Écritures indiennes et informatique

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.

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 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.

code ISO 15924 : Deva

code ISO 15924 : Beng

code ISO 15924 : Guru

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

code ISO 15924 : Gujr

code ISO 15924 : Orya

code ISO 15924 : Taml

code ISO 15924 : Telu

code ISO 15924 : Knda

code ISO 15924 : Mlym

code ISO 15924 : Sinh

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.

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.

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.