UNICODE，UTF8，ANSI 等编码规范详解
需积分: 9 111 浏览量
2011-08-04
12:33:14
上传
评论 1
收藏 17KB DOC 举报
各种编码规范以及发展史
一．【英文编码】
ASCII 编码：
用来为空格，标点，数字，大小写英文字母编码，8 位，127 个。称为半角字符。
扩展字符集：8 位（128-255）加入某些特殊的形状，新字母和符号
二．【汉字编码】
以下的汉字编码被程序员们统称为：DBCS（Double Bytes Character Set）。
在此标准系中，最大的特点是：两个字节长的汉字字符和一个字节长的英文字
符并存于同一套编码方案里，即一个汉字顶两个英文字符。
GB2312 编码：（是对 ASCII 编码的中文扩展）取消了 127 位之后的编码，将两个大于
127 的字符连在一起，称为全角字符。包含了 ASCII 编码里本来的数字，字母，符号，都
用两个字符表示。
GBK 编码：（对 GB312 编码的中文扩展）不再要求低字节是 127 号之后的内码，只要
第一个字节是大于 127 的就固定认为是一个汉字的开始。增加了新的汉字（包括繁体字）
和符号。
GB18030 编码：（对 GBK 编码的扩展）增加了少数民族的字。
ANSI 编码，实际上就是 GB 系列的编码方式。
三．【ISO 统一的编码】
UNICODE 编码：可以组合 65535 个不同的字符。废除了所有的地区性编码方案，包括
了所有的文化，所有的字母和符号的编码。 都是两个字节的，包括英文。对于原来的
ASCII 编码的字符保持原来的编码不变，只是将原来的 8 位扩展为 16 位，高 8 位永远是
0。但是没有与现有的编码兼容，这使得 GBK 与 UNICODE 在汉字的内码编排上是完全不
一样的，没有算法可以实现二者的转化，只能通过查表来实现。
四．【UTF 标准】
UNICODE 标准如何在网络上传输是一个问题，于是面向传输的众多的 UTF（UCS Transfer
Format）标准出现了。UTF8 每次 8 个位传输数据，UTF16 每次 16 个位。为了传输的可靠
性，从 UNICODED 到 UTF 时并不是直接的对应，而是要过一些算法和规则来转换。（不
同的计算机对高低字节发送的先后顺序不同。）
五．UNICODE 到 UTF8 的转换规则
UNICODE UTF8
0000 — 007F
0XXXXXXX
0080 — 07FF
110XXXXX 10XXXXXX
0800 — FFFF
1110XXXX 10XXXXXX 10XXXXXX
资源评论
