文字各种编码的介绍与实现
需积分: 0 183 浏览量
2009-11-11
17:01:49
上传
评论
收藏 22KB DOC 举报
各种文字编码简介
ASCII
ASCII 码是 7 位编码，编码范围是 0×00-0×7F。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 0×00-0×20 和 0×7F 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。HZ 字符编码就
是早期为了在只支持 7 位 ASCII 系统中传输中文而设计的编码。早期很多邮件系统也只支持
ASCII 编码，为了传输中文邮件必须使用 BASE64 或者其他编码方式。
GB2312
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。区位码一般 用 10 进制数来表示，如
1601 就表示 16 区 1 位，对应的字符是“啊”。在区位码的区号和位号上分别加上 0xA0 就得
到了 GB2312 编码。
区位码中 01-09 区是符号、数字区，16-87 区是汉字区，10-15 和 88-94 是未定义的空白
区。它将收录的汉字分成两级：第一级是常用汉字 计 3755 个，置于 16-55 区，按汉语拼
音字母/笔形顺序排列；第二级汉字是次常用汉字计 3008 个，置于 56-87 区，按部首/笔画
顺序排列。一级汉 字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，
很多根据汉字可以得到拼音的程序就是根据这个原理编写的。
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。
评论0