知识小贴士3-4　字符集与字符编码——人类伟大的创想.pdf

《知识小贴士3-4　字符集与字符编码——人类伟大的创想.pdf》由会员分享，可在线阅读，更多相关《知识小贴士3-4　字符集与字符编码——人类伟大的创想.pdf（2页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、科普知识 细节决定成败：知识小贴士 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（字符集（CharsetCharset） ：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（字符编码（Character EncodingCharacter

2、 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。通常人们用符号集合 （一般情况下就是文字）来表达信息。 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。 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

3、要用于显示现代英语，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） 。它最大缺点是只能显示 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。因此现在的苹果电脑已经抛弃 ASCII 而转用 Unicode。 计算机发明之后的很长一段时间， 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。但是当中国

4、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。中国专家把那些 127 号之后的奇异符号们（即 EASCII）取消掉， 规定：一个小于 127 的字符的意义与原来相同，但两个大于 127 的字符连在一起时，就表示一个汉 字， 前面的一个字节 （他称之为高字节） 从 0 xA1 用到 0 xF7， 后面一个字节 （低字节） 从 0 xA1 到 0 xFE， 这样我们就可以组合出大约 7000 多个简体汉字了。 在这些编码里， 还把数学符号、 罗马希腊的字母、 日文的假名们都编进去了，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两

5、个字节长 的编码，这就是常说的全角字符，而原来在 127 号以下的那些就叫半角字符了。 上述编码规则就是 GB2312。GB2312 或 GB2312-80 是中国国家标准简体中文字符集，全称信息 交换用汉字编码字符集 ，又称 GB0，由中国国家标准总局发布，1981 年 5 月 1 日实施。GB2312 编码 通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持 GB2312。GB2312 的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆 99.75%的使用频率。对于人名、古汉语等方面出现的罕用字，GB2312 不能处理，这导致了后来

6、GBK 及 GB 18030 汉字字符集的出现。 科普知识 细节决定成败：知识小贴士 当 计 算 机 传 到 世 界 各 个 国 家 时 ， 为 了 适 合 当 地 语 言 和 字 符 ， 设 计 和 实 现 类 似 GB232/GBK/GB18030/BIG5 的编码方案。这样各搞一套，在本地使用没有问题，一旦出现在网络中， 由于不兼容， 互相访问就出现了乱码现象。 为了解决这个问题， 一个伟大的创想产生了Unicode。 Unicode 编码系统为表达任意语言的任意字符而设计。它使用 4 字节的数字来表达每个字母、符号， 或者表意文字(ideograph)。每个数字代表唯一的至少在某种语言

7、中使用的符号。 （并不是所有的数 字都用上了，但是总数已经超过了 65535，所以 2 个字节的数字是不够用的。 ）被几种语言共用的字 符通常使用相同的数字来编码，除非存在一个在理的语源学(etymological)理由使不这样做。不考 虑这种情况的话，每个字符对应一个数字，每个数字对应一个字符。即不存在二义性。不再需要记 录模式了。U+0041 总是代表A，即使这种语言没有A这个字符。 在计算机科学领域中，Unicode（统一码、万国码、单一码、标准万国码）是业界的一种标准， 它可以使电脑得以体现世界上数十种文字的系统。 Unicode 是基于通用字符集 （Universal Charact

8、er Set）的标准来发展，并且同时也以书本的形式1对外发表。Unicode 还不断在扩增， 每个新版本 插入更多新的字符。直至目前为止的第六版，Unicode 就已经包含了超过十万个字符（在 2005 年， Unicode 的第十万个字符被采纳且认可成为标准之一） 、一组可用以作为视觉参考的代码图表、一套 编码方法与一组标准字符编码、 一套包含了上标字、 下标字等字符特性的枚举等。 Unicode 组织 （The Unicode Consortium）是由一个非营利性的机构所运作，并主导 Unicode 的后续发展，其目标在于： 将既有的字符编码方案以 Unicode 编码方案来加以取代，特别是既有的方案在多语环境下，皆仅有 有限的空间以及不兼容的问题。 （可以这样理解：（可以这样理解：UnicodeUnicode 是字符集，是字符集，UTFUTF- -32/ UTF32/ UTF- -16/ UTF16/ UTF- -8 8 是三种字符编码方案。 ）是三种字符编码方案。 ） 字符集与字符编码可以说是人类二十世纪伟大的创想，是人与计算机沟通的秘密武器。