Écritures indiennes et informatique - Définition

Introduction

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.

Codage

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

Le Consortium Unicode a attribué des plages de caractères (de U+0900 à U+0FFF) 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

Chaque forme indépendante de consonne, de voyelle, et chaque chiffre dispose 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 kī est codé (ka, ī), et कि ki est codé (ka, i).

Pour écrire une combinaison de consonnes, on insère le caractère du virama entre 2 consonnes, par exemple स्त sta s’écrit (sa, virama, ta). En devanagari 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, disjonction 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 .

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 dévanagâri et le caractère dévanagâri codant la consonne qui doit le suivre ; par exemple श्‍व (au lieu de l’attendu श्व, qui se prononcerait de façon semblable) s’écrit .

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 Devanagari. Ce n'est pas le cas pour Om̐.

Devanagari

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
090	कऀ	कँ	कं	कः	ऄ	अ	आ	इ	ई	उ	ऊ	ऋ	ऌ	ऍ	ऎ	ए
091	ऐ	ऑ	ऒ	ओ	औ	क	ख	ग	घ	ङ	च	छ	ज	झ	ञ	ट
092	ठ	ड	ढ	ण	त	थ	द	ध	न	ऩ	प	फ	ब	भ	म	य
093	र	ऱ	ल	ळ	ऴ	व	श	ष	स	ह			क़	ऽ	का	कि
094	की	कु	कू	कृ	कॄ	कॅ	कॆ	के	कै	कॉ	कॊ	को	कौ	क्	कॎ
095	ॐ	क॑	क॒	क॓	क॔	कॕ			क़	ख़	ग़	ज़	ड़	ढ़	फ़	य़
096	ॠ	ॡ	कॢ	कॣ	।	॥	०	१	२	३	४	५	६	७	८	९
097	॰	ॱ	ॲ							ॹ	ॺ	ॻ	ॼ	ॽ	ॾ	ॿ

code ISO 15924 : Deva

Bengali

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
098		কঁ	কং	কঃ		অ	আ	ই	ঈ	উ	ঊ	ঋ	ঌ			এ
099	ঐ			ও	ঔ	ক	খ	গ	ঘ	ঙ	চ	ছ	জ	ঝ	ঞ	ট
09A	ঠ	ড	ঢ	ণ	ত	থ	দ	ধ	ন		প	ফ	ব	ভ	ম	য
09B	র		ল				শ	ষ	স	হ			ক়	ঽ	কা	কি
09C	কী	কু	কূ	কৃ	কৄ			কে	কৈ			কো	কৌ	ক্	ৎ
09D								কৗ					ড়	ঢ়		য়
09E	ৠ	ৡ	কৢ	কৣ			০	১	২	৩	৪	৫	৬	৭	৮	৯
09F	ৰ	ৱ	৲	৳	৴	৵	৶	৷	৸	৹	৺	৻

Gurmukhi

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0A0		ਕਁ	ਕਂ	ਕਃ		ਅ	ਆ	ਇ	ਈ	ਉ	ਊ					ਏ
0A1	ਐ			ਓ	ਔ	ਕ	ਖ	ਗ	ਘ	ਙ	ਚ	ਛ	ਜ	ਝ	ਞ	ਟ
0A2	ਠ	ਡ	ਢ	ਣ	ਤ	ਥ	ਦ	ਧ	ਨ		ਪ	ਫ	ਬ	ਭ	ਮ	ਯ
0A3	ਰ		ਲ	ਲ਼		ਵ	ਸ਼		ਸ	ਹ			ਕ਼		ਕਾ	ਕਿ
0A4	ਕੀ	ਕੁ	ਕੂ					ਕੇ	ਕੈ			ਕੋ	ਕੌ	ਕ੍
0A5		ਕੑ								ਖ਼	ਗ਼	ਜ਼	ੜ		ਫ਼
0A6							੦	੧	੨	੩	੪	੫	੬	੭	੮	੯
0A7	ਕੰ	ਕੱ	ੲ	ੳ	ੴ

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

Gujarati

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0A8		કઁ	કં	કઃ		અ	આ	ઇ	ઈ	ઉ	ઊ	ઋ	ઌ	ઍ		એ
0A9	ઐ	ઑ		ઓ	ઔ	ક	ખ	ગ	ઘ	ઙ	ચ	છ	જ	ઝ	ઞ	ટ
0AA	ઠ	ડ	ઢ	ણ	ત	થ	દ	ધ	ન		પ	ફ	બ	ભ	મ	ય
0AB	ર		લ	ળ		વ	શ	ષ	સ	હ			ક઼	ઽ	કા	કિ
0AC	કી	કુ	કૂ	કૃ	કૄ	કૅ		કે	કૈ	કૉ		કો	કૌ	ક્
0AD	ૐ
0AE	ૠ	ૡ	કૢ	કૣ			૦	૧	૨	૩	૪	૫	૬	૭	૮	૯
0AF		૱

code ISO 15924 : Gujr

Oriyâ

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0B0		କଁ	କଂ	କଃ		ଅ	ଆ	ଇ	ଈ	ଉ	ଊ	ଋ	ଌ			ଏ
0B1	ଐ			ଓ	ଔ	କ	ଖ	ଗ	ଘ	ଙ	ଚ	ଛ	ଜ	ଝ	ଞ	ଟ
0B2	ଠ	ଡ	ଢ	ଣ	ତ	ଥ	ଦ	ଧ	ନ		ପ	ଫ	ବ	ଭ	ମ	ଯ
0B3	ର		ଲ	ଳ		ଵ	ଶ	ଷ	ସ	ହ			କ଼	ଽ	କା	କି
0B4	କୀ	କୁ	କୂ	କୃ	କୄ			କେ	କୈ			କୋ	କୌ	କ୍
0B5							କୖ	କୗ					ଡ଼	ଢ଼		ୟ
0B6	ୠ	ୡ	କୢ	କୣ			୦	୧	୨	୩	୪	୫	୬	୭	୮	୯
0B7	୰	ୱ

