字元編碼介紹 （一）
目錄1．基本概念 1
2．ascii和iso-8859 2
3．國標編碼 2
3.1．gb2312-80 2
3.2．gb13000（gbk） 3
3.3．gb18030-2000 4
4．big-5編碼 5
4.1．big-5簡介 5
4.2．big-5的問題 7
5．ucs和unicode 8
5.1．ucs（iso 10646） 8
5.2．ucs-2、ucs-4和三個語言平面 8
5.3．unicode 9
5.4．utf（utf-32、utf-16和utf-8） 10
5.5．中日韓統一漢字（cjk） 11
（1） 字元
什麼是字元？典型地，是字母。也可以是數字、句點、連字型大小、標點符號和數學符號，對於中文，也可以是漢字。還包括定義行尾和段落等的控制字元（一般不可見）。
（2） 編碼空間和碼點
在設計字符集時，首先要決定所需字元的數目，並確定所需字元的清單。根據字元的數目，可以設定整數值的上限，這個整數範圍稱為編碼空間（code space），其中的乙個特定整數稱為乙個碼點（code point）。然後，為字元清單中的每個字元指定乙個整數值，也就是乙個碼點。
這樣就得到乙個字符集，稱作編碼字符集（coded character set）。
（3） 編碼單元
在計算機系統的實現中，整數以特定大小的單元表示，通常為8位（1位元組），16位，或32位。在字元編碼中，這樣的單元稱為編碼單元（code unit）。
（4） 單位元組字符集、雙位元組字符集、多位元組字符集
在一些常用的編碼中，每個字元只使用乙個位元組表示，稱單位元組字符集（single-byte character set, sbcs）。這些字符集都僅限於256個字元。 雙位元組字符集（double-byte character set, dbcs）用於為東亞書寫系統中所使用成千上萬個表意字元提供足夠空間。
這裡的編碼仍是基於位元組的，不過是兩個位元組一起表示乙個單一的字元。即使在東亞，文字中也會包含小字母表中的字母，如拉丁字母表。這些字母使用單位元組表示的效率會更高。
因此，提出了多位元組字符集（multi-byte character set, mbdc），使用可變數目的位元組來表示字元。多位元組字符集通常與ascii相容，也就是說，在這種編碼中，拉丁字母使用與ascii中相同的位元組來表示。一些不常用的字元可能會使用三個甚至四個位元組編碼。
，用來制訂計算機中每個符號對應的**，這也叫做計算機的內碼(code)。每個ascii碼以1個位元組(byte)儲存，從0到數字127代表不同的常用符號，例如大寫a的ascii碼是65，小寫a則是97。由於ascii位元組的七個位，最高位並不使用，所以後來又將最高的乙個位也編入這套內碼中，成為八個位的延伸ascii(extended ascii)碼，這套內碼加上了許多外文和**等特殊符號，成為目前常用的內碼。
iso-8859對extended ascii做了詳細的定義和規範。
ascii共有32個控制字元和94個可列印字元。
gb2312 碼是中華人民共和國國家標準漢字資訊交換用編碼，全稱《資訊交換用漢字編碼字符集基本集》，標準號為 gb2312－80（gb 是「國標」二字的漢語拼音縮寫），由中華人民共和國國家標準總局發布，2023年5月1日實施。習慣上稱國標碼、gb 碼，或區位碼。它是乙個簡化字漢字的編碼，通行於中國大陸地區。
新加坡等地也使用這一編碼。
gb2312-80 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、俄文本母、漢語拼音符號、漢語注音字母，共 7445 個圖形字元。其中漢字以外的圖形字元 682 個，漢字 6763 個。
gb2312-80 規定，「對任意乙個圖形字元都採用兩個位元組（byte）表示。每個位元組均採用 gb 1988－80 及 gb 2311－80 中的七位編碼表示。兩個位元組中前面的位元組為第一位元組，後面的位元組為第二位元組。
」習慣上稱第一位元組為「高位元組」，第二位元組為「低位元組」。
gb2312-80 將**表分為 94 個區（section），對應第一位元組；每個區 94 個位（position），對應第二位元組。兩個位元組的值，分別為區號值和位號值各加 32（20h）。
gb2312-80 規定，01～09 區（原規定為 1～9 區，為表示區位碼方便起見，今改稱 01～09 區）為符號、數字區，16～87 區為漢字區。而 10～15 區、88～94 區是有待於「進一步標準化」的「空白位置」區域。但第 10 區推薦與第 3 區的 94 個圖形字元（即 gb 1988－80 中的 94 個圖形字元）相同，字形寬度為其寬度的一半。
gb2312-80 把收錄的漢字分成兩級。第一級漢字是常用漢字，計 3755 個，置於 16～55 區，按漢語拼音字母／筆形順序排列；第二級漢字是次常用漢字，計 3008 個，置於 56～87 區，按部首／筆畫順序排列。字音以普通話審音委員會發表的《普通話異讀詞三次審音總表初稿》（2023年出版）為準，字形以中華人民共和國文化部、中國文字改革委員會公布的《印刷通用漢字字形表》（2023年出版）為準。
為了與系統中基本的ascii字符集區分開，所有漢字編碼的每個位元組的第一位都是1。例如：「啊」字的編碼為0xb0a1。
gb2312的漢字編碼規則為：第乙個位元組的值在0xb0到0xf7之間，第二個位元組的值在0xa0到0xfe之間。
gb2312-80 僅收漢字 6763 個，這大大少於現有漢字，隨著時間推移及漢字文化的不斷延伸推廣，有些原來很少用的字，現在變成了常用字，例如：***的「鎔」字，未收入 gb2312-80。
為了解決這些問題，以及配合 unicode 的實施，全國資訊科技化技術委員會於 1995 年 12 月 1 日《漢字內碼擴充套件規範》，稱為gb13000，也稱gbk。gbk 向下與 gb2312 完全相容，向上支援 iso-10646 國際標準，在前者向後者過渡過程中起到的承上啟下的作用。
gbk是gb2312-80的擴充套件，是向上相容的。它包含了20902個漢字，其編碼範圍是0x8140-0xfefe，剔除高位0x80的字位。其所有字元都可以一對一對映到unicode2.
