esto complica un poco los programas debido a la necesidad de convertir los datos de texto a un formato interno y viceversa, pero es posible editar la configuración manualmente, sin utilizar las herramientas de configuración del propio programa.
Es difícil señalar una determinada parte del texto almacenado en el formato de datos de texto. Los números de línea o los números de caracteres [2] se pueden usar como punteros .
El término texto sin formato ( eng. plaintext ; se parece mucho al término inglés sin formato , que se usa para denotar datos de texto) se usa ampliamente en criptografía y significa cualquier dato no cifrado, incluidos los datos que no son de texto. El término texto claro también se usa en criptografía y significa datos no cifrados, que también son comprensibles para una persona y no están protegidos contra "escuchas" durante la transmisión.
| Tipos de datos | |
|---|---|
| Ininterpretable | |
| Numérico | |
| Texto | |
| Referencia | |
| Compuesto | |
| resumen |
|
| Otro | |
| Temas relacionados | |