1，什么是字符編碼？

    字符(Character)是文字與符號的總稱，包括文字、圖形符號、數(shù)學(xué)符號等。一組抽象字符的集合就是字符集(Charset)。字符集的出現(xiàn)是為了信息進(jìn)行傳播儲存提供方便。目前常用到字符集有：ASCII，ISO 8859-1，Unicode，GB2312

2，各種編碼集有哪些特點(diǎn)？

ASCII：

    ASCII（American Standard Code for Information Interchange，美國信息交換標(biāo)準(zhǔn)代碼）是基于拉丁字母的一套電腦編碼系統(tǒng)。

    包含內(nèi)容：控制字符（回車，退格，換行鍵），可顯示式字符（英文大小寫，阿拉伯?dāng)?shù)字和西文符號）。

    技術(shù)特征：7位（bits）表示一個字符，共128字符

    不足之處：只能表示英語，想西歐，東亞和拉美地區(qū)的語言符號無法表示。

ISO 8859-1:

    ISO 8859-1，正式編號為ISO/IEC 8859-1:1998，又稱Latin-1或“西歐語言”，是國際標(biāo)準(zhǔn)化組織內(nèi)ISO/IEC 8859的第一個8位字符集。

    它以ASCII為基礎(chǔ)，在空置的0xA0-0xFF的范圍內(nèi)，加入96個字母及符號，藉以供使用附加符號的拉丁字母語言使用。曾推出過 ISO 8859-1:1987 版。

    包含內(nèi)容：ASCII編碼包含的，部分西歐使用的語言。

    技術(shù)特征：8位表示一個字符。

Unicode：

    Unicode字符集編碼是Universal Multiple-Octet Coded Character Set 通用多八位編碼字符集的簡稱，是由一個名為 Unicode 學(xué)術(shù)學(xué)會(Unicode Consortium)的機(jī)構(gòu)制訂的字符編碼系統(tǒng)，支持現(xiàn)今世界各種不同語言的書面文本的交換、處理及顯示。該編碼于1990年開始研發(fā)，1994年正式公布，最新版本是2005年3月31日的Unicode 4.1.0。

    技術(shù)特征：16位編碼，每個字符占用2個字節(jié)。一個字符的Unicode編碼是確定的。但是在實(shí)際傳輸過程中，由于不同系統(tǒng)平臺的設(shè)計不一定一致，以及出于節(jié)省空間的目的，對Unicode編碼的實(shí)現(xiàn)方式有所不同。Unicode的實(shí)現(xiàn)方式稱為Unicode轉(zhuǎn)換格式（Unicode Transformation Format，簡稱為UTF）。如果一個7位的ASCII字符的Unicode文件，在傳輸過程中如果使用2個字節(jié)的原Unicode編碼傳輸會造成比較大的浪費(fèi)。對于這種情況，可以使用UTF-8編碼，這是一種變長編碼，它將基本7位ASCII字符仍用7位編碼表示，占用一個字節(jié)（首位補(bǔ)0）。而遇到與其他Unicode字符混合的情況，將按一定算法轉(zhuǎn)換，每個字符使用1-3個字節(jié)編碼，并利用首位為0或1進(jìn)行識別。

GB2312：

    GB 2312 或 GB 2312-80 是中國國家標(biāo)準(zhǔn)簡體中文字符集，全稱《信息交換用漢字編碼字符集·基本集》，又稱GB0，由中國國家標(biāo)準(zhǔn)總局發(fā)布，1981年5月1日實(shí)施。GB2312編碼通行于中國大陸；新加坡等地也采用此編碼。中國大陸幾乎所有的中文系統(tǒng)和國際化的軟件都支持GB 2312。

    包含內(nèi)容：6763個漢字，其中一級漢字3755個，二級漢字3008個；同時收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西里爾字母在內(nèi)的682個字符。

    技術(shù)特征：每個漢字及符號以兩個字節(jié)來表示。第一個字節(jié)稱為“高位字節(jié)”，第二個字節(jié)稱為“低位字節(jié)”?！案呶蛔止?jié)”使用了0xA1-0xF7，“低位字節(jié)”使用了0xA1-0xFE0xA0）。 由于一級漢字從16區(qū)起始，漢字區(qū)的“高位字節(jié)”的范圍是0xB0-0xF7，“低位字節(jié)”的范圍是0xA1-0xFE，占用的碼位是72*94=6768。其中有5個空位是D7FA-D7FE。

最新評論