字符集与字符编码.pdfVIP

字符集与字符编码 字符集字符编码 ASCII GBXXXX UNICODE 2014/1/7 东北大学 7110312 第 1 页 字符集与字符编码 1 字符集与字符编码 1.1 基础知识 计算机中储存的信息都是用二进制数表示的；而我们在屏幕上看到的英文、 汉字等字符是二进制数转换之后的结果。通俗的说，按照何种规则将字符存储在 计算机中，如a用什么表示，称为 “编码”；反之，将存储在计算机中的二进制 数解析显示出来，称为 “解码”，如同密码学中的加密和解密。在解码过程中， 如果使用了错误的解码规则，则导致a解析成b或者乱码。 字符集（Charset ）：是一个系统支持的所有抽象字符的集合。字符是各种 文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。 字符编码（Character Encoding）：是一套法则，使用该法则能够对自然语 言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如号码或 电脉冲）进行配对。 即在符号集合与数字系统之间建立对应关系，它是信息处理的一项基本技术。 通常人们用符号集合 （一般情况下就是文字）来表达信息。而以计算机为基 础的信息处理系统则是利用元件（硬件）不同状态的组合来存储和处理信息的。 元件不同状态的组合能代表数字系统的数字，因此字符编码就是将符号转换 为计算机可以接受的数字系统的数，称为数字代码。 1.2 常用字符集和字符编码 第 2 页 字符集与字符编码 常见字符集名称：ASCII 字符集、GB2312 字符集、BIG5 字符集、GB18030 字符集、Unicode 字符集等。 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。 1.2.1 ASCII 字符集编码 ASCII （American Standard Code for Information Interchange ，美国信息交换标 准代码）是基于拉丁字母的一套电脑编码系统。 它主要用于显 现代英语，而其扩展版本 EASCII 则可以勉强显示其他西欧 语言。 它是现今最通用的单字节编码系统（但是有被 Unicode 追上的迹象），并等 同于国际标准ISO/IEC 646 。 ASCII 字符集：主要包括控制字符（回车键、退格、换行键等）；可显示字 符（英文大小写字符、阿拉伯数字和西文符号）。 ASCII 编码：将 ASCII 字符集转换为计算机可以接受的数字系统的数的规则。 使用 7 位 （bits ）表示一个字符，共 128 字符；但是 7 位编码的字符集只能支持 128 个字符，为了表示更多的欧洲常用字符对 ASCII 进行了扩展，ASCII 扩展字符集 使用 8 位（bits ）表示一个字符，共 256 字符。 ASCII 的最大缺点是只能显 26 个基本拉丁字母、阿拉伯数目字和英式标 点符号，因此只能用于显示现代美国英语（而且在处理英语当中的外来词如 naïve 、 café、élite 等等时，所有重音符号都不得不去掉，即使这样做会违反拼写规则）。 而 EASCII 虽然解决了部份西欧语言的显示问题，但对更多其他语言依然无能为 力。因此现在的苹果电脑已经抛弃ASCII 而转用 Unicode 。 1.2.2 GBXXXX 字符集编码 第 3 页 字符集与字符编码 计算机发明之初及后面很长一段时间，只用应用于美国及西方一些发达国家， ASCII 能够很好满足用户的需求。 但是当天朝也有了计算机之后，为了显示中文，必须设计一套编码规则用于 将汉字转换为计算机可以接受的数字系统的数。 天朝专家把那些 127 号之后的奇异符号们（即EASCII ）取消掉，规定：一