168现场开奖结果现 场| 手机现场开奖结果直播| 八仙全传之八仙过海| 文字锁屏下载| 八仙过海的故事| 444234金明世家特网| 心水资料| 济公精准一句爆特诗| 最老版管家婆一句爆特| 绍兴彩虹名家| 心水丹池全文书包网| 摇钱树心论坛334435| 小鱼网招聘| 超经典一字| 乐彩论坛17500| 电子版图书免费下载| 小鱼儿玄机2站3o码必中| 3d今日字谜| 太湖钓叟钱庄快报| 管家婆解梦26| vlan tag超经典解释| 文征明梅花诗| 香港马会九龙图库资料| 红梅生肖玄机网| 文征明梅花诗全文| 香港正版葡京赌侠资料| 17500乐彩网论坛| 2018正版免费全年资料| 4887铁算盘四肖中特l| 摇钱树心论坛334435| 香港正版挂牌最快最新| 乐彩网175000| 广东十虎周泰是哪里的| 七字解码| 心水丹池| 皇家彩票网址是哪个| 八仙全传之八仙过海| 正版香港金明世家2017| 任我发料的最高心水| 2018白小姐一肖中特马| 下期六肖公式规律| 天下彩票资料料大全| 任我发料的最高心水| 17500乐彩网首页网| 老总信箱| 八仙过海各显神通| 心水丹池全文免费阅读| 永久平码平肖公式规律| 任我发心水65223.| 中国网球公开赛订票| 千年摇钱树| 水彩名家| 喜中网4969cc网站| 曾道免费资料大全正版l| 心水丹池妈妈网| 小鱼儿二站玄机2| 123马经历史图库彩图| 正常进入天下彩6363| 心水丹池全文书包网| 摇钱树心论坛334435| 东方心经玄机玻色生肖| 老版跑狗图彩图玄机图| 四川话搞笑段子超经典| 佛法三字诀| 打鱼机技巧和赢钱秘诀| 118论坛神童网宝马平码| 新版跑狗图| 246天天好彩 玄机图| 香港正版幽默生活玄机| 财神奇缘| 奇缘一玄机| 时时彩赢钱秘诀| 今期黄大仙救世报彩图| 乐彩网| 太湖钓叟钱庄快报| 四字梅花诗 12月12日| 本港报马现场开奖结果| 任我发料的最高心水| 七字解码玄机开吗| 今晚六给彩开什么特吗| 002期管家婆解梦| 武财神图片| 四川话搞笑段子超经典| 乖乖图库开奖结果| 金彩| 财神简笔画图片| 广东十虎电影全集| 名家点彩| 四字诗解| 二四六天天好彩资料| 财神爷图片| 生肖幽默| 17500乐彩网首页电脑版| 奇缘一玄机| 香港马会黄大仙救世网| 118彩图图库跑狗图118| 图片欣赏| 今期黄大仙救世报彩图| 天下彩天空,彩与你同行| 文字主题| 我心水你什么意思| 100彩色厍图库| 2018新版跑狗图玄机图| 红姐统一图库彩图| 精准高手论坛免费资料| 香港马会公式规律大全| 福彩3d太湖钓叟字谜| 特肖公式规律发表论坛| 免费资料大全| 蜂鸟论坛| 香港马会内部资料大全| 竞彩点播| 金彩平台| 小鱼儿2站玄机开奖结果| 2018正版免费全年资料| 这里才是红姐统一图库| 香港100%最准一肖中特| 太湖钓叟钱庄快报| 福彩3d天天彩图报纸全| 管家婆心水坛论白小姐| 任我发心水主论坛出码| 天下天空彩票免费大全| 小鱼儿第二玄机站精准| 黄大仙救世报彩图2016| 2018刘伯温玄机送特| 乐彩论坛17500| 小鱼儿二站玄机2| 生活幽默玄机| 福彩3d天天彩图报纸全| 118开奖| 乐彩论坛| 精选玄机2018年| 今期马会挂牌正版彩图| 