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.

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+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

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 :

Bindus
Visarga
Formes indépendantes des voyelles
Formes indépendantes des consonnes dans l'ordre phonétique suivant (selon le point d'articulation) :
Formes dépendantes des voyelles
Virama
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 <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

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0900	कऀ	कँ	कं	कः	ऄ	अ	आ	इ	ई	उ	ऊ	ऋ	ऌ	ऍ	ऎ	ए
U+0910	ऐ	ऑ	ऒ	ओ	औ	क	ख	ग	घ	ङ	च	छ	ज	झ	ञ	ट
U+0920	ठ	ड	ढ	ण	त	थ	द	ध	न	ऩ	प	फ	ब	भ	म	य
U+0930	र	ऱ	ल	ळ	ऴ	व	श	ष	स	ह	कऺ	कऻ	क़	ऽ	का	कि
U+0940	की	कु	कू	कृ	कॄ	कॅ	कॆ	के	कै	कॉ	कॊ	को	कौ	क्	कॎ	कॏ
U+0950	ॐ	क॑	क॒	क॓	क॔	कॕ	कॖ	कॗ	क़	ख़	ग़	ज़	ड़	ढ़	फ़	य़
U+0960	ॠ	ॡ	कॢ	कॣ	।	॥	०	१	२	३	४	५	६	७	८	९
U+0970	॰	ॱ	ॲ	ॳ	ॴ	ॵ	ॶ	ॷ	ॸ	ॹ	ॺ	ॻ	ॼ	ॽ	ॾ	ॿ

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+A8E0	क꣠	क꣡	क꣢	क꣣	क꣤	क꣥	क꣦	क꣧	क꣨	क꣩	क꣪	क꣫	क꣬	क꣭	क꣮	क꣯
U+A8F0	क꣰	क꣱	ꣲ	ꣳ	ꣴ	ꣵ	ꣶ	ꣷ	꣸	꣹	꣺	ꣻ	꣼	ꣽ	ꣾ	कꣿ

code ISO 15924 : Deva

Bengali

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0980	ঀ	কঁ	কং	কঃ		অ	আ	ই	ঈ	উ	ঊ	ঋ	ঌ			এ
U+0990	ঐ			ও	ঔ	ক	খ	গ	ঘ	ঙ	চ	ছ	জ	ঝ	ঞ	ট
U+09A0	ঠ	ড	ঢ	ণ	ত	থ	দ	ধ	ন		প	ফ	ব	ভ	ম	য
U+09B0	র		ল				শ	ষ	স	হ			ক়	ঽ	কা	কি
U+09C0	কী	কু	কূ	কৃ	কৄ			কে	কৈ			কো	কৌ	ক্	ৎ
U+09D0								কৗ					ড়	ঢ়		য়
U+09E0	ৠ	ৡ	কৢ	কৣ			০	১	২	৩	৪	৫	৬	৭	৮	৯
U+09F0	ৰ	ৱ	৲	৳	৴	৵	৶	৷	৸	৹	৺	৻	ৼ	৽	ক৾

code ISO 15924 : Beng

Gurmukhî

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0A00		ਕਁ	ਕਂ	ਕਃ		ਅ	ਆ	ਇ	ਈ	ਉ	ਊ					ਏ
U+0A10	ਐ			ਓ	ਔ	ਕ	ਖ	ਗ	ਘ	ਙ	ਚ	ਛ	ਜ	ਝ	ਞ	ਟ
U+0A20	ਠ	ਡ	ਢ	ਣ	ਤ	ਥ	ਦ	ਧ	ਨ		ਪ	ਫ	ਬ	ਭ	ਮ	ਯ
U+0A30	ਰ		ਲ	ਲ਼		ਵ	ਸ਼		ਸ	ਹ			ਕ਼		ਕਾ	ਕਿ
U+0A40	ਕੀ	ਕੁ	ਕੂ					ਕੇ	ਕੈ			ਕੋ	ਕੌ	ਕ੍
U+0A50		ਕੑ								ਖ਼	ਗ਼	ਜ਼	ੜ		ਫ਼
U+0A60							੦	੧	੨	੩	੪	੫	੬	੭	੮	੯
U+0A70	ਕੰ	ਕੱ	ੲ	ੳ	ੴ	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