Tamoul

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0B8			பஂ	ஃ		அ	ஆ	இ	ஈ	உ	ஊ				எ	ஏ
0B9	ஐ		ஒ	ஓ	ஔ	க				ங	ச		ஜ		ஞ	ட
0BA				ண	த				ந	ன	ப				ம	ய
0BB	ர	ற	ல	ள	ழ	வ	ஶ	ஷ	ஸ	ஹ					பா	பி
0BC	பீ	பு	பூ				பெ	பே	பை		பொ	போ	பௌ	ப்
0BD	ௐ							பௗ
0BE							௦	௧	௨	௩	௪	௫	௬	௭	௮	௯
0BF	௰	௱	௲	௳	௴	௵	௶	௷	௸	௹	௺

Télougou

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0C0		కఁ	కం	కః		అ	ఆ	ఇ	ఈ	ఉ	ఊ	ఋ	ఌ		ఎ	ఏ
0C1	ఐ		ఒ	ఓ	ఔ	క	ఖ	గ	ఘ	ఙ	చ	ఛ	జ	ఝ	ఞ	ట
0C2	ఠ	డ	ఢ	ణ	త	థ	ద	ధ	న		ప	ఫ	బ	భ	మ	య
0C3	ర	ఱ	ల	ళ		వ	శ	ష	స	హ				ఽ	కా	కి
0C4	కీ	కు	కూ	కృ	కౄ		కె	కే	కై		కొ	కో	కౌ	క్
0C5						కౕ	కౖ		ౘ	ౙ
0C6	ౠ	ౡ	కౢ	కౣ			౦	౧	౨	౩	౪	౫	౬	౭	౮	౯
0C7									౸	౹	౺	౻	౼	౽	౾	౿

Kannara

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0C8			ಲಂ	ಲಃ		ಅ	ಆ	ಇ	ಈ	ಉ	ಊ	ಋ	ಌ		ಎ	ಏ
0C9	ಐ		ಒ	ಓ	ಔ	ಕ	ಖ	ಗ	ಘ	ಙ	ಚ	ಛ	ಜ	ಝ	ಞ	ಟ
0CA	ಠ	ಡ	ಢ	ಣ	ತ	ಥ	ದ	ಧ	ನ		ಪ	ಫ	ಬ	ಭ	ಮ	ಯ
0CB	ರ	ಱ	ಲ	ಳ		ವ	ಶ	ಷ	ಸ	ಹ			ಲ಼	ಽ	ಲಾ	ಲಿ
0CC	ಲೀ	ಲು	ಲೂ	ಲೃ	ಲೄ		ಲೆ	ಲೇ	ಲೈ		ಲೊ	ಲೋ	ಲೌ	ಲ್
0CD						ಲೕ	ಲೖ								ೞ
0CE	ೠ	ೡ	ಲೢ	ಲೣ			೦	೧	೨	೩	೪	೫	೬	೭	೮	೯
0CF		ೱ	ೲ

Malayâlam

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0D0			കം	കഃ		അ	ആ	ഇ	ഈ	ഉ	ഊ	ഋ	ഌ		എ	ഏ
0D1	ഐ		ഒ	ഓ	ഔ	ക	ഖ	ഗ	ഘ	ങ	ച	ഛ	ജ	ഝ	ഞ	ട
0D2	ഠ	ഡ	ഢ	ണ	ത	ഥ	ദ	ധ	ന		പ	ഫ	ബ	ഭ	മ	യ
0D3	ര	റ	ല	ള	ഴ	വ	ശ	ഷ	സ	ഹ				ഽ	കാ	കി
0D4	കീ	കു	കൂ	കൃ	കൄ		കെ	കേ	കൈ		കൊ	കോ	കൌ	ക്
0D5								കൗ
0D6	ൠ	ൡ	കൢ	കൣ			൦	൧	൨	൩	൪	൫	൬	൭	൮	൯
0D7	൰	൱	൲	൳	൴	൵				൹	ൺ	ൻ	ർ	ൽ	ൾ	ൿ

Singhalais

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
0D8			ථං	ථඃ		අ	ආ	ඇ	ඈ	ඉ	ඊ	උ	ඌ	ඍ	ඎ	ඏ
0D9	ඐ	එ	ඒ	ඓ	ඔ	ඕ	ඖ				ක	ඛ	ග	ඝ	ඞ	ඟ
0DA	ච	ඡ	ජ	ඣ	ඤ	ඥ	ඦ	ට	ඨ	ඩ	ඪ	ණ	ඬ	ත	ථ	ද
0DB	ධ	න		ඳ	ප	ඵ	බ	භ	ම	ඹ	ය	ර		ල
0DC	ව	ශ	ෂ	ස	හ	ළ	ෆ				ථ්					ථා
0DD	ථැ	ථෑ	ථි	ථී	ථු		ථූ		ථෘ	ථෙ	ථේ	ථෛ	ථො	ථෝ	ථෞ	ථෟ
0DE
0DF			ථෲ	ථෳ	෴

Codages propriétaires

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 gène considérablement tout traitement automatisé - comme la recherche de texte ou l'indexation par des moteurs de recherche - des textes ainsi écrits.