宝马论坛133222管家婆| 2018心水特碼玄机报| 摇钱树黄大仙334435| 双色球历史同期出号| 红财神报新图| 熊猫四川麻将赢钱秘诀| 中国水彩画名家| 黄大仙综合资料大全| 竞彩足球| 心水丹池妈妈网| 福彩3d喜来登图迷| 金彩网高手网f49.cc| 香港正版四不像图2018| 今天福彩太湖钓叟字谜| 八仙全传之八仙过海| 78345黄大仙救世网开奖| 摇钱树心论坛334435| 手机现场开奖结果直播| 猛虎报,花仙孑,财神报| 猛虎报,花仙孑,财神报| 67244金明世家| 挂牌之全篇(最完整篇)| 生活幽默的生肖| 字谜图谜大全| 马会玄机| 如何看彩皇网的计划| 时时彩赢钱秘诀| 小鱼儿二站玄机资料| 心水丹迟txt百度云| 天下彩天空,彩与你同行| 小鱼儿二站玄机| 红姐统一图库彩图| 八仙过海各显神通| 2018年马会免费资料| 03024百万文字论坛| 金彩网天下彩特彩吧| 香港红姐彩色统一图库| 4969cc喜彩网| 跑狗社区了知专区| 港彩公式规律高手论坛| 四字诗| 兰花四字诗| 2018高清跑狗图玄机图| 七字解码玄机开吗| 财神奇缘一奇缘二| 浅绛彩名家排名| 七字解码,每周四肖| 玄机看生肖| 百万文字综合论坛资料| 亚视资料大全| 如何看彩皇网的计划| 文征明梅花诗书法| 2018年今期跑狗玄机图| 天天图库| 香港挂牌彩图| 118彩色厍图库| 金彩网天下彩原版正料| 新一代跑狗玄机论坛| 马会免费资料大全2018| 小鱼网二手车| 财神报自动更新| 高手解马跑狗社区| 二四六天天好彩免费168| 六彩堂| 小魚儿玄机2站| 今日3d图谜总汇全图九| 正版资料| 竞彩网| 老版跑狗图网站2017| 118香港开奖118kj.com| 兰花四字诗| 122144黄大仙正救世网| 2018年内部玄机黑白图| 广东十虎电影| 老钱庄高手论坛5码中特| 高手解玄机| 超经典一字| 太湖钓叟是哪里的| 118厍图九龙图库.乖乖| 387777摇钱树网站| 2017彩图 123历史图库| 救世论坛神童网精准 独| 超经典电影| 字谜图谜| 专解红字信箱高手解料| 黄大仙救世网| 救世论坛神童网精准 独| 黄大仙一句爆特| 885333白小姐玄机资料| 漫画玄机图| 藏宝阁 一句爆特| 一句爆特平| 香港正版红蓝绿财神报| 2018香港正挂挂牌彩图| 玄机图| 太湖钓叟| 永久平码平肖公式规律| 东方心经马报资料2018| 香港马会内部免费资料| 字谜图谜大全| 跑狗社区| 黄大仙救世网一句解特| 小鱼儿第二玄机站| 小鱼儿二站玄机资料| 马会免费资料大全2018| 六信红字信箱百万论坛| 跑狗网高手解跑狗玄机| 超经典一字| 80008000香港金明世家| 中马堂清高老版跑狗图| 马会玄机| 798790百万文字论坛1| 百万文字论坛| 跑狗网高手解跑狗玄机| 高手解马跑狗社区| 老总信箱| 家电论坛| 118图库彩图印刷区| 18图库彩图| 2018年今期跑狗玄机图| 小鱼儿玄机二站开奖| 分析预测| 2018高清跑狗图玄机图| 今期高清跑狗玄机图| 全年资料,全年资料大全| 八仙过海心水论坛| 黄大仙救世报彩图1一2| 广东十虎谁最厉害| 管家婆高手论坛中特| 118论坛神童网 宝马| 小鱼儿第二玄机站精准| 天天好彩

