常用字符集编码[参考].pdf

常用字符集编码详解 本文将详细介绍常用的字符集编码，包括 ASCII、GB2312、GBK、GB18030、Unicode 和 UTF-8 等。 一、ASCII 码 ASCII 码是 7 位编码，编码范围是 0x00-0x7F。ASCII 字符集包括英文字母、阿拉伯数字和标点符号等字符。其中 0x00-0x20 和 0x7F 共 33 个控制字符。只支持 ASCII 码的系统会忽略每个字节的最高位，只认为低 7 位是有效位。 二、GB2312 编码 GB2312 是基于区位码设计的，区位码把编码表分为 94 个区，每个区对应 94 个位，每个字符的区号和位号组合起来就是该汉字的区位码。GB2312 编码的范围是 0xA1A1-0x7E7E，去掉未定义的区域之后可以理解为实际编码范围是 0xA1A1-0xF7FE。 GB2312 字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。可以用繁体汉字测试某些系统是不是只支持 GB2312 编码。 三、GBK 编码 GBK 编码是 GB2312 编码的超集，向下完全兼容 GB2312，同时 GBK 收录了 Unicode 基本多文种平面中的所有 CJK 汉字。GBK 还收录了 GB2312 不包含的汉字部首符号、竖排标点符号等字符。 GBK 的整体编码范围是 0x8140-0xFEFE，不包括低字节是 0× 7F 的组合。高字节范围是 0× 81-0xFE，低字节范围是 0x40-7E 和 0x80-0xFE。低字节是 0x40-0x7E 的 GBK 字符有一定特殊性，因为这些字符占用了 ASCII 码的位置，这样会给一些系统带来麻烦。 四、GB18030 编码 GB18030 编码向下兼容 GBK 和 GB2312，兼容的含义是不仅字符兼容，而且相同字符的编码也相同。GB18030 收录了所有 Unicode 3.1 中的字符，包括中国少数民族字符，GBK 不支持的韩文字符等等，也可以说是世界大多民族的文字符号都被收录在内。 GB18030 编码是变长编码，有单字节、双字节和四字节三种方式。GB18030 的单字节编码范围是 0x00-0x7F，完全等同与 ASCII ；双字节编码的范围和 GBK 相同，高字节是 0x81-0xFE，低字节的编码范围是 0x40-0x7E 和 0x80-FE；四字节编码中第一、三字节的编码范围是 0x81-0xFE，二、四字节是 0x30-0x39。 五、Unicode 和 UTF-8 Unicode 是一种通用的字符集编码标准，提供了一个 universal 和 unique 的字符集编码方式。UTF-8 是 Unicode 的一种变长编码方式，使用 1 到 4 个字节表示一个 Unicode 字符。UTF-8 编码的优点是可以与 ASCII 编码兼容，并且可以表示 Unicode 中的大多数字符。