说说字符集和编码.docVIP

很久很久以前，有一群人，他8个可以8个字。 再后来，他计算机。 256(2的8次方) 他0开始的32种状态分别规定了特殊的用途，一但终端、打印机遇上约定好的这些字节被传过来时，就要做一些约定的动作。遇上00x10, 终端就换行，遇上0x07, 终端就向人们嘟嘟叫，例好遇上0x1b, 打印机就打印反白的字，或者。他0x20以下的字控制。? 他127号， ANSI 的AsciiAmerican Standard Code for Information Interchange，美国信息互ASCII方案来保存英文文字。 后来，就像建造巴比ASCII里没有的，127号之后的空位来表示255。从128到255扩展字符集。从此之后，? 等中国人6000多个常用127号之后的奇异符号, 规定：一个小于127的字符的意127的字符0xA1用到0xF7，后面一个字0xA1到0xFE，7000多个 ASCII 里本来就有的数字、的全角字符，而原来在127号以下的那些就叫半角字符了。? 中国人民看到 GB2312。GB2312 是 ASCII 的中文 但是中国的 GB2312 没有用到的 后来127号之后的内127就固定表示始，不管后面跟的是不是 GBK 标准，GBK 包括了 GB2312 的所有内容，同20000个新的? 后来少数民族也要用GBK 扩成了 GB18030。从此之后，中 中国的程序 DBCS（Double Byte Charecter Set 双字DBCS系列127的，那? 一个...... 因 DBCS 编码方案，如日本的shift-JIS等），结果互相之间谁也不懂谁的编码，谁也不支持别人的编码，连大陆和台湾这样只相隔了150海里，使用着同一 DBCS 编码方案。当时的中国人想让电脑显示汉字，就必须装上一个汉字系统， BIG5 编码的什么倚天才可以用，装 真是 正在 ISO （国Universal Multiple-Octet Coded Character Set， UCS, 俗称 UNICODE。 UNICODE ISO 就直接16位来ascii里的那些半角字符，UNICODE 包持其原8位16位，而其他文化和半角英文符号只需要用到低8位，所以其高8位永0，因此? 这时候，从旧社会里走过来的程序员开始发现一个奇怪的现象：他们的strlen函数靠不住了，一个 UNICODE 开始，无论是半角的英文字母，还是全角的汉字，它们都是统一的一个字符！同两个字，字符和字两个字是一个8位的物理存元，而字符UNICODE 中，一个字符就是两个字 从前多UNICODE 对于他们来说是一个很好的一揽子解决方案，于是从 Windows NT 开始，MS 趁机把它 UNICODE 方式工作的版本，从WINDOWS 系? 但是，UNICODE 在制 GBK 与UNICODE 在UNICODE编码和另一种编码进行转换，这种转换必须通过查表来进行。 如前所述，UNICODE 是用两个字65535不同的字符，。如果ISO已UCS-4方案，21亿个不同的字符出来（最高位有其他用途），这大概可以用到银河联邦成立那一天吧！? UNICODE 来到UNICODE 如何在网 UTF（UCS Transfer Format）UTF8就是8个位UTF16就是16个位，只不UNICODE到UTF 受到PC机采用的 INTEL 架构，而另一些是采用高位先FEFF，反之，FFFE。不信你可以用二UTF-X格式的文件，看看? 讲到这里，我们再顺便说说一个很著名的奇怪现象：当你在 windows 的联通两个字之后，保存， 其GB2312编码与UTF8编码产生了编码冲撞的原因。 从网上引来一段从UNICODE到UTF8的转换规则： Unicode UTF-8? 0000 - 007F 0xxxxxxx 0080 - 07FF 110xxxxx 10xxxxxx 0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx 例如字的Unicode6C49。6C49在0800-FFFF之间，所以要用3字1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二0110 1100 0100 1001，将0110 110001 001001，依次代替模板中的x，得到：1110-0110 10-110001 10-001001，即E6 B1 89，UTF8的? 而当你新建一个文本文件ANSI, 如果你在ANSI的GB系列的联通的内 c1 1100 0001 aa 1010 1010 cd