字符集檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

字符集是中國科技名詞。

世界上所有的國家中，只有我們中國的文化是始終沒有間斷過的傳承下來，也只有 「漢字」是世界上唯一的古代一直演變過來沒有間斷過的文字形式。

名詞解釋

字符（Character）是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數字等。字符集（Character set）是多個字符的集合，字符集種類較多，每個字符集包含的字符個數不同，常見字符集名稱：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。計算機要準確的處理各種字符集文字，就需要進行字符編碼，以便計算機能夠識別和存儲各種文字。中文文字數目大，而且還分為簡體中文和繁體中文兩種不同書寫規則的文字，而計算機最初是按英語單字節字符設計的，因此，對中文字符進行編碼，是中文信息交流的技術基礎。

名稱由來

ASCII（American Standard Code for Information Interchange，美國信息互換標準編碼）是基於羅馬字母表的一套電腦編碼系統。

特點

它主要用於顯示現代英語和其他西歐語言。它是最通用的單字節編碼系統，並等同於國際標準ISO 646。

包含內容

控制字符：回車鍵、退格、換行鍵等。

可顯示字符：英文大小寫字符、阿拉伯數字和西文符號。

技術特徵

7位（bits）表示一個字符，共128字符，字符值從0到127，其中32到126是可打印字符。

擴展字符集

7位編碼的字符集只能支持128個字符，為了表示更多的歐洲常用字符對ASCII進行了擴展，ASCII擴展字符集使用8位（bits）表示一個字符，共256字符。

ASCII擴展字符集：它是從ASCII字符集擴充出來的，擴充後的符號增加了表格符號、計算符號、希臘字母和特殊的拉丁符號。

GB2312

名稱由來

GB2312又稱為GB2312-80字符集，全稱為《信息交換用漢字編碼字符集·基本集》，由原中國國家標準總局發布，1981年5月1日實施。

特點

GB2312是中國國家標準的簡體中文字符集。它所收錄的漢字已經覆蓋99.75%的使用頻率，基本滿足了漢字的計算機處理需要。在中國大陸和新加坡獲廣泛使用。

包含內容

GB2312收錄簡化漢字及一般符號、序號、數字、拉丁字母、日文假名、希臘字母、俄文字母、漢語拼音符號、漢語注音字母，共 7445 個圖形字符。其中包括6763個漢字，其中一級漢字3755個，二級漢字3008個；包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西里爾字母在內的682個全角字符。

技術特徵

（1）分區表示：

GB2312中對所收漢字進行了「分區」處理，每區含有94個漢字/符號。這種表示方式也稱為區位碼。

各區包含的字符如下：01-09區為特殊符號；16-55區為一級漢字，按拼音排序；56-87區為二級漢字，按部首/筆畫排序；10-15區及88-94區則未有編碼。

（2）雙字節表示

兩個字節中前面的字節為第一字節，後面的字節為第二字節。習慣上稱第一字節為「高字節」 ，而稱第二字節為「低字節」。

「高位字節」使用了0xA1-0xF7(把01-87區的區號加上0xA0)，「低位字節」使用了0xA1-0xFE(把01-94加上0xA0)。

編碼舉例

以GB2312字符集的第一個漢字「啊」字為例，它的區號16，位號01，則區位碼是1601，在大多數計算機程序中，高字節和低字節分別加0xA0得到程序的漢字處理編碼0xB0A1。計算公式是：0xB0=0xA0+16, 0xA1=0xA0+1。