Table ascii étendue ANSI

« ANSI » : un nom qui prête à confusion

Cette table étendue est presque toujours appelée « ANSI » sur les PC, parce que Microsoft l'a désignée ainsi dans Windows, jusque dans le menu d'enregistrement du Bloc-notes. L'appellation est un abus de langage : l'American National Standards Institute ne publie aucune norme correspondant à ce jeu de caractères. Son nom officiel, celui qu'emploient les registres d'encodages et les bibliothèques logicielles, est Windows-1252, souvent écrit cp1252.

L'origine du malentendu est historique. La page de code a été bâtie à partir d'un projet de norme qui a ensuite suivi son propre chemin pour devenir ISO-8859-1. Le raccourci « ANSI » est resté collé à la version Microsoft et s'est propagé dans la documentation, les forums et les intitulés de menus.

Ce que la seconde moitié apporte au français

Les 128 premiers codes restent strictement ceux de l'ascii standard : la table étendue ne les modifie pas. Tout l'intérêt se situe dans la plage 128-255, qui contient enfin les lettres accentuées du français — é, è, ê, ë, à, â, ù, û, ô, î, ï, ç — ainsi que leurs équivalents en majuscules.

On y trouve également la ligature œ, code 156, et sa majuscule Œ, code 140, le Ÿ au code 159, les guillemets français « et » aux codes 171 et 187, les guillemets courbes anglais “ et ” aux codes 147 et 148, les apostrophes typographiques ‘ et ’ aux codes 145 et 146, le tiret cadratin, les points de suspension et la puce. Le symbole € occupe la position 128 ; il a été ajouté à la page de code après la création de la monnaie unique.

Windows-1252 et ISO-8859-1 : des cousines, pas des jumelles

ISO-8859-1, dite aussi Latin-1, est la norme internationale destinée aux langues d'Europe occidentale. Sur toute la plage 160-255, les deux tables sont rigoureusement identiques : même caractère au même code. C'est pour cela qu'on les confond si facilement.

La différence tient aux positions 128 à 159. Dans ISO-8859-1, cette plage est réservée à des codes de contrôle, dits contrôles C1, et ne contient aucun caractère affichable. Windows-1252 y a logé ses caractères typographiques : euro, ligatures, guillemets courbes, tirets longs, puce. Un texte qui utilise ces positions n'est donc pas du Latin-1, même s'il est déclaré comme tel.

En pratique, le Web a tranché du côté de Microsoft : la norme d'encodage suivie par les navigateurs leur demande de traiter une page déclarée en ISO-8859-1 comme du Windows-1252, précisément parce que ces positions ont été massivement utilisées.

Pourquoi on la croise encore aujourd'hui

Windows-1252 a été la page de code par défaut des versions occidentales de Windows pendant de longues années. Elle reste donc l'encodage d'un grand nombre de fichiers produits par des logiciels de gestion : exports comptables, relevés bancaires, fichiers CSV générés par de vieilles applications métier, bases de données jamais migrées, archives de courriels.

Le symptôme est facile à reconnaître : ouvrez un tel fichier dans un éditeur qui suppose de l'UTF-8, et les accents deviennent illisibles ou disparaissent. L'inverse se produit tout autant. La bonne pratique consiste à convertir ces fichiers en UTF-8 une bonne fois pour toutes, en déclarant explicitement l'encodage de départ au moment de la conversion.