0。字集 gbk 共收入21886個漢字和圖形符號，包括：
。gb2312 中的全部漢字、非漢字符號。
。big5 中的全部漢字。
。與 iso-10646 相應的國家標準 gb13000 中的其它 cjk 漢字，以上合計 20902 個漢字。
。其它漢字、部首、符號，共計 984 個。
gbk 編碼區分三部分：
。漢字區包括
gbk/2：oxboa1-f7fe, 收錄 gb2312 漢字 6763 個，按原序排列；
gbk/3：ox8140-aofe，收錄 cjk 漢字 6080 個；
gbk/4：oxaa40-feao，收錄 cjk 漢字和增補的漢字 8160 個。
。圖形符號區包括
gbk/1：oxa1a1-a9fe，除 gb2312 的符號外，還增補了其它符號
gbk/5：oxa840-a9ao，擴除非漢字區。
。使用者自定義區
即 gbk 區域中的空白區，使用者可以自己定義字元。
gbk 亦採用雙位元組表示，總體編碼範圍為 8140-fefe 之間，首位元組在 81-fe 之間，尾位元組在 40-fe 之間，剔除 xx7f 一條線。
gb18030是最新標準，而且強制要求中國大陸境內的所有軟體產品都必須支援該標準。gb18030與gb 2312資訊處理交換碼所對應的事實上的內碼標準相容，在字彙上支援gb 13000.1的全部中、日、韓(cjk)統一漢字字元和全部cjk擴充a的字元，並且確定了編碼體系和27484個漢字，形成相容性、擴充套件性、前瞻性兼備的方案。
gb18030採用單位元組、雙位元組和四位元組三種方式對字元編碼。單位元組部分採用gb/t 11383的編碼結構與規則，使用0×00至0×7f碼位(對應於ascii碼的相應碼位)。雙位元組部分，首位元組碼位從0×81至0×fe，尾位元組碼位分別是0×40至0×7e和0×80至0×fe。
四位元組部分採用gb/t 11383未採用的0×30到0×39作為對雙位元組編碼擴充的字尾，這樣擴充的四位元組編碼，其範圍為0×81308130到0×fe39fe39。其中第
一、三個位元組編碼碼位均為0×81至0×fe，第
二、四個位元組編碼碼位均為0×30至0×39。碼位總體結構見下圖。
雙位元組部分收錄內容主要包括gb13000.1全部cjk漢字20902個、有關標點符號、表意文字描述符13個、增補的漢字和部首/構件80個、雙位元組編碼的歐元符號等。
四位元組部分收錄了上述雙位元組字元之外的，包括cjk統一漢字擴充a在內的gb 13000.1中的全部字元。
gb18030編碼空間約為160萬碼位，目前已編碼的字元約2.6萬。隨著我國漢字整理和編碼研究工作的不斷深入，以及國際標準iso/iec 10646的不斷發展，gb18030所收錄的字元將在新版本中增加。
字元編碼筆記
字元編碼筆記 ascii，unicode和utf 8 我們知道，在計算機內部，所有的資訊最終都表示為乙個二進位制的字串。每乙個二進位制位 bit 有0和1兩種狀態，因此八個二進位制位就可以組合出256種狀態，這被稱為乙個位元組 byte 也就是說，乙個位元組一共可以用來表示256種不同的狀態，每乙個...
GEN2產品介紹
採用交流變頻變壓驅動，同時可轉換成休眠狀態，節約能耗。採用向量控制，保證電梯在起動和執行及減速停止的狀態都能平穩快 速響應。採用數字式編碼器和負載稱重來實現閉環控制，保證連續高效控制。採用專用的泡沫填充材料，使控制櫃內部的空間利用率高，通風良好，提高了散熱效率高，同時對精密的電子部件起保護作用。轎廂...
Jsp頁面中的字元編碼方式與亂碼解決方法
3 request.setcharacterencoding utf 8 的作用是設定對客戶端請求進行編碼的方式 該方法用來指定對瀏覽器傳送來的資料進行編碼的編碼方式。4 response.setcharacterencoding utf 8 的作用是指定伺服器響應的編碼方式 伺服器在將資料傳送到瀏...