常用字符集編碼

1、常用字符集編碼詳解：ASCII 、GB2312、GBK、GB18030、unicode、UTF-8ASCII ASCII碼是7位編碼，編碼范圍是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯?dāng)?shù)字和標(biāo)點(diǎn)符號等字符。其中0x00-0x20和0x7F共33個(gè)控制字符。 只支持ASCII碼的系統(tǒng)會(huì)忽略每個(gè)字節(jié)的最高位，只認(rèn)為低7位是有效位。HZ字符編碼就是早期為了在只支持7位ASCII系統(tǒng)中傳輸中文而設(shè)計(jì)的編碼。早期很多郵件系統(tǒng)也只支持ASCII編碼，為了傳輸中文郵件必須使用BASE64或者其他編碼方式。GB2312GB2312 是基于區(qū)位碼設(shè)計(jì)的，區(qū)位碼把編碼表分為94個(gè)區(qū)，每個(gè)區(qū)對應(yīng)94

2、個(gè)位，每個(gè)字符的區(qū)號和位號組合起來就是該漢字的區(qū)位碼。區(qū)位碼一般 用10進(jìn)制數(shù)來表示，如1601就表示16區(qū)1位，對應(yīng)的字符是“啊”。在區(qū)位碼的區(qū)號和位號上分別加上0xA0就得到了GB2312編碼。區(qū) 位碼中01-09區(qū)是符號、數(shù)字區(qū)，16-87區(qū)是漢字區(qū)，10-15和88-94是未定義的空白區(qū)。它將收錄的漢字分成兩級：第一級是常用漢字計(jì) 3755個(gè)，置于16-55區(qū)，按漢語拼音字母/筆形順序排列；第二級漢字是次常用漢字計(jì)3008個(gè)，置于56-87區(qū)，按部首/筆畫順序排列。一級漢字 是按照拼音排序的，這個(gè)就可以得到某個(gè)拼音在一級漢字區(qū)位中的范圍，很多根據(jù)漢字可以得到拼音的程序就是根據(jù)這個(gè)原理編

3、寫的。GB2312字符集中除常用簡體漢字字符外還包括希臘字母、日文平假名及片假名字母、俄語西里爾字母等字符，未收錄繁體中文漢字和一些生僻字。可以用繁體漢字測試某些系統(tǒng)是不是只支持GB2312編碼。GB2312的編碼范圍是0xA1A1-0x7E7E，去掉未定義的區(qū)域之后可以理解為實(shí)際編碼范圍是0xA1A1-0xF7FE。EUC-CN可以理解為GB2312的別名，和GB2312完全相同。區(qū)位碼更應(yīng)該認(rèn)為是字符集的定義，定義了所收錄的字符和字符位置，而GB2312及EUC-CN是實(shí)際計(jì)算機(jī)環(huán)境中支持這種字符集的編碼。HZ和ISO-2022-CN是對應(yīng)區(qū)位碼字符集的另外兩種編碼，都是用7位編碼空間來支

4、持漢字。區(qū)位碼和GB2312編碼的關(guān)系有點(diǎn)像 Unicode和UTF-8。GBKGBK 編碼是GB2312編碼的超集，向下完全兼容GB2312，同時(shí)GBK收錄了Unicode基本多文種平面中的所有CJK漢字。同 GB2312一樣，GBK也支持希臘字母、日文假名字母、俄語字母等字符，但不支持韓語中的表音字符（非漢字字符）。GBK還收錄了GB2312不包含的 漢字部首符號、豎排標(biāo)點(diǎn)符號等字符。GBK的整體編碼范圍是為0x8140-0xFEFE，不包括低字節(jié)是07F的組合。高字節(jié)范圍是081-0xFE，低字節(jié)范圍是0x40-7E和0x80-0xFE。低字節(jié)是0x40-0x7E的GBK字符有一定特殊性

