linux的国家代码,Linux系统下编码（一）

字符编码小结

一，Unicode编码

Unicode编码是一个字符的二进制字符集代码，却没有规定二进制代码如何存储。

UTF-8编码(UTF-8是Unicode编码的一种实现方式之一)

(1)特点：是一种变成编码方式(根据不同的字符变化字节长度)，可以使用1~4个字节表示一个字符。

(2)编码规则

A．

对于单字节的符号，字节的第一位设为0，后面7位为这个符号的Unicode编码。(对于英文字母UTF-8和ASCII编码是相同的)。

B．

对于n个字节的符号(n>1),第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位均设为10.其余的二进制位全部为此字符的Unicode码。

Unicode字符范围(十六进制)

UTF-8编码方式(二进制)

0000 0000-0000 007F

0XXX XXXX

0000 0080-0000 07FF

110XXXXX 10XXXXXX

0000 0800-0000 FFFF

1110XXXX 10XXXXXX 10XXXXXX

0001 0000-0010 FFFF

11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

例子：汉字“严”字。

第一步：查找“严”字的Unicode编码()即：4E25。

第二步：将其转换成二进制(0100 1110 0010 0101)。

第三步：确定Unicode所在的范围(根据上表)，为范围三。

第四步：转换(如下表)

Unicode(二进制)

0100 1110 0010 0101

UTF-8范围(二进制)

1110XXXX 10XXXXXX 10XXXXXX

Unicode(二进制调续)

(DEL)0100 111000 100101

最后结果

11100100 10111000 10100101

最后结果(十六进制)

E4B8A5H

二linux编码，Unicode存储

1．采用(UCS-2)格式直接存储(用两个字节存储)。

2．Little endian指的是小的在前；Big

endian指的是大的在前。

例如：4E25H：4E在前；25在后——Little endian

4E25H：25在前；4E在后——Big endian

3.规定：(Unicode存储)——每一个文件最前面分别加入一个编码顺序的字符，个字符的名字叫做“零宽度非换行空格(ZERO WDITH

NO-BREAK

SPACE)”用FEFF表示(FF>FE)。如果一个文件的开头是FEFF，说明这个文件采用的是大头方式；反之，采用的小头方式

三，ASCII(American Standard Code for Information

Interchange)编码同GB2312的关系

一个小于127的字符的意义与原来的相同(ASCII表)，两个大于127的字符连接起来表示一个汉字，前面的一个字节(高字节：0xA1~0xF7)，后面的一个字节为(低字节：0xA1~0xFE)。

全角：ASCII表中小于127的字符用双字节表示。

半角：ASCII表中小于127的字符用单字节表示。

此时就得到了编码集——GB2312。(7000个汉字)。

四，GBK编码(由于GB2312对于人名、古汉语等罕见用字处理不足的原因)

第一个字节大于127就表示一个汉字的开始。(包括了GB2312的所有内容20000个新的汉字)。扩展了GB18030编码集。

五，双字节字符集(DBCS——Double Byte Character Set)

六，UCS编码

俗称：UNICODE(Universal Multiple-Octet Coded Character

Set)

由(ISO——国际标准化组织)提出。

规定：一律用两个字节16位统一表示字符，此时原有的ASCII半角只有低8位没有高8位，(解决：高8位用“0”补充)所以，此时一个汉字是一个字符，两个字节。

“一个汉字算两个字节，一个汉字不再算两个英文字符。”

七，UTF(UCS Transfer Format——Unicode传输格式)

UTF-8：代表每次8位传输数据。

UTF-16：代表每次16位传输数据。

八，GB2312编码

GB2312(或GB2312-80)简体中文字符集的中国国家标准，全称《信息交换用汉字编码字符集—基本集》。

1.颁布单位：中国国家标准总局。

2.颁布时间：1981年5月1日。

3.适用地区：大陆、新加坡等。

4.表示方式：分区表示(“分区”处理)。

每个区有94个汉字/字符，(也称“区位码”)。

01~09区——特殊字符；

16~55区——一级汉字，按拼音排序；

56~87区——二级汉字，按部首/笔画排序；

10~15和88~94区未有编码。

5.字节结构

兼容ASCII编码，采用EUC存储方式。

每个汉字用两个字节表示：第一个字节为“高位字节”；第二个字节为“低位字节”。

○“高位字节”使用了0xA1~0xF7(把01~87区的区号加上0xA0)；

○“低位字节”使用了0xA1~0xFE(把01~94区的区号加上0xA0)。

例子：

“啊”字的存储方式，以0xB0A1存储【0xB0=0xA0+16；0xA1=0xA0+1】

（编辑：拼字网 - 核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!