计算机常见编码.doc

计算机常见编码 一． 有关编码的基础知识 1. 位 bit 最小的单元 字节 byte 机器语言的单位 1byte 8bits 1KB 1024byte 1MB 1024KB 1GB 1024MB 2. 二进制 binary 八进制 octal 十进制 decimal 十六进制 hex 3. 字符：是各种文字和符号的总称，包括各个国家的文字，标点符号，图形符 号，数字等。 字符集：字符集是多个符号的集合，每个字符集包含的字符个数不同。 字符编码：字符集只是规定了有哪些字符，而最终决定采用哪些字符，每一 个字符用多少字节表示等问题，则是由编码来决定的。计算机要 准确的处理各种字符集文字，需要进行字符编码，以便计算机能 够识别和存储各种文字。 二． 常见字符集的编码介绍： 常见的字符集有：ASCII 字符集，GB2312 字符集，BIG5 字符集，GB18030 字符集， Unicode 字符集，下面一一介绍： 1. ASCII 字符集： ? 定义： 美国信息互换标准代码，是基于罗马字母表的一套电脑编码系统，主要显示 英语和一些西欧语言，是现今最通用的单字节编码系统。 ? 包含内容： 控制字符（回车键，退格，换行键等） 可显示字符（英文大小写，阿拉伯数字，西文符号） 扩展字符集（表格符号，计算符号，希腊字母，拉丁符号） ? 编码方式： 第 0-31 号及 127 号是控制字符或通讯专用字符； 第 32-126 号是字符，其中 48-57 号为 0-9 十个阿拉伯数字，65-90 号为 26 个 大写英文字母，97-122 号为 26 个英文小写字母，其余为一些标点符号，运 算符号等。 在计算机存储单元中，一个 ASCII 码值占一个字节（8 个二进制位），最高位 是用作奇偶检验位。【奇偶校验是指：在代码传送的过程中，用来检验是否 出错的一种方法。】奇偶校验分为奇校验和偶校验。奇校验规定：正确的代 码一个字节中 1 的个数必须是奇数，若非奇数，则在最高位添 1；偶校验规 定：正确的代码一个字节中 1 的个数必须是奇数，若非奇数，则在最高位添 1。 2. GB2312 字符集： ? 定义： 信息交换用汉字编码字符集。是 中国 标准的简体中文字符集，它所收录的汉 字已经覆盖 99.75%的使用频率，在中国大陆和新加坡广泛使用。 ? 包含内容： GB2312 收录了简化汉字及一般字符，序号，数字，拉丁字母，日文假名， 希腊字母，俄文字母，汉语拼音符号，汉语注音字母，共 7445 个图形字符。 其中包括 6763 个汉字，一级汉字 3755 个，二级汉字 3008 个。 ? 编码方式： GB2312 对所收汉字进行了“分区”处理，每区含有 94 个汉字或者符号，这 种表示方法也叫做“区位码”。 它是用双字节表示的，前面的字节为第一字节，又称“高字节”，后面的为 第二字节，“低字节”。 高位字节，把 01-87 区的区号加上 0xA0（相当于数字 160）；低位字节把 01-94 区的区号加上 0xA0（相当于数字 160）。 举个简单的小例子：第一个汉字— —“啊”，它的区号为 16，位号 01，则区位码是 1601。则高字节位： 16+0xA0 0xB0；低字节位：01+0xA0 0xA1，所以“啊”的汉字处理编码为 0xB0A1。 3. GBK 字符集： ? 定义： GBK 是 GB2312 字符集的扩展（K） 中国的中文编码表升级，融合了更多的 中文文字符号。 ，它收录了 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。GBK 字符集主要扩展了繁体中文字的支持。 4. BIG5 字符集： ? 定义： 又称大五码，由台湾五家软件公司创立。因为当时台湾没有一个标准的字符 集，而且 GB2312 又没有收录繁体字，所以才推出了 BIG5。 ? 包含内容： BIG5 字符集共收录了 13053 个中文字，该字符集在台湾使用。但是没有考虑 到社会上流通的人名，地方用字，方言用字，化学及生物科等用字，没有包 含日文平假名及片假字母。 ? 编码方式： BIG5 也采用双字节存储方法，一两个字节编码一个字。高位字节的编码范围 是 0xA1-0xF9,低位字节的编码范围是0xA1-0xFE。 5. GB18030 字符集： ? 定义： GB18030 字符集标准解决汉字，日文假名，朝鲜语和中国少数民族文字组成 的大字符集计算机编码问题。 ? 包含内容： 该标准的字符总编码空间超过 150 万个编码位，收录了 27484 个汉字，覆盖 中文，日文，朝鲜语和中国少数民族文字。满足中国大陆，香港，台湾，日 本和韩国等东南亚地区信息交换多文种，大字量，多用途，统一编码格式的