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0A80		કઁ	કં	કઃ		અ	આ	ઇ	ઈ	ઉ	ઊ	ઋ	ઌ	ઍ		એ
U+0A90	ઐ	ઑ		ઓ	ઔ	ક	ખ	ગ	ઘ	ઙ	ચ	છ	જ	ઝ	ઞ	ટ
U+0AA0	ઠ	ડ	ઢ	ણ	ત	થ	દ	ધ	ન		પ	ફ	બ	ભ	મ	ય
U+0AB0	ર		લ	ળ		વ	શ	ષ	સ	હ			ક઼	ઽ	કા	કિ
U+0AC0	કી	કુ	કૂ	કૃ	કૄ	કૅ		કે	કૈ	કૉ		કો	કૌ	ક્
U+0AD0	ૐ
U+0AE0	ૠ	ૡ	કૢ	કૣ			૦	૧	૨	૩	૪	૫	૬	૭	૮	૯
U+0AF0	૰	૱								ૹ	કૺ	કૻ	કૼ	ક૽	ક૾	ક૿

code ISO 15924 : Gujr

Odia

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0B00		କଁ	କଂ	କଃ		ଅ	ଆ	ଇ	ଈ	ଉ	ଊ	ଋ	ଌ			ଏ
U+0B10	ଐ			ଓ	ଔ	କ	ଖ	ଗ	ଘ	ଙ	ଚ	ଛ	ଜ	ଝ	ଞ	ଟ
U+0B20	ଠ	ଡ	ଢ	ଣ	ତ	ଥ	ଦ	ଧ	ନ		ପ	ଫ	ବ	ଭ	ମ	ଯ
U+0B30	ର		ଲ	ଳ		ଵ	ଶ	ଷ	ସ	ହ			କ଼	ଽ	କା	କି
U+0B40	କୀ	କୁ	କୂ	କୃ	କୄ			କେ	କୈ			କୋ	କୌ	କ୍
U+0B50						କ୕	କୖ	କୗ					ଡ଼	ଢ଼		ୟ
U+0B60	ୠ	ୡ	କୢ	କୣ			୦	୧	୨	୩	୪	୫	୬	୭	୮	୯
U+0B70	୰	ୱ	୲	୳	୴	୵	୶	୷

code ISO 15924 : Orya

Tamoul

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0B80			பஂ	ஃ		அ	ஆ	இ	ஈ	உ	ஊ				எ	ஏ
U+0B90	ஐ		ஒ	ஓ	ஔ	க				ங	ச		ஜ		ஞ	ட
U+0BA0				ண	த				ந	ன	ப				ம	ய
U+0BB0	ர	ற	ல	ள	ழ	வ	ஶ	ஷ	ஸ	ஹ					பா	பி
U+0BC0	பீ	பு	பூ				பெ	பே	பை		பொ	போ	பௌ	ப்
U+0BD0	ௐ							பௗ
U+0BE0							௦	௧	௨	௩	௪	௫	௬	௭	௮	௯
U+0BF0	௰	௱	௲	௳	௴	௵	௶	௷	௸	௹	௺

code ISO 15924 : Taml

Télougou

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0C00	కఀ	కఁ	కం	కః	కఄ	అ	ఆ	ఇ	ఈ	ఉ	ఊ	ఋ	ఌ		ఎ	ఏ
U+0C10	ఐ		ఒ	ఓ	ఔ	క	ఖ	గ	ఘ	ఙ	చ	ఛ	జ	ఝ	ఞ	ట
U+0C20	ఠ	డ	ఢ	ణ	త	థ	ద	ధ	న		ప	ఫ	బ	భ	మ	య
U+0C30	ర	ఱ	ల	ళ	ఴ	వ	శ	ష	స	హ			క఼	ఽ	కా	కి
U+0C40	కీ	కు	కూ	కృ	కౄ		కె	కే	కై		కొ	కో	కౌ	క్
U+0C50						కౕ	కౖ		ౘ	ౙ	ౚ			ౝ
U+0C60	ౠ	ౡ	కౢ	కౣ			౦	౧	౨	౩	౪	౫	౬	౭	౮	౯
U+0C70								౷	౸	౹	౺	౻	౼	౽	౾	౿

