计算机编码方式

 

 

●●●●●ISO 646

ISO/IEC 646是国际标准化组织（ISO）和国际电工委员会（IEC）制订的标准，在1972年制订。它是一个 7-位元字符的字集，来自数个国家标准，最主要来自美国的 ASCII（美国信息互换标准代码）。ISO 646 除了英语字母和数字的部分，为所有国家相同外，有些使用字母的国家，可按照实际需要，把 ISO 646 作出修改，以定出该国的字符标准。亦因为当年 8-位元字符集并未得到普遍的接纳，各国把不同的字母或符号放进它们的字符集，以致部分出现在 ASCII 的字母或符号，并没有出现在某些国家的 ISO 646 变体之中。

 

 

●●●●●ASCII 美国标准信息交换码

American Standard Code for Information Interchange,

适用于所有拉丁文字字母，有两种编码方式：

7位码

第0~32和第127号（共34个）是控制字符和通讯专用字符，如：LF(0x0A)、CR(0x0D)、DEL(0x7F)

空格的ACSII为0x32，也是可以显示的的代码之一

第33~126(共94个)是可显示字符，

8位码

？

在使用c语言时，某些字符是可以通过转义字符来代替这个区间的ASCII码的。

0x00 '\0'

0x07 '\a'

0x08 '\b'

0x09 '\t'

0x0A '\n'

0x0B '\v'

0x0C '\f'

0x0D '\r'

0x5C(\) '\\'

在计算机内码中，汉字是用两个ASCII码表示，且码值都大于127（>=0x80）。

 

●●●●●ISO 8859

ISO 8859，全称ISO/IEC 8859，是国际标准化组织（ISO）及国际电工委员会（IEC）联合制定的一系列8位字符集的标准，现时定义了15个字符集。

由于英语没有任何重音字母（不计外来词），故可使用以上十五个字集中的任何一个来表示。

至于德语方面，因它除了 A-Z, a-z 外，只用 Ä, Ö, Ü, ä, ö, ß, ü 七个字母，而所有拉丁字集（1-4, 9-10, 13-16）均有此七个字母，故德语可使用以上十个字集中的任何一个来表示。

此系列中没有-12号的原因是，此计划原本要设计成一个包含塞尔特语族字符集的“Latin-7”，但后来塞尔特语族变成了ISO 8859-14 / Latin-8。亦有一说谓-12号本来是预留给印度天城体梵文的，但后来却搁置了。

每个字集定义最多96个字母或符号，在0xA0-0xFF根据不同字符集放入不同的字符。

0x00-0x1F、0x7F、0x80-0x9F在此字符集中未有定义。（控制字符是由ISO/IEC 6429定义）。

---------------------------------------

 ISO 8859与ISO-8859的关系

在ISO/IEC 8859-n之中，国际标准化组织只替每个字符集定义了最多96个字符（0xA0-0xFF）。

ISO-8859-n（在ISO与8859之间加上一连字号）则是由IANA根据ISO/IEC 8859-n所定义的编码表。它除了ISO/IEC 8859-n的字符外，还包括ASCII（0x20-0x7E）字符及65个控制字符（0x00-0x1F及0x7E-0x9F）。

---------------------------------------

EASCII ：ISO/IEC 8859-1见附录B

EASCII字符快速输入法：

打开小键盘，按住ALT键，然后输入EASCII码（如按注ALT键在依次输入[Num2][Num5][Num5]可输入特殊空格（255空格））。

====================================

●●●●●UNICODE

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

Unicode用数字0-0x10FFFF（最多6位16进制数值）来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位

Unicode 的首256字符仍旧保留给ISO 8859-1 所定义的字符

编码方式：

USC-X, X:表示使用的字节个数

实现方式：

UTF-NN, NN:表示二进制数的个数，但并非说一个UNICODE只用8个bits就可以表示。

--------------------------------------------------

●●●编码方式

Unicode标准有UCS-2（用2个字节表示）、UCS-4（用4个字节表示）的说法。

UCS-4：根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个平面（plane）。group 0的平面0被称作BMP（Basic Multilingual Plane）。每个平面根据第3个字节分为256行 （row），每行有256个码位（cell），这样每个平面有2^16=65536个码位。Unicode计划使用了17个平面，一共有17*65536=1114112个码位