- 喜中网手机看图解码玄机资料 - hzair.cc

2018-08-17 20:47 来源:凤凰平台zc9660.com

   - 喜中网手机看图解码玄机资料 - hzair.cc

  天天好彩”湖南长株潭广联生猪交易市场有限公司总经理朱永胜自豪地说。昨天中方在第一时间表明了严正态度。

”高洪波说,作为一名老将,能够至今保持如此好的状态,与郑智多年的刻苦训练是分不开的,考虑到在预选赛最后两场比赛中,队伍会倾向于加快攻防速度,所以才没有选择郑智。坠机事件发生后,马来西亚总理纳吉布亲自赶赴顿涅茨克,从中斡旋获得飞机的黑匣子,并将调查权交予荷兰。

  3月上旬,对其中包括田振东司令的父亲田旺和其参谋长朱小飞等14人,命令“在昌图县城南空地上把他们枪杀了”。近期,日本企图“绑架”七国集团点名批评中国的阴谋破产,便显示出欧方从中所起到的作用。

  爱泼斯坦暗示罗伯茨也可以像他一样变得有钱。丰田全新氢燃料电池车FCV电池汽车为轿车车型,将率先在东京、名古屋、大阪、福冈四大城市发售,美国及欧洲市场预定2015年夏天开始发售。

中国台湾网(,简称台湾网)是国务院台办管理的国家重点新闻网站,是涉台服务的综合门户网站,是两岸交流合作的权威平台。

  随着中国经济和全球化的进一步发展,越来越多的中国企业和品牌出现在海外市场,尤其是在亚洲、非洲和拉美国家,让越来越多的中低等收入的消费者共享经济合作的好处。

  并将这一条作为宪法第5条第1款,正式将依法治国确立为宪法的基本原则,通过国家根本法对依法治国予以保障,使其有了宪法保障,也使“依法治国”这一基本方略有了长期性、稳定性的制度基础。”今年国庆电影被称为“史上竞争最激烈”的黄金周。

  不少乘客吐槽,航空公司价高服务少,有变相涨价之嫌,且担心有进一步扩大的苗头。

  目前,已经确认机上没有中国乘客。不管退休还是在任,不管处于什么位置,终身对做出的决策负责任。

  廉洁出了问题,一切都等于0。

  天天好彩我国正处于社会主义初级阶段,全面建成小康社会进入决定性阶段,改革进入攻坚期和深水区,国际形势复杂多变,我们党面对的改革发展稳定任务之重前所未有、矛盾风险挑战之多前所未有,依法治国在党和国家工作全局中的地位更加突出、作用更加重大。

  不管谁家有点什么事,总会第一个想到他。人民网网页所涉及的任何资料(包括但不限于文字报导、图片、声音、录像、图表、广告、域名、软件、程序、版面设计、专栏目录与名称、内容分类标准)的版权均属人民网和资料提供者所有。

  二四六天天好彩 二四六天天好彩资料 246天天好彩免费资料大全

   - 喜中网手机看图解码玄机资料 - hzair.cc

 
责编:
欢迎来到DIVCSS5查找CSS资料与学习DIV CSS布局技术!
您的位置:DIVCSS5首页 > HTML入门 >

UTF-8 GBK UTF8 GB2312之间的区别和关系

二四六天天好彩资料 位于河北区、红桥区的多处新房售楼处,看房人数量和以往相比没有明显变化。

UTF-8:Unicode TransformationFormat-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是国家标准GB2312基础上扩容后兼容GB2312的标准。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。

GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换:
GBK、GB2312--Unicode--UTF8
UTF8--Unicode--GBK、GB2312

DIVCSS5简单从功能上说:

1、GBK通常指GB2312编码 只支持简体中文字

2、utf通常指UTF-8,支持简体中文字、繁体中文字、英文、日文、韩文等语言(支持文字更广)