code ISO 15924 : Telu

Kannara

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0C80	ಀ	ಲಁ	ಲಂ	ಲಃ	಄	ಅ	ಆ	ಇ	ಈ	ಉ	ಊ	ಋ	ಌ		ಎ	ಏ
U+0C90	ಐ		ಒ	ಓ	ಔ	ಕ	ಖ	ಗ	ಘ	ಙ	ಚ	ಛ	ಜ	ಝ	ಞ	ಟ
U+0CA0	ಠ	ಡ	ಢ	ಣ	ತ	ಥ	ದ	ಧ	ನ		ಪ	ಫ	ಬ	ಭ	ಮ	ಯ
U+0CB0	ರ	ಱ	ಲ	ಳ		ವ	ಶ	ಷ	ಸ	ಹ			ಲ಼	ಽ	ಲಾ	ಲಿ
U+0CC0	ಲೀ	ಲು	ಲೂ	ಲೃ	ಲೄ		ಲೆ	ಲೇ	ಲೈ		ಲೊ	ಲೋ	ಲೌ	ಲ್
U+0CD0						ಲೕ	ಲೖ							ೝ	ೞ
U+0CE0	ೠ	ೡ	ಲೢ	ಲೣ			೦	೧	೨	೩	೪	೫	೬	೭	೮	೯
U+0CF0		ೱ	ೲ	ಲೳ

code ISO 15924 : Knda

Malayalam

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0D00	കഀ	കഁ	കം	കഃ	ഄ	അ	ആ	ഇ	ഈ	ഉ	ഊ	ഋ	ഌ		എ	ഏ
U+0D10	ഐ		ഒ	ഓ	ഔ	ക	ഖ	ഗ	ഘ	ങ	ച	ഛ	ജ	ഝ	ഞ	ട
U+0D20	ഠ	ഡ	ഢ	ണ	ത	ഥ	ദ	ധ	ന	ഩ	പ	ഫ	ബ	ഭ	മ	യ
U+0D30	ര	റ	ല	ള	ഴ	വ	ശ	ഷ	സ	ഹ	ഺ	ക഻	ക഼	ഽ	കാ	കി
U+0D40	കീ	കു	കൂ	കൃ	കൄ		കെ	കേ	കൈ		കൊ	കോ	കൌ	ക്	ൎ	൏
U+0D50					ൔ	ൕ	ൖ	കൗ	൘	൙	൚	൛	൜	൝	൞	ൟ
U+0D60	ൠ	ൡ	കൢ	കൣ			൦	൧	൨	൩	൪	൫	൬	൭	൮	൯
U+0D70	൰	൱	൲	൳	൴	൵	൶	൷	൸	൹	ൺ	ൻ	ർ	ൽ	ൾ	ൿ

code ISO 15924 : Mlym

Cingalais

v · d · m en fr	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+0D80		ථඁ	ථං	ථඃ		අ	ආ	ඇ	ඈ	ඉ	ඊ	උ	ඌ	ඍ	ඎ	ඏ
U+0D90	ඐ	එ	ඒ	ඓ	ඔ	ඕ	ඖ				ක	ඛ	ග	ඝ	ඞ	ඟ
U+0DA0	ච	ඡ	ජ	ඣ	ඤ	ඥ	ඦ	ට	ඨ	ඩ	ඪ	ණ	ඬ	ත	ථ	ද
U+0DB0	ධ	න		ඳ	ප	ඵ	බ	භ	ම	ඹ	ය	ර		ල
U+0DC0	ව	ශ	ෂ	ස	හ	ළ	ෆ				ථ්					ථා
U+0DD0	ථැ	ථෑ	ථි	ථී	ථු		ථූ		ථෘ	ථෙ	ථේ	ථෛ	ථො	ථෝ	ථෞ	ථෟ
U+0DE0							෦	෧	෨	෩	෪	෫	෬	෭	෮	෯
U+0DF0			ථෲ	ථෳ	෴

code ISO 15924 : Sinh

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

Affichage

Cas d’Unicode

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

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.

Saisie

Unix

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

(en) Consortium Unicode, South Asian Scripts[PDF], octobre 2009
(en) Richard Ishida, An Introduction to Indic Scripts