UCS-2：将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。目前使用的比较多的编码方式为该种编码方式，它定义了65536种字符。

在Unicode 5.0.0版本中，已定义的码位只有238605个，分布在平面0、平面1、平面2、平面14、平面15、平面16。其中平面15和平面16上只是定义了两个各占65534个码位的专用区（Private Use Area），分别是0xF0000-0xFFFFD和0x100000-0x10FFFD。所谓专用区，就是保留给大家放自定义字符的区域，可以简写为PUA。
　　平面0也有一个专用区：0xE000-0xF8FF，有6400个码位。平面0的0xD800-0xDFFF，共2048个码位，是一个被称作代理区（Surrogate）的特殊区域。代理区的目的用两个UTF-16字符表示BMP以外的字符。在介绍UTF-16编码时会介绍。
　　如前所述在Unicode 5.0.0版本中，238605-65534*2-6400-2408=99089。余下的99089个已定义码位分布在平面0、平面1、平面2和平面14上，它们对应着Unicode目前定义的99089个字符，其中包括71226个汉字。平面0、平面1、平面2和平面14上分别定义了52080、3419、43253和337个字符。平面2的43253个字符都是汉字。平面0上定义了27973个汉字。

--------------------------------------------------

●●● 实现方式

Unicode 的实现方式不同于编码方式。一个字符的 Unicode 编码是确定的。但是在实际传输过程中，由于不同系统平台的设计不一定一致，以及出于节省空间的目的，对 Unicode 编码的实现方式有所不同。Unicode 的实现方式称为Unicode转换格式（Unicode Translation Format，简称为 UTF）。

--------------------------------------------------

●UTF-8：ASCII和ISO/IEC 8859-1的御用实现方法。

UTF-8（8 位元 Universal Character Set／Unicode Transformation Format）是一种针对 Unicode 的可变长度字符编码。它可以用来表示 Unicode 标准中的任何字符，且其编码中的第一个字节仍与 ASCII 相容，这使得原来处理 ASCII 字符的软件无须或只须做少部份修改，即可继续使用。因此，它逐渐成为电子邮件、网页及其他储存或传送文字的应用中，优先采用的编码。

UTF-8 使用一至四个字节为每个字符编码：

128 个 ASCII 字符只需一个字节编码（Unicode 范围由 U+0000 至 U+007F）；

带有附加符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及它拿字母则需要二个字节编码（Unicode 范围由 U+0080 至 U+07FF）；

其他基本多文种平面（BMP）中的字符（这包含了大部分常用字）使用三个字节编码。 

其他极少使用的 Unicode 辅助平面的字符使用四字节编码。 

对上述提及的第四种字符而言，UTF-8 使用四个字节来编码似乎太耗费资源了。但 UTF-8 对所有常用的字符都可以用三个字节表示，而且它的另一种选择，UTF-16编码，对前述的第四种字符同样需要四个字节来编码，所以要决定 UTF-8 或 UTF-16 哪种编码比较有效率，还要视所使用的字符的分布范围而定。不过，如果使用一些传统的压缩系统，比如 DEFLATE，则这些不同编码系统间的的差异就变得微不足道了。若顾及传统压缩算法在压缩较短文字上的效果不大，可以考虑使用 Standard Compression Scheme for Unicode（SCSU）。

--------------------------------------------------

●UTF-16：多用于表示BMP的字符，也可看做UCS-2的御用实现方法。

UTF-16 编码实现方式中使用了大尾序（Big-Endian， 简写为UTF-16 BE）、小尾序（Little-Endian, 简写为UTF-16 LE）的概念，以及可附加的BOM（Byte Order Mark）解决方案，目前在PC机上的Windows系统和Linux系统对于UTF-16编码默认使用UTF-16 LE。

--------------------------------------------------

●UTF-32：UCS-4的御用实现方法。

--------------------------------------------------

●●●表示方式

表达一个 Unicode 的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。在基本多文种平面（Basic Multilingual Plane，简称 BMP）里的所有字符，只要使用四位十六进制数（例如 U+4AE0，共支持六万多个字符）来表示，但在 BMP 以外的字符则需要使用五位或六位十六进制数了。

 

 

 