3、通常国内使用utf-8和gb2312,看自己需求选择

具体详细介绍如下:

对于一个网站、论坛来说,如果英文字符较多,则建议使用UTF-8节省空间。不过现在很多论坛的插件一般只支持GBK。
个编码的区别详细解释
简单来说,unicode,gbk和大五码就是编码的值,而utf-8,uft-16之类就是这个值的表现形式.而前面那三种编码是一兼容的,同一个汉字,那三个码值是完全不一样的.如"汉"的uncode值与gbk就是不一样的,假设uncode为a040,gbk为b030,而uft-8码,就是把那个值表现的形式.utf-8码完全只针对uncode来组织的,如果GBK要转UTF-8必须先转uncode码,再转utf-8就OK了.

详细的就见下面转的这篇文章.

谈谈Unicode编码,简要解释UCS、UTF、BMP、BOM等名词
这是一篇程序员写给程序员的趣味读物。所谓趣味是指可以比较轻松地了解一些原来不清楚的概念,增进知识,类似于打RPG游戏的升级。整理这篇文章的动机是两个问题:

问题一:
使用Windows记事本的“另存为”,可以在GBK、Unicode、Unicode big endian和UTF-8这几种编码方式间相互转换。同样是txt文件,Windows是怎样识别编码方式的呢?

我很早前就发现Unicode、Unicode bigendian和UTF-8编码的txt文件的开头会多出几个字节,分别是FF、FE(Unicode),FE、FF(Unicode bigendian),EF、BB、BF(UTF-8)。但这些标记是基于什么标准呢?

问题二:
最近在网上看到一个ConvertUTF.c,实现了UTF-32、UTF-16和UTF-8这三种编码方式的相互转换。对于Unicode编码(UCS2)、GBK、UTF-8这些编码方式,我原来就了解。但这个程序让我有些糊涂,想不起来UTF-16和UCS2有什么关系。
查了查相关资料,总算将这些问题弄清楚了,顺带也了解了一些Unicode的细节。写成一篇文章,送给有过类似疑问的朋友。本文在写作时尽量做到通俗易懂,但要求读者知道什么是字节,什么是十六进制。

0、big endian和little endian
big endian和littleendian是CPU处理多字节数的不同方式。例如“汉”字的Unicode编码是6C49。那么写到文件里时,究竟是将6C写在前面,还是将49写在前面?如果将6C写在前面,就是big endian。如果将49写在前面,就是little endian。

“endian”这个词出自《格列佛游记》。小人国的内战就源于吃鸡蛋时是究竟从大头(Big-Endian)敲开还是从小头(Little-Endian)敲开,由此曾发生过六次叛乱,一个皇帝送了命,另一个丢了王位。

我们一般将endian翻译成“字节序”,将big endian和little endian称作“大尾”和“小尾”。

1、字符编码、内码,顺带介绍汉字编码
字符必须编码后才能被计算机处理。计算机使用的缺省编码方式就是计算机的内码。早期的计算机使用7位的ASCII编码,为了处理汉字,程序员设计了用于简体中文的GB2312和用于繁体中文的big5。

GB2312(1980年)一共收录了7445个字符,包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7,低字节从A1-FE,占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号,它分为汉字区和图形符号区。汉字区包括21003个字符。

从ASCII、GB2312到GBK,这些编码方法是向下兼容的,即同一个字符在这些方案中总是有相同的编码,后面的标准支持更多的字符。在这些编码中,英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼,GB2312、GBK都属于双字节字符集 (DBCS)。

2000年的GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字,同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。从汉字字汇上说,GB18030在GB13000.1的20902个汉字的基础上增加了CJK扩展A的6582个汉字(Unicode码0x3400-0x4db5),一共收录了27484个汉字。

CJK就是中日韩的意思。Unicode为了节省码位,将中日韩三国语言中的文字统一编码。GB13000.1就是ISO/IEC 10646-1的中文版,相当于Unicode 1.1。

