Computer language coding.pptVIP

Computer Language Coding 1、区位码 区位码是常用汉字和符号按照符号、特常用汉字、次常用汉字的顺序先区后位对汉字进行数字编码。在GB2312 标准中，共编排有94个区，每区94位汉字(符号)。例如，“亮”按照GB2312处于第33区的第33个字，它的区位码就是3333,使用区位输入法，用3333就可以输入“亮”。 2、内码 内码是用于计算机处理的字符编码方式。在CCDOS中，汉字的内码是第一字节“区码”加160(0xA0)，第二字节“位码”加160(0xA0),例如“亮”字的内码，第一字节和第二字节都是33+160(0xC1)，因为它的区码和位码都是33，通常说的GB码或者GB2312码都是指这种编码规则下的内码，与港台地区经常使用的BIG5码相区别。 3、外码 外码是输入汉字时使用的编码，跟特定输入法对应。例如使用拼音输入法，那么亮字的外码则是liang，使用区位输入法，亮字的外码也是3333（跟区位码值相等，但概念不同）。 4、ASCII码 ASCII是美国信息交换标准码。鉴于信息交换的重要性，为统一文字符号的编码标准，让不同厂牌机型的计算机都能使用同一套标准化的信息交换码，美国国家标准局制定了ASCII码 (America Standard Code for Information Interchange，美国信息交换标准码)，作为数据传输的标准码。早期使用7 个位来表示英文字母、数字0~9及其它符号，现在则使用8个位，共可表示256个不同的文字与符号，为目前各计算机系统中使用最普遍也最广泛的英文标准码，相对于ASCII码，中文系统使用最广泛的内码则为GB2312和Big-5码。 5、GB2312-80 GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE. 6、GBK1.0 GBK1.0（1995年）是汉字扩展规范，共收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符。 7、GB18030 GB18030（2000年）是取代GBK1.0的正式国家标准。该标准收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。 8、DBCS 中文、日文、韩文等语言使用两个字节表示一个字符,其字符集称为双字节字符集（double-byte character set），字符流在解析时将两个字节作为一个双字节编码。GB2312、GBK到GB18030都属于双字节字符集 (DBCS)。 9、Unicode Unicode 也是一种字符编码方法，不过它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。Unicode的学名是Universal Multiple-Octet Coded Character Set，简称为UCS。UCS可以看作是Unicode Character Set的缩写。目前存在两个国际组织：国际标准化组织（ISO）和一个软件制造商的协会（），按照单一编码表协同工作，现在的版本有ISO10646-3和Unicode 4.1.0。UCS有两种格式：UCS-2和UCS-4。顾名思义，UCS-2就是用两个字节编码，UCS-4就是用4个字节（实际上只用了31位，最高位必须为0）编码。Unicode只与ASCII兼容，与GB2312、GBK、GB18030不兼容，是另一种方式的汉字编码。 10、UTF UCS规定了怎么用多个字节表示各种文字。怎样传输这些编码，是由UTF(UCS Transformation Format)规范规定的，常见的UTF规范包括UTF-8、UTF-7、UTF-16。UTF-8就是以8位为单元(单字节）对UCS进行编码，UTF-16是以16位为单元对UCS进行编码,在传输过程中要考虑字节顺序。 11、BOM Unicode规范中推荐的标记字节顺序的方法是BOM（Byte Order Mark）。在传输字节流前，先传输字符“ZERO WIDTH NO-BREAK SPACE”。如果接收者收到FEFF，就表明这个字节流是高字节在前；如果收到FFFE，就表明这个字节流是低字节在前。因此字符“ZERO WIDTH NO-BREAK SPACE”又被称作BOM。 UTF-8使用单字节，不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符ZERO WIDTH NO-BREAK SPACE的UTF-8编码是EF BB BF，如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。 在计算机信息交换用汉字编码中如果使用的是GB-2312（国标）编码集则每个汉字占用两个字节；如果使用的是