ASCII
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。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。
GB2312的编码范围是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。EUC-CN可以理解为GB2312的别名,和GB2312完全相同。
GBK
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。同
GB2312一样,GBK也支持希腊字母、日文假名字母、俄语字母等字符,但不支持韩语中的表音字符(非汉字字符)。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的整体编码范围是为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。
有些系统中用0x40-0x7E中的字符
(如“|”)做特殊符号,在定位这些符号时又没有判断这些符号是不是属于某个
GBK字符的低字节,这样就会造成错误判断。在支持GB2312的环境下就不存在这个问题。需要注意的是支持GBK的环境中小于0x80的某个字
节未必就是ASCII符号;另外就是最好选用小于0×40的ASCII符号做一些特殊符号,这样就可以快速定位,且不用担心是某个汉字的另一半。
Big5编码中也存在相应问题。
UTF-8
Unicode Transformation Format-8bit,允许含BOM,但通常不含BOM。是用以解决国际上字符的一种多字节编
码,它对英文使用8位(即一个字节),中文使用24为(三个字节)来编码。UTF-8包含全世界所有国家需要用到的字符,是国际编码,通用性强。
UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如,如果是UTF8编码,则在外国人的英文IE上也能显示中文,他们无需下载
IE的中文语言支持包。
GBK的文字编码是用双字节来表示的,即不论中、英文字符均使用双字节来表示,为了区分中文,将其最高位
都设定成1。GBK包含全部中文字符,是国家编码,通用性比UTF8差,不过UTF8占用的数据库比GBK大。
分享到:
相关推荐
常用字符集编码详解,常用字符集编码详解
常用字符集编码[参考].pdf
字符集、GB2312、utf-8、iso-8859
搞清常用编码特性是解决字符集编码问题的基础。字符集编码的识别与转换、分析各种乱码产生的原因、编程操作各种编码字符串(例如字符数计算、截断处理)等都需要弄清楚编码的特性。 了解一种字符集编码主要是要了解...
linux下的字符编码转换方法。教你如何实现Linux下的编码转换。
BIG5编码又称大五码,是繁体中文字符集编码标准,共收录13060个中文字。“BIG5采用双字节编码,使用两个字节来表示一个字符。高位字节使用了0x81-0xFE,低位字节使用了0x40-0x7E,及0xA1-0xFE。在BIG5的分区中: 8140-A0...
常用字符集介绍和编码转换原理[借鉴].pdf
深入地概括了常用的字符集和编码, 看后可对相关知识有深入的理解.
Microsoft® Internet Explorer 使用文档中指定的字符集决定如何将文档中的字节翻译为在屏幕上或打印纸上可读的字符。缺省情况下,Internet Explorer 将使用服务器返回的 HTTP 内容类型中指定的字符集来决定此翻译。...
详细介绍几种常用文件编码格式,ASCII、GB2312、GBK、GB18030、Big5、Unicode、UTF-8、UTF-16、UTF-32
HTML实体字符集 最全的HTML实体字符集,实体字符和实体编码 如: 最常用的字符实体 显示结果 描述 实体名称 实体编号 空格   小于号 < < > 大于号 > > & 和号 & & " 引号 "...
mysql 常用设置 字符集编码、自动完成(自动提示)、监听外网ip,需要的朋友可以参考下
Unicode字符集可以使用不同的编码方式来表示,其中最常用的是UTF-8编码。 UTF-8编码是一种可变长度的编码方式,它可以使用1到4个字节来表示一个字符。UTF-8编码是Unicode字符集的一种实现方式,它可以表示世界上所有...
官方标准文件,包含所有常用的日文编码字符
informix linux.unix平台下常用字符集转换
标准的unicode 编码表,提供的是现代维吾尔文的字母,标点符号等字符的编码
如果很多时候我们没有约定好文件格式,我们就难以读取文件内容,此时,我们就需要一个工具...返回探测到的字符集编码。可用于检查HTML、XML等文件或字符流的编码,构造方法中的参数用于 指示是否显示探测过程的详细信息
编程输出《信息交换汉字编码字符集》及其交换码标准GB2312-80 包括3755个常用汉字和3008个次常用汉字,及其区位码
latin字符集一共可以保存256个字符,相比ASCII码,它又包含了128个西欧常用字符。 GB2312字符集 它包含了中文汉字、拉丁字符、希腊字符等,其中汉字占了大多数,有6763个,其他文字符号638个,而且它兼容ASCII...
因此美国国家标准协会ANSI制定了一个标准,规定了常用字符的集合以及每个字符对应的编号,这就是ASCII字符集(Character Set),也称ASCII码。 当时的计算机普遍使用8比特字节作为最小的存储和处理单元,加之当时...