GB18030的编码采用单字节、双字节和4字节方案。其中单字节、双字节和GBK是完全兼容的。4字节编码的码位就是收录了CJK扩展A的6582个汉字。例如:UCS的0x3400在GB18030中的编码应该是8139EF30,UCS的0x3401在GB18030中的编码应该是8139EF31。

微软提供了GB18030的升级包,但这个升级包只是提供了一套支持CJK扩展A的6582个汉字的新字体:新宋体-18030,并不改变内码。Windows 的内码仍然是GBK。

这里还有一些细节:

GB2312的原文还是区位码,从区位码到内码,需要在高字节和低字节上分别加上A0。

对于任何字符编码,编码单元的顺序是由编码方案指定的,与endian无关。例如GBK的编码单元是字节,用两个字节表示一个汉字。这两个字节的顺序是固定的,不受CPU字节序的影响。UTF-16的编码单元是word(双字节),word之间的顺序是编码方案指定的,word内部的字节排列才会受到endian的影响。后面还会介绍UTF-16。

GB2312的两个字节的最高位都是1。但符合这个条件的码位只有128*128=16384个。所以GBK和GB18030的低字节最高位都可能不是1。不过这不影响DBCS字符流的解析:在读取DBCS字符流时,只要遇到高位为1的字节,就可以将下两个字节作为一个双字节编码,而不用管低字节的高位是什么。

2、Unicode、UCS和UTF
前面提到从ASCII、GB2312、GBK到GB18030的编码方法是向下兼容的。而Unicode只与ASCII兼容(更准确地说,是与ISO-8859-1兼容),与GB码不兼容。例如“汉”字的Unicode编码是6C49,而GB码是BABA。

Unicode也是一种字符编码方法,不过它是由国际组织设计,可以容纳全世界所有语言文字的编码方案。Unicode的学名是"UniversalMultiple-Octet Coded Character Set",简称为UCS。UCS可以看作是"Unicode CharacterSet"的缩写。

根据维基百科全书(http://zh.wikipedia.org.hzair.cc/wiki/)的记载:历史上存在两个试图独立设计Unicode的组织,即国际标准化组织(ISO)和一个软件制造商的协会(unicode.org)。ISO开发了ISO 10646项目,Unicode协会开发了Unicode项目。

在1991年前后,双方都认识到世界不需要两个不兼容的字符集。于是它们开始合并双方的工作成果,并为创立一个单一编码表而协同工作。从Unicode2.0开始,Unicode项目采用了与ISO 10646-1相同的字库和字码。

目前两个项目仍都存在,并独立地公布各自的标准。Unicode协会现在的最新版本是2005年的Unicode 4.1.0。ISO的最新标准是ISO 10646-3:2003。

UCS只是规定如何编码,并没有规定如何传输、保存这个编码。例如“汉”字的UCS编码是6C49,我可以用4个ascii数字来传输、保存这个编码;也可以用utf-8编码:3个连续的字节E6 B189来表示它。关键在于通信双方都要认可。UTF-8、UTF-7、UTF-16都是被广泛接受的方案。UTF-8的一个特别的好处是它与ISO-8859-1完全兼容。UTF是“UCS Transformation Format”的缩写。

IETF的RFC2781和RFC3629以RFC的一贯风格,清晰、明快又不失严谨地描述了UTF-16和UTF-8的编码方法。我总是记不得IETF是Internet Engineering Task Force的缩写。但IETF负责维护的RFC是Internet上一切规范的基础。

2.1、内码和code page
目前Windows的内核已经支持Unicode字符集,这样在内核上可以支持全世界所有的语言文字。但是由于现有的大量程序和文档都采用了某种特定语言的编码,例如GBK,Windows不可能不支持现有的编码,而全部改用Unicode。

Windows使用代码页(code page)来适应各个国家和地区。code page可以被理解为前面提到的内码。GBK对应的code page是CP936。

微软也为GB18030定义了code page:CP54936。但是由于GB18030有一部分4字节编码,而Windows的代码页只支持单字节和双字节编码,所以这个code page是无法真正使用的。

