ECI (расширенная интерпретация каналов)

Что такое ECI

ECI (Extended Channel Interpretation, расширенная интерпретация каналов) — служебный механизм символик штрихового кодирования, который позволяет внутри самого кода объявить, в какой кодировке записаны идущие следом данные. Это не содержимое, а метка о том, как содержимое читать.

Ближайшая аналогия — HTTP-заголовок Content-Type: text/html; charset=utf-8. Байты на проводе одни и те же, но без объявления браузер трактует их наугад, и результат зависит от настроек. ECI играет ровно ту же роль для полезной нагрузки QR: превращает догадку декодера в инструкцию.

Механизм общий для целого семейства двумерных символик — QR, Data Matrix, Aztec, PDF417. Номера кодировок ведутся в едином реестре ассоциации AIM, поэтому ECI 26 означает UTF-8 и в QR-коде, и в Data Matrix. Правила записи ECI внутри QR-символа описывает ISO/IEC 18004.

Как ECI записан в битовом потоке

ECI — это отдельный сегмент со своим четырёхбитным индикатором режима, таким же по природе, как индикаторы numeric, alphanumeric и byte. Значение индикатора ECI — 0111. Сразу за ним идёт номер кодировки, и длина этого номера плавающая:

• номер 0–127 — один байт, старший бит 0;
• номер 128–16383 — два байта, начинаются с 10;
• номер 16384 и выше — три байта, начинаются с 110.

На практике почти всегда работает первый вариант: UTF-8 имеет номер 26, он умещается в один байт. Итого объявление кодировки стоит 4 бита индикатора плюс 8 бит номера — двенадцать бит, полтора байта. После ECI-сегмента идёт обычный сегмент данных, чаще всего байтовый, и объявленная кодировка действует до конца символа или до следующего ECI.

Номера, которые встречаются в жизни

Строка про Windows-1251 требует пояснения: номер в реестре зарезервирован, но пользы от него нет — камеры смартфонов однобайтовую кириллицу не ждут. Рабочая связка для русского текста одна: ECI 26 плюс UTF-8.

Что происходит, когда ECI забыли

Если сегмента ECI в коде нет, декодер обязан считать байтовые данные записанными в Latin-1. Кириллицы в Latin-1 не существует. Двухбайтовые последовательности UTF-8 распадаются на пары латинских букв с диакритикой — так и рождается классическое «Ð Ð¾ÑÑиѻ вместо «Россия».

Почему при этом половина кодов всё-таки читается правильно? Потому что многие декодеры давно не следуют букве стандарта и включают эвристику: если байты складываются в валидную UTF-8-последовательность, значит это UTF-8. Эвристика хорошая, но не обязательная. Один сканер угадает, другой — нет, третий угадает на коротком тексте и промахнётся на длинном. Отсюда практическое правило: код проверен не тогда, когда он открылся на вашем телефоне, а тогда, когда в нём есть явное объявление кодировки.

Где ECI не поможет

Micro QR — усечённая символика, в ней ECI-сегмента нет вовсе. Всё, что выходит за пределы Latin-1, туда придётся заносить транслитерацией либо переходить на полноразмерный QR.

Второе ограничение — старое промышленное оборудование. Сканер, который попал на склад полтора десятка лет назад и с тех пор не видел обновлений прошивки, может отбросить неизвестный сегмент и прочитать байты как Latin-1. Итог тот же, что и без ECI. Если аудитория кода — терминалы сбора данных, а не смартфоны, безопаснее не класть кириллицу внутрь символа вовсе: закодируйте короткий URL, а русский текст отдайте страницей. Проверяется это только опытом — соберите тестовый код в генераторе QR-кодов и прогоните по всему парку сканеров.

Частые вопросы