ASCII 、GB2312、GBK、GB18030、unicode、UTF-8字元集編碼詳解二

GBK字元集編碼

GBK 編碼是GB2312編碼的超集，向下完全相容GB2312，同時GBK收錄了Unicode基本多文種平面中的所有CJK漢字。同 GB2312一樣，GBK也支援希臘字母、日文假名字母、俄語字母等字元，但不支援韓語中的表音字元（非漢字字元）。GBK還收錄了GB2312不包含的 漢字部首符号、豎排标點符号等字元。

GBK的整體編碼範圍是為：高位元組範圍是0×81-0xFE，低位元組範圍是0x40-7E和0x80-0xFE，不包括低位元組是0×7F的組合。

低位元組是0x40-0x7E的GBK字元有一定特殊性，因為這些字元占用了ASCII碼的位置，這樣會給一些系統帶來麻煩。

有些系統中用0x40-0x7E中的字元（如“|”）做特殊符号，在定位這些符号時又沒有判斷這些符号是不是屬于某個 GBK字元的低位元組，這樣就會造成錯誤判斷。在支援GB2312的環境下就不存在這個問題。需要注意的是支援GBK的環境中小于0x80的某個位元組未必就 是ASCII符号；另外就是最好選用小于0×40的ASCII符号做一些特殊符号，這樣就可以快速定位，且不用擔心是某個漢字的另一半。Big5編碼中也 存在相應問題。

CP936和GBK的有些許差别，絕大多數情況下可以把CP936當作GBK的别名。

GB18030字元集編碼

GB18030編碼向下相容GBK和GB2312，相容的含義是不僅字元相容，而且相同字元的編碼也相同。GB18030收錄了所有Unicode3.1中的字元，包括中國少數民族字元，GBK不支援的韓文字元等等，也可以說是世界大多民族的文字元号都被收錄在内。

GBK和GB2312都是雙位元組等寬編碼，如果算上和ASCII相容所支援的單位元組，也可以了解為是單位元組和雙位元組混合的變長編碼。GB18030編碼是變長編碼，有單位元組、雙位元組和四位元組三種方式。

GB18030 的單位元組編碼範圍是0x00-0x7F，完全等同與ASCII；雙位元組編碼的範圍和GBK相同，高位元組是0x81-0xFE，低位元組的編碼範圍是0x40 -0x7E和0x80-FE；四位元組編碼中第一、三位元組的編碼範圍是0x81-0xFE，二、四位元組是0x30-0x39。

Windows 中CP936代碼頁使用0x80來表示歐元符号，而在GB18030編碼中沒有使用0x80編碼位，用其他位置來表示歐元符号。這可以了解為是 GB18030向下相容性上的一點小問題；也可以了解為0x80是CP936對GBK的擴充，而GB18030隻是和GBK相容良好。

unicode字元集編碼

每一種語言的不同的編碼頁，增加了那些需要支援不同語言的軟體的複雜度。因而人們制定了一個世界标準，叫做unicode。unicode為每個字元 提供 了唯一的特定數值，不論在什麼平台上、不論在什麼軟體中，也不論什麼語言。也就是說，它世界上使用的所有字元都列出來，并給每一個字元一個唯一特定數值。

Unicode的最初目标，是用1個16位的編碼來為超過65000字元提供映射。但這還不夠，它不能覆寫全部曆史上的文字，也不能解決傳輸的問題 (implantation head-ache's)，尤其在那些基于網絡的應用中。已有的軟體必須做大量的工作來程式16位的資料。

因 此，Unicode用一些基本的保留字元制定了三套編碼方式。它們分别是UTF-8,UTF-16和UTF-32。正如名字所示，在UTF－8中，字元是 以8位序列來編碼的，用一個或幾個位元組來表示一個字元。這種方式的最大好處，是UTF－8保留了ASCII字元的編碼做為它的一部分，例如，在UTF－8 和ASCII中，“A”的編碼都是0x41.

