字符、编码、Unicode杂谈汇总.pptx

字符、编码、Unicode 字符的编码历史 摩尔斯电码 计算机二进制表达的字符集 ASCII EBCDIC … 计算机之前的时代 摩尔斯电码将字母表和简单的标点符号进行了编码化 盲文是另外一种类型的编码 远在DOS时代 计算机主要应用于英文和拉丁语系 ASCII美国信息交换标准编码 编码范围 0~127（单字节编码） 不满足其他国家地区特殊字符 IBM的解决方案 使用ASCII码表没有使用的128~255的编码空间 在计算机的BIOS中间提供不同国家语言的不同编码CodePage 也叫做OEM Code Page. IBM的解决方案 解决了不同国家对于DOS下显示字符的问题 问题：不能交换数据。显示希腊语言的机器如果需要显示日文，就必须要考虑更换Rom芯片 目前存在的各种代码页 OEM (IBM PC) 代码页 437 — 最初的 IBM PC 代码页，实现了扩展ASCII字符集 737 — 希腊语 850 — “多语言 (Latin-1)” (西欧语言) 852 — “斯拉夫 (Latin-2)” (中欧及东欧语言) 855 — 西里尔(Cyril)字母 857 — 土耳其语 858 — 带欧元符号的“多语言” 860 — 葡萄牙语 861 — 冰岛语 863 — 法语 加拿大英语 865 — 北欧 866 — 西里尔(Cyril)字母 869 — 希腊语 目前存在的各种代码页（二） 中日韩语言代码页 932 — 日文 936 — 简体中文（GBK） 949 — 韩文 950 — 繁体中文（大五码） 目前存在的各种代码页（三） Windows (ANSI)代码页 874 — 泰文字母 1250 — 东欧拉丁字母 1251 — 古斯拉夫语 1252 — 西欧拉丁字母 ISO-8859-1. 1253 — 希腊语 1254 — 土耳其语 1255 — 希伯来语 1256 — 阿拉伯语 1257 — 巴尔 1258 — 越南 1254 — 土耳其语 Sample 使用C#做的字符到不同编码的转换Sample 主要的中文编码标准 GB2312 1981年实施，中国国家标准 中国和新加坡采用 6763个汉字，包括拉丁字母，希腊字母和日文假名、 GBK 汉字内码扩展规范，由微软制定，最早实现于Windows95中文版 微软的CP936通常被视为等同GBK 主要的中文编码标准 GB 13000.1-93 等同于Unicode 1.1标准 GBK收录了GB13000.1-93全部字符但是编码方式不同。 GB 18030-2005 目前最新的字符集 全面兼容GBK 和UTF-8相同采用多字节编码。 更新至 Unicode 4.1标准（2000年标准兼容Unicode3.0） 主要日文编码标准 ShiftJIS Shift_JIS是一个日本电脑系统常用的编码表。它能容纳全角及半角拉丁字母、平假名、片假名、符号及日语汉字。 它被命名为Shift_JIS的原因，是它在放置全角字符时，要避开原本在0xA1-0xDF放置的半角假名字符。 在微软及IBM的日语电脑系统中，即使用了这个编码表。这个编码表称为CP932。 JIS-X0201 JIS-X 0208 Unicode 志在一统全球语言文字编码 官网www.U 最新标准Unicode 现行6.2 准备中 标准目的在于为每一个可用的字符设置一个唯一编号，没有涉及任何编码方式，字长等。 Unicode 6.x 早在5.x 版本，Unicode已经开始使用超过 0xFFFF的值为字符进行编码 /versions/Unicode6.0.0/ 主要新增区块 0840..085F Mandaic 1BC0..1BFF Batak AB00..AB2F Ethiopic Extended-A 11000..1107F Brahmi 16800..16A3F Bamum Supplement 1B000..1B0FF Kana Supplement 1F0A0..1F0FF Playing Cards 1F300..1F5FF Miscellaneous Symbols And Pictographs 1F600..1F64F Emoticons 1F680..1F6FF Transport And Map Symbols 1F700..1F77F Alchemical Symbols 2B740..2B81F CJK Unified Ideographs Extension D Emoticons 絵文字 in Japanese /wiki/Unicode6.0%E3%81%AE%E6%90%BA%E5%B8%AF%E9%9B%BB%E8%A9%B1%E3%81%AE%E7%B5%B5%E6%96%87%E5%