3、UCS-2、UCS-4、BMP
UCS有两种格式:UCS-2和UCS-4。顾名思义,UCS-2就是用两个字节编码,UCS-4就是用4个字节(实际上只用了31位,最高位必须为0)编码。下面让我们做一些简单的数学游戏:

UCS-2有2^16=65536个码位,UCS-4有2^31=2147483648个码位。

UCS-4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个plane。每个plane根据第3个字节分为256行 (rows),每行包含256个cells。当然同一行的cells只是最后一个字节不同,其余都相同。

group 0的plane 0被称作Basic Multilingual Plane, 即BMP。或者说UCS-4中,高两个字节为0的码位被称作BMP。

将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节,就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。

4、UTF编码

UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下:

UCS-2编码(16进制) UTF-8 字节流(二进制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx

例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间,所以肯定要用3字节模板了:1110xxxx 10xxxxxx10xxxxxx。将6C49写成二进制是:0110 110001 001001, 用这个比特流依次代替模板中的x,得到:1110011010110001 10001001,即E6 B1 89。

读者可以用记事本测试一下我们的编码是否正确。需要注意,UltraEdit在打开utf-8编码的文本文件时会自动转换为UTF-16,可能产生混淆。你可以在设置中关掉这个选项。更好的工具是Hex Workshop。

UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码,UTF-16编码就等于UCS码对应的16位无符号整数。对于不小于0x10000的UCS码,定义了一个算法。不过由于实际使用的UCS2,或者UCS4的BMP必然小于0x10000,所以就目前而言,可以认为UTF-16和UCS-2基本相同。但UCS-2只是一个编码方案,UTF-16却要用于实际的传输,所以就不得不考虑字节序的问题。

5、UTF的字节序和BOM
UTF-8以字节为编码单元,没有字节序的问题。UTF-16以两个字节为编码单元,在解释一个UTF-16文本前,首先要弄清楚每个编码单元的字节序。例如“奎”的Unicode编码是594E,“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”,那么这是“奎”还是“乙”?

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表,而是Byte order Mark。BOM是一个有点小聪明的想法:

在UCS编码中有一个叫做"ZERO WIDTH NO-BREAKSPACE"的字符,它的编码是FEFF。而FFFE在UCS中是不存在的字符,所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前,先传输字符"ZERO WIDTH NO-BREAK SPACE"。

这样如果接收者收到FEFF,就表明这个字节流是Big-Endian的;如果收到FFFE,就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

UTF-8不需要BOM来表明字节顺序,但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAKSPACE"的UTF-8编码是EF BB BF(读者可以用我们前面介绍的编码方法验证一下)。所以如果接收者收到以EF BBBF开头的字节流,就知道这是UTF-8编码了。

Windows就是使用BOM来标记文本文件的编码方式的。

6、进一步的参考资料
本文主要参考的资料是 "Short overview of ISO-IEC 10646 and Unicode" (http://www.nada.kth.se.hzair.cc/i18n/ucs/unicode-iso10646-oview.html)。

我还找了两篇看上去不错的资料,不过因为我开始的疑问都找到了答案,所以就没有看:

"Understanding Unicode A general introduction to the Unicode Standard" (http://scripts.sil.org.hzair.cc/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter04a)
"Character set encoding basics Understanding character set encodings and legacy encodings" (http://scripts.sil.org.hzair.cc/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter03)
我写过UTF-8、UCS-2、GBK相互转换的软件包,包括使用Windows API和不使用Windows API的版本。以后有时间的话,我会整理一下放到我的个人主页上

我是想清楚所有问题后才开始写这篇文章的,原以为一会儿就能写好。没想到考虑措辞和查证细节花费了很长时间,竟然从下午1:30写到9:00。希望有读者能从中受益。

附录1 再说说区位码、GB2312、内码和代码页
有的朋友对文章中这句话还有疑问:
“GB2312的原文还是区位码,从区位码到内码,需要在高字节和低字节上分别加上A0。”