UTF－16和UTF－32分别是Unicode的16位和32位編碼方式。考慮到最初的目的，通常說的Unicode就是指UTF-16。在讨論Unicode時，搞清楚哪種編碼方式非常重要。

UTF-8字元集編碼

Unicode Transformation Format-8bit，允許含BOM，但通常不含BOM。是用以解決國際上字元的一種多位元組編碼，它對英文使用8位（即一個位元組），中文使用24為（三 個位元組）來編碼。UTF-8包含全世界所有國家需要用到的字元，是國際編碼，通用性強。UTF-8編碼的文字可以在各國支援UTF8字元集的浏覽器上顯 示。如，如果是UTF8編碼，則在外國人的英文IE上也能顯示中文，他們無需下載下傳IE的中文語言支援包。

GBK的文字編碼是用雙位元組來表示的，即不論中、英文字元均使用雙位元組來表示，為了區分中文，将其最高位都設定成1。GBK包含全部中文字元，是國家編碼，通用性比UTF8差，不過UTF8占用的資料庫比GBD大。

GBK、GB2312等與UTF8之間都必須通過Unicode編碼才能互相轉換：

GBK、GB2312－－Unicode－－UTF8

UTF8－－Unicode－－GBK、GB2312

對于一個網站、論壇來說，如果英文字元較多，則建議使用UTF－8節省空間。不過現在很多論壇的插件一般隻支援GBK。

ASCII碼對照表

下表列出了字元集中的 0 - 127。

代碼	字元	代碼	字元	代碼	字元	代碼	字元
32	[空格]	64	@	96	`
1	33	!	65	A	97	a
2	34	"	66	B	98	b
3	35	#	67	C	99	c
4	36	$	68	D	100	d
5	37	%	69	E	101	e
6	38	&	70	F	102	f
7	39	'	71	G	103	g
8	**	40	(	72	H	104	h
9	**	41	)	73	I	105	i
10	**	42	*	74	J	106	j
11	43	+	75	K	107	k
12	44	,	76	L	108	l
13	**	45	-	77	M	109	m
14	46	.	78	N	110	n
15	�	47	/	79	O	111	o
16	�	48	80	P	112	p
17	�	49	1	81	Q	113	q
18	�	50	2	82	R	114	r
19	51	3	83	S	115	s
20	52	4	84	T	116	t
21	53	5	85	U	117	u
22	�	54	6	86	V	118	v
23	�	55	7	87	W	119	w
24	�	56	8	88	X	120	x
25	�	57	9	89	Y	121	y
26	�	58	:	90	Z	122	z
27	59	;	91	[	123	{
28	�	60	<	92	\	124	|
29	�	61	=	93	]	125	}
30	-	62	>	94	^	126	~
31	63	?	95	_	127	�

下表列出了字元集中的 128 - 255。

代碼	字元	代碼	字元	代碼	字元	代碼	字元
128	160	[空格]	192	À	224	à
129	�	161	¡	193	Á	225	á
130	‚	162	¢	194	Â	226	â
131	ƒ	163	£	195	Ã	227	ã
132	„	164	¤	196	Ä	228	ä
133	…	165	¥	197	Å	229	å
134	†	166	¦	198	Æ	230	æ
135	‡	167	§	199	Ç	231	ç
136	ˆ	168	¨	200	È	231	ç
137	‰	169	©	201	É	232	è
138	Š	170	ª	202	Ê	233	é
139	‹	171	«	203	Ë	234	ê
140	Œ	172	¬	204	Ì	235	ë
141	�	173	­	205	Í	236	ì
142	Ž	174	®	206	Î	237	í
143	�	175	¯	207	Ï	238	î
144	�	176	°	208	Ð	239	ï
145	‘	177	±	209	Ñ	240	ð
146	’	178	²	210	Ò	241	ñ
147	“	179	³	211	Ó	242	ò
148	”	180	´	212	Ô	243	ó
149	•	181	µ	213	Õ	244	ô
150	–	182	¶	214	Ö	245	õ
151	—	183	·	215	×	246	ö
152	˜	184	¸	216	Ø	247	÷
153	™	185	¹	217	Ù	248	ø
154	š	186	º	218	Ú	249	ù
155	›	187	»	219	Û	250	ú
156	œ	188	¼	220	Ü	251	û
157	�	189	½	221	Ý	252	ü
158	ž	190	¾	222	Þ	253	ý
159	Ÿ	191	¿	223	ß	254	þ

** 數值 8、9、10 和 13 可以分别轉換為倒退符、制表符、換行符和回車符。這些字元都沒有圖形表示，但是對于不同的應用程式，這些字元可能會影響文本的顯示效果。

"空" 表示在目前平台上不支援的字元。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/13771794/viewspace-664635/，如需轉載，請注明出處，否則将追究法律責任。

轉載于:http://blog.itpub.net/13771794/viewspace-664635/