SMS-Kodierung

Es gibt drei verschiedene Möglichkeiten, Texte und Daten in einer GSM-Kurznachricht mit einer maximalen Nutzdatenmenge von 1.120 Bit zu kodieren:

7 Bit, 160 Zeichen

Für SMS-Textnachrichten bei denen ein begrenzter Zeichenvorrat zur Darstellung ausreichend ist. Der Text kann pro Nachricht bis zu 160 Zeichen enthalten (7 Bit/Zeichen × 160 Zeichen = 1.120 Bit). Jeweils 7 Bit werden als ein Zeichen interpretiert, was den Vorrat an darstellbaren Zeichen grundsätzlich auf 128 beschränkt. Diese 128 Zeichen sind im 7-Bit-Basiszeichensatz festgelegt^[1]. Es existieren mehrere Mechanismen mit denen der Vorrat an darstellbaren Zeichen erweitert werden kann^[2]:

• Escape: Durch das Escape-Zeichen (ESC, 0x1B) wird für die Anzeige des direkt folgenden Zeichens einmalig die Standardzeichensatzerweiterung herangezogen.
• Escape mit Single Shift: Durch ein Element im User Data Header der Nachricht kann anstatt der Standardzeichensatzerweiterung eine alternative Zeichensatzerweiterung ausgewählt werden.
• Locking Shift: Durch ein weiteres Element im User Data Header der Nachricht kann anstatt des Basiszeichensatzes ein alternativer Zeichensatz ausgewählt werden.

8 Bit, 140 Zeichen

Für Datennachrichten (binäre Inhalte), wie etwa Logos, Bildmitteilungen, Klingeltöne. Eine 8-Bit-Nachricht kann bis zu 140 Zeichen enthalten (8 Bit/Zeichen × 140 Zeichen = 1.120 Bit).

16 Bit, 70 Zeichen

Unicode UCS2, d. h. auf BMP (Basic Multilingual Plane) beschränktes UTF-16. Unicode-Nachrichten werden für alle anderen Schriftsysteme benötigt, z. B. Arabisch, Hebräisch, Kyrillisch und Lateinisch mit anderen Sonderzeichen. Eine Unicode-Nachricht ist begrenzt auf 70 Zeichen (16 Bit/Zeichen × 70 Zeichen = 1.120 Bit).

7 Bit

Die Zeichensatzerweiterungstabellen für 7-Bit-Nachrichten sind üblicherweise so gestaltet, dass auf Endgeräten, die nicht über diese Tabellen verfügen und daher das Zeichen der Basistabelle darstellen, möglichst ähnlich aussehende Ergebnisse erzeugt werden, z. B. „e“ statt „€“.

Es existieren Single-Shift-Zeichensatzerweiterungstabellen für Türkisch, Spanisch, Portugiesisch, Bengali, Gujarati, Hindi, Kannada, Malayalam, Oriya, Punjabi, Tamil, Telugu sowie Urdu.

Es existieren Locking-Shift-Zeichensatztabellen für Türkisch, Portugiesisch, Bengali, Gujarati, Hindi, Kannada, Malayalam, Oriya, Punjabi, Tamil, Telugu sowie Urdu.

Die Mechanismen Single Shift und Locking Shift können miteinander kombiniert werden.

Beispiele:

• 16 Bit: 0x0637 ergibt das arabische Zeichen Tah: „ط“
• 7 Bit: 0x65 ergibt ein „e“
• 7 Bit mit Escape: 0x1B gefolgt von 0x65 ergibt ein Eurozeichen „€“
• 7 Bit mit Single Shift: bei Einstellung 'Türkisch' ergibt 0x1B gefolgt von 0x53 ein S mit Cedille „Ş“
• 7 Bit mit Locking Shift: bei Einstellung 'Türkisch' ergibt 0x1C ein S mit Cedille „Ş“

