文字编码简介

字符编码概述：下表，按照固定长编码和可变长编码进行分类。GB2312和GBK如果从与ASCII码兼容的角度来讲，也可以认为是可变长编码。对于ASCII码以外的文字都是2字节编码。UCS和UNICODE在1991年已经统一

 

 

 

ASCII编码：前32个字符(0x00 ~ 0x1f)为控制字符；33到126(0x20 ~ 0x7e)为英文字符;第127个(0x7f)字符为控制字符

0x00 ~ 0x1f	控制字符
0x20 ~ 0x7e	英文字符
0x7f	控制字符(del)

 

ANSI的扩展字符集ISO8859-1编码：

0x00 ~ 0x1f	未定义
0x20 ~ 0x7e	英文字符
0x7f, 0x80 ~0x9f	未定义
Oxa0 ~ 0xff	扩展字符(西欧文字或称Latin-1)

 

GB2312编码:

ASCII码单字节
A1A0....A9E0	(全角)英文字符，数字，特殊字符等 其中包括日文假名
A9F0 ….AFF0	未定义
B0A0.... D7F0	第一级常用汉字，常用汉字3775个
D8A0.... F7F0	第二级常用汉字，常用汉字3008个
F8A0….FEF0	未定义

 

GBK编码：包含21003个汉字，包含了ISO 10646中的全部中日韩汉字，简、繁体字融于一

8140.... A19F	很多特殊文字及繁体字
A1A0….. FEF0	GB2312编码

 

GB2312, GBK与ASCII兼容但是与UNICODE编码不兼容，需要装换。

ISO-10646即UNICODE编码：Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF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。码位就是可以分配给字符的数字，UTF-8.UTF-16、UTF-32都是通过这种方式编码的。

 

UTF-8编码：UNICODE编码最少需要2个字节空间来存储文字，对于ASCII表示的字符使用UNICODE编码显然低效，解决这一问题诞生了UTF-8，UTF-8的详细介绍参见 http://zh.wikipedia.org/wiki/UTF-8，其与UNICODE的对照参见http://www.utf8-chartable.de/，简体中文对照表参见http://www.ansell-uebersetzungen.com/gbuni.html