5、，因?yàn)檫@些字符占用了ASCII碼的位置，這樣會(huì)給一些系統(tǒng)帶來麻煩。有 些系統(tǒng)中用0x40-0x7E中的字符（如“|”）做特殊符號，在定位這些符號時(shí)又沒有判斷這些符號是不是屬于某個(gè) GBK字符的低字節(jié)，這樣就會(huì)造成錯(cuò)誤判斷。在支持GB2312的環(huán)境下就不存在這個(gè)問題。需要注意的是支持GBK的環(huán)境中小于0x80的某個(gè)字節(jié)未必就 是ASCII符號；另外就是最好選用小于040的ASCII符號做一些特殊符號，這樣就可以快速定位，且不用擔(dān)心是某個(gè)漢字的另一半。Big5編碼中也 存在相應(yīng)問題。CP936和GBK的有些許差別，絕大多數(shù)情況下可以把CP936當(dāng)作GBK的別名。GB18030GB18030編碼向下

6、兼容GBK和GB2312，兼容的含義是不僅字符兼容，而且相同字符的編碼也相同。GB18030收錄了所有Unicode3.1中的字符，包括中國少數(shù)民族字符，GBK不支持的韓文字符等等，也可以說是世界大多民族的文字符號都被收錄在內(nèi)。GBK和GB2312都是雙字節(jié)等寬編碼，如果算上和ASCII兼容所支持的單字節(jié)，也可以理解為是單字節(jié)和雙字節(jié)混合的變長編碼。GB18030編碼是變長編碼，有單字節(jié)、雙字節(jié)和四字節(jié)三種方式。GB18030 的單字節(jié)編碼范圍是0x00-0x7F，完全等同與ASCII；雙字節(jié)編碼的范圍和GBK相同，高字節(jié)是0x81-0xFE，低字節(jié)的編碼范圍是 0x40-0x7E和0x80-

7、FE；四字節(jié)編碼中第一、三字節(jié)的編碼范圍是0x81-0xFE，二、四字節(jié)是0x30-0x39。Windows 中CP936代碼頁使用0x80來表示歐元符號，而在GB18030編碼中沒有使用0x80編碼位，用其他位置來表示歐元符號。這可以理解為是 GB18030向下兼容性上的一點(diǎn)小問題；也可以理解為0x80是CP936對GBK的擴(kuò)展，而GB18030只是和GBK兼容良好。unicode 每一種語言的不同的編碼頁，增加了那些需要支持不同語言的軟件的復(fù)雜度。因而人們制定了一個(gè)世界標(biāo)準(zhǔn)，叫做unicode。unicode為每個(gè)字符提供 了唯一的特定數(shù)值，不論在什么平臺上、不論在什么軟件中，也不論什么語

8、言。也就是說，它世界上使用的所有字符都列出來，并給每一個(gè)字符一個(gè)唯一特定數(shù)值。 Unicode的最初目標(biāo)，是用1個(gè)16位的編碼來為超過65000字符提供映射。但這還不夠，它不能覆蓋全部歷史上的文字，也不能解決傳輸?shù)膯栴} (implantation head-aches)，尤其在那些基于網(wǎng)絡(luò)的應(yīng)用中。已有的軟件必須做大量的工作來程序16位的數(shù)據(jù)。因 此，Unicode用一些基本的保留字符制定了三套編碼方式。它們分別是UTF-8,UTF-16和UTF-32。正如名字所示，在UTF8中，字符是 以8位序列來編碼的，用一個(gè)或幾個(gè)字節(jié)來表示一個(gè)字符。這種方式的最大好處，是UTF8保留了ASCII字符的編

9、碼做為它的一部分，例如，在UTF8 和ASCII中，“A”的編碼都是0x41.UTF16和UTF32分別是Unicode的16位和32位編碼方式。考慮到最初的目的，通常說的Unicode就是指UTF-16。在討論Unicode時(shí)，搞清楚哪種編碼方式非常重要。UTF-8 Unicode Transformation Format-8bit，允許含BOM，但通常不含BOM。是用以解決國際上字符的一種多字節(jié)編碼，它對英文使用8位（即一個(gè)字節(jié)），中文使用24為（三 個(gè)字節(jié)）來編碼。UTF-8包含全世界所有國家需要用到的字符，是國際編碼，通用性強(qiáng)。UTF-8編碼的文字可以在各國支持UTF8字符集的瀏覽器上顯 示。如，如果是UTF8編碼，則在外國人的英文IE上也能顯示中文，他們無需下載IE的中文語言支持包。GBK的文字編碼是用雙字節(jié)來表示的，即不論中、英文字符均使用雙字節(jié)來表示，為了區(qū)分中文，將其最高位都設(shè)定成1。GBK包含全部中文字符，是國家編碼，通用性比UTF8差，不過UTF8占