Zeichensatztabellen

Basiszeichensatz   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 @ Δ ⁴ 0 ¡ P ¿ p 0x01 £ _  ! 1 A Q a q 0x02 $ Φ " 2 B R b r 0x03 ¥ Γ # 3 C S c s 0x04 è Λ ¤ 4 D T d t 0x05 é Ω  % 5 E U e u 0x06 ù Π & 6 F V f v 0x07 ì Ψ ' 7 G W g w 0x08 ò Σ ( 8 H X h x 0x09 Ç Θ ) 9 I Y i y 0x0A ¹ Ξ *  : J Z j z 0x0B Ø ³ +  ; K Ä k ä 0x0C ø Æ , < L Ö l ö 0x0D ² æ - = M Ñ m ñ 0x0E Å ß . > N Ü n ü 0x0F å É /  ? O § o à ¹ ist ein Zeilenvorschub (LF, Linefeed) ² ist ein Wagenrücklauf (CR, Carriage Return) ³ ist ein ESC ⁴ ist ein Leerzeichen	Standardzeichensatzerweiterung   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00         |       0x01                 0x02                 0x03                 0x04   ^             0x05             €   0x06                 0x07                 0x08     {           0x09     }           0x0A ¹               0x0B   ²             0x0C       [         0x0D       ~         0x0E       ]         0x0F     \           ¹ ist ein Seitenumbruch (Page Break) ² ist ein ESC
Locking Shift Zeichentabelle Türkisch   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 @ Δ ⁴ 0 İ P ç p 0x01 £ _  ! 1 A Q a q 0x02 $ Φ " 2 B R b r 0x03 ¥ Γ # 3 C S c s 0x04 € Λ ¤ 4 D T d t 0x05 é Ω  % 5 E U e u 0x06 ù Π & 6 F V f v 0x07 ı Ψ ' 7 G W g w 0x08 ò Σ ( 8 H X h x 0x09 Ç Θ ) 9 I Y i y 0x0A ¹ Ξ *  : J Z j z 0x0B Ğ ³ +  ; K Ä k ä 0x0C ğ Ş , < L Ö l ö 0x0D ² ş - = M Ñ m ñ 0x0E Å ß . > N Ü n ü 0x0F å É /  ? O § o à ¹ ist ein Zeilenvorschub (LF, Linefeed) ² ist ein Wagenrücklauf (CR, Carriage Return) ³ ist ein ESC ⁴ ist ein Leerzeichen	Single Shift Zeichentabelle Türkisch   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00         |       0x01                 0x02                 0x03           Ş ç ş 0x04   ^             0x05             €   0x06                 0x07         Ğ   ğ   0x08     {           0x09     }   İ   ı   0x0A ¹               0x0B   ²             0x0C       [         0x0D ³     ~         0x0E       ]         0x0F     \           ¹ ist ein Seitenumbruch (Page Break) ² ist ein ESC ³ ist ein Steuerzeichen. An dieser Stelle soll kein sprachspezifisches Zeichen kodiert werden.
Locking Shift Zeichentabelle Portugiesisch   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 @ * ⁴ 0 Í P ~ p 0x01 £ _  ! 1 A Q a q 0x02 $ ª " 2 B R b r 0x03 ¥ Ç # 3 C S c s 0x04 ê À º 4 D T d t 0x05 é ∞  % 5 E U e u 0x06 ú ^ & 6 F V f v 0x07 í \ ' 7 G W g w 0x08 ó € ( 8 H X h x 0x09 ç Ó ) 9 I Y i y 0x0A ¹ | *  : J Z j z 0x0B Ô ³ +  ; K Ã k ã 0x0C ô Â , < L Õ l õ 0x0D ² â - = M Ú m ` 0x0E Á Ê . > N Ü n ü 0x0F á É /  ? O § o à ¹ ist ein Zeilenvorschub (LF, Linefeed) ² ist ein Wagenrücklauf (CR, Carriage Return) ³ ist ein ESC ⁴ ist ein Leerzeichen	Single Shift Zeichentabelle Portugiesisch   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00         |       