●●●●●UCS

ISO 10646

通用字符集（Universal Character Set，UCS）是由ISO制定的ISO 10646（或称ISO/IEC 10646）标准所定义的字符编码方式，采用4字节编码。

通用字符集又称Universal Multiple-Octet Coded Character Set，中国大陆译为通用多八位编码字符集，台湾译为广用多八位元编码字元集。

通用字符集是所有包括了其他字符集。它保证了与其他字符集的双向兼容，即，如果你将任何文本字符串翻译到UCS格式，然后再翻译回原编码，你不会丢失任何信息。

UCS包含了已知语言的所有字符。除了拉丁语、希腊语、斯拉夫语、希伯来语、阿拉伯语、亚美尼亚语、格鲁吉亚语，还包括中文、日文、韩文这样的象形文字，UCS还包括大量的图形、印刷、数学、科学符号。

ISO/IEC 10646定义了一个31位的字符集。0到十六进制的7FFFFFFF这样的字码空间中。区别与UNICODE 的范围为：0-0x10FFFF。

ISO/IEC 10646-1标准第一次发表于1993年，现在的公开版本是ISO/IEC 10646-1:2000。ISO/IEC 10646-2在2001年发表。

UCS不仅给每个字符分配一个代码，而且赋予了一个正式的名字。表示一个UCS或Unicode值的十六进制数通常在前面加上“U+”，例如“U+0041”代表字符“A”。

--------------------------------------------------

●●●UCS的实现级别

并不是所有的系统都需要支持像组合字符这样的的先进机制。因此ISO 10646指定了如下三种实现级别:

级别1：不支持组合字符和韩语Hangul Jamo字符 

级别2：类似于级别1，但在某些文字中，允许一列固定的组合字符，因为如果没有最起码的几个组合字符，UCS就不能完整地表达这些语言。 

级别3：支持所有的UCS字符，如，可以在任意一个字符上加上一个箭头或一个tilde. 

--------------------------------------------------

●●●Unicode和ISO 10646的关系

历史上存在两个独立的尝试创立单一字符集的组织，即国际标准化组织（ISO）和多语言软件制造商组成的统一码协会（Unicode Consortium）。前者开发的 ISO/IEC 10646 项目，后者开发的Unicode项目。因此最初制定了不同的标准。

1991年前后，两个项目的参与者都认识到，世界不需要两个不兼容的字符集。于是，它们开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从Unicode 2.0开始，Unicode采用了与ISO 10646-1相同的字库和字码；ISO也承诺，ISO 10646将不会替超出U+10FFFF的UCS-4编码赋值，以使得两者保持一致。两个项目仍都存在，并独立地公布各自的标准。但统一码协会和ISO/IEC JTC1/SC2都同意保持两者标准的码表兼容，并紧密地共同调整任何未来的扩展。在发布的时候，Unicode一般都会采用有关字码最常见的字型，但ISO 10646一般都尽可能采用Century字型。

 --------------------------------------------------

●●●Unicode和ISO 10646的异同

统一码协会公布的Unicode标准包含了ISO/IEC 10646-1实现级别3的基本多文种平面。在两个标准里，所有的字符都在相同的位置并且有相同的名字。

ISO/IEC 10646标准，就像ISO/IEC 8859标准一样，只不过是一个简单的字符集表。它定义了一些编码的别名，指定了一些与标准有关的术语，并包括了规范说明，指定了怎样使用UCS连接其他ISO标准的实现，比如ISO/IEC 6429和ISO/IEC 2022。还有一些与ISO紧密相关的，比如ISO/IEC 14651是关于UCS字符串排序的。

Unicode标准，额外定义了许多与字符有关的语义符号学。Unicode详细说明了绘制某些语言（如阿拉伯语）表达形式的算法，处理双向文字（比如拉丁文和希伯来文的混合文字）的算法，排序与字符串比较所需的算法，等等。

由于Unicode这一名字比较好记，因而它使用更为广泛。不过一般认为，用于打印ISO/IEC 10646-1标准的字体在某些方面的质量，要高于Unicode 2.0。

两者部分样例字形有显著的区别。ISO/IEC 10646-1标准同样使用四种不同的风格变体来显示表意文字如中文、日文、韩文（即CJK），但Unicode 2.0的表里只有中文的变体。甚至存在“Unicode对日本用户来说不可接受”的不实传说。