0x01         À   Â   0x02   Φ             0x03   Γ             0x04   ^             0x05 ê Ω       Ú € ú 0x06   Π             0x07   Ψ             0x08   Σ {           0x09 ç Θ }   Í   í   0x0A ¹               0x0B Ô ²       Ã   ã 0x0C ô     [   Õ   õ 0x0D ³     ~         0x0E Á     ]         0x0F á Ê \   Ó   ó â ¹ ist ein Seitenumbruch (Page Break) ² ist ein ESC ³ ist ein Steuerzeichen. An dieser Stelle soll kein sprachspezifisches Zeichen kodiert werden.
Locking Shift Zeichentabelle Hindi   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 ँ ऐ ⁴ 0 ब ा ॐ p 0x01 ं ऑ  ! 1 भ ि a q 0x02 ः ऒ ट 2 म ी b r 0x03 अ ओ ठ 3 य ु c s 0x04 आ औ ड 4 र ू d t 0x05 इ क ढ 5 ऱ ृ e u 0x06 ई ख ण 6 ल ॄ f v 0x07 उ ग त 7 ळ ॅ g w 0x08 ऊ घ ) 8 ऴ ॆ h x 0x09 ऋ ङ ( 9 व े i y 0x0A ¹ च थ  : श ै j z 0x0B ऌ ³ द  ; ष ॉ k ॲ 0x0C ऍ छ , ऩ स ॊ l ॻ 0x0D ² ज ध प ह ो m ॼ 0x0E ऎ झ . फ ़ ौ n ॾ 0x0F ए ञ न  ? ऽ ् o ॿ ¹ ist ein Zeilenvorschub (LF, Linefeed) ² ist ein Wagenrücklauf (CR, Carriage Return) ³ ist ein ESC ⁴ ist ein Leerzeichen	Single Shift Zeichentabelle Hindi   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 @ < ४ ज़ | P 0x01 £ = ५ ड़ A Q 0x02 $ > ६ ढ़ B R 0x03 ¥ ¡ ७ फ़ C S 0x04 ¿ ^ ८ य़ D T 0x05 " ¡ ९ ॠ E U € 0x06 ¤ _ ॑ ॡ F V 0x07  % # ॒ ॢ G W 0x08 & * { ॣ H X 0x09 ' । } ॰ I Y 0x0A ¹ ॥ ॓ ॱ J Z 0x0B * ³ ॔ K 0x0C + ० क़ [ L 0x0D ² १ ख़ ~ M 0x0E - २ ग़ ] N 0x0F / ३ \ O ¹ ist ein Seitenumbruch (Page Break) ² ist ein ESC ³ ist ein Steuerzeichen. An dieser Stelle soll kein sprachspezifisches Zeichen kodiert werden.
Locking Shift Zeichentabelle Bengali   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 ঁ ঐ ⁴ 0 ব া ৎ p 0x01 ং    ! 1 ভ ি a q 0x02 ঃ   ট 2 ম ী b r 0x03 অ ও ঠ 3 য ু c s 0x04 আ ঔ ড 4 র ূ d t 0x05 ই ক ঢ 5   ৃ e u 0x06 ঈ খ ণ 6 ল ৄ f v 0x07 উ গ ত 7     g w 0x08 ঊ ঘ ) 8     h x 0x09 ঋ ঙ ( 9   ে i y 0x0A ¹ চ থ  : শ ৈ j z 0x0B ঌ ³ দ  ; ষ   k ৗ 0x0C   ছ ,   স   l ড় 0x0D ² জ ধ প হ ো m ঢ় 0x0E   ঝ . ফ ় ৌ n ৰ 0x0F এ ঞ ন  ? ঽ ্ o ৱ ¹ ist ein Zeilenvorschub (LF, Linefeed) ² ist ein Wagenrücklauf (CR, Carriage Return) ³ ist ein ESC ⁴ ist ein Leerzeichen	Single Shift Zeichentabelle Bengali   0x00 0x10 0x20 0x30 0x40 0x50 0x60 0x70 0x00 @ < ৬ ৶ P 0x01 £ = ৭ ৷ A Q 0x02 $ > ৮ ৸ B R 0x03 ¥ ¡ ৯ ৹ C S 0x04 ¿ ^ য় ৺ D T 0x05 " ¡ ৠ E U € 0x06 ¤ _ ৡ F V 0x07  % # ৢ G W 0x08 & * { H X 0x09 ' ০ } I Y 0x0A ¹ ১ ৣ J Z 0x0B * ² ৲ K 0x0C + ২ ৳ [ L 0x0D ³ ৩ ৴ ~ M 0x0E - ৪ ৵ ] N 0x0F / ৫ \ O ¹ ist ein Seitenumbruch (Page Break) ² ist ein ESC ³ ist ein Steuerzeichen. An dieser Stelle soll kein sprachspezifisches Zeichen kodiert werden.

Quellen

1. ↑ Mapping of GSM 03.38 characters to Unicode (Englisch) (TXT; 9 KB) (10. November 2009). Abgerufen am 18. November 2009.
2. ↑ 3GPP TS 23.038: Alphabets and language-specific information; Release 9.0.0 (Englisch) (ZIP/DOC; 174 KB) (28. September 2009). Abgerufen am 16. November 2009.