我再详细解释一下:

“GB2312的原文”是指国家1980年的一个标准《中华人民共和国国家标准 信息交换用汉字编码字符集 基本集 GB2312-80》。这个标准用两个数来编码汉字和中文符号。第一个数称为“区”,第二个数称为“位”。所以也称为区位码。1-9区是中文符号,16-55区是一级汉字,56-87区是二级汉字。现在Windows也还有区位输入法,例如输入1601得到“啊”。(这个区位输入法可以自动识别16进制的GB2312和10进制的区位码,也就是说输入B0A1同样会得到“啊”。)

内码是指操作系统内部的字符编码。早期操作系统的内码是与语言相关的。现在的Windows在系统内部支持Unicode,然后用代码页适应各种语言,“内码”的概念就比较模糊了。微软一般将缺省代码页指定的编码说成是内码。

内码这个词汇,并没有什么官方的定义,代码页也只是微软这个公司的叫法。作为程序员,我们只要知道它们是什么东西,没有必要过多地考证这些名词。

所谓代码页(code page)就是针对一种语言文字的字符编码。例如GBK的code page是CP936,BIG5的code page是CP950,GB2312的code page是CP20936。

Windows中有缺省代码页的概念,即缺省用什么编码来解释字符。例如Windows的记事本打开了一个文本文件,里面的内容是字节流:BA、BA、D7、D6。Windows应该去怎么解释它呢?

是按照Unicode编码解释、还是按照GBK解释、还是按照BIG5解释,还是按照ISO8859-1去解释?如果按GBK去解释,就会得到“汉字”两个字。按照其它编码解释,可能找不到对应的字符,也可能找到错误的字符。所谓“错误”是指与文本作者的本意不符,这时就产生了乱码。

答案是Windows按照当前的缺省代码页去解释文本文件里的字节流。缺省代码页可以通过控制面板的区域选项设置。记事本的另存为中有一项ANSI,其实就是按照缺省代码页的编码方法保存。

Windows的内码是Unicode,它在技术上可以同时支持多个代码页。只要文件能说明自己使用什么编码,用户又安装了对应的代码页,Windows就能正确显示,例如在HTML文件中就可以指定charset。

有的HTML文件作者,特别是英文作者,认为世界上所有人都使用英文,在文件中不指定charset。如果他使用了0x80-0xff之间的字符,中文Windows又按照缺省的GBK去解释,就会出现乱码。这时只要在这个html文件中加上指定charset的语句,例如:
<meta http-equiv="Content-Type" content="text/html; charset=ISO8859-1">
如果原作者使用的代码页和ISO8859-1兼容,就不会出现乱码了。

再说区位码,啊的区位码是1601,写成16进制是0x10,0x01。这和计算机广泛使用的ASCII编码冲突。为了兼容00-7f的ASCII编码,我们在区位码的高、低字节上分别加上A0。这样“啊”的编码就成为B0A1。我们将加过两个A0的编码也称为GB2312编码,虽然GB2312的原文根本没提到这一点。

编码相关HTML教程:

1、html utf-8 gb2312编码正确转化
2、utf-8和gb2312编码如何判断选择
3、HTML charset
4、html网页乱码原因
5、html中文乱码

扩展必备css中文字体转码表

如需转载,请注明文章出处和来源网址:http://www-divcss5-com.hzair.cc/html/h53.shtml

我要分享到:

必备CSS教程 Essential CSS Tutorials

必备HTML基础教程 Essential HTML Tutorials

如对文章有任何疑问请提交到DIV CSS论坛,或有任何网页制作CSS问题立即到CSS论坛发贴求解 或 直接DIVCSS5网页顶部搜索遇到DIVCSS疑问。
CSS教程文章修订日期:2018-08-17 11:30 原创:DIVCSS5
本文www.divcss5.com DIVCSS5版权所有。

二四六天天好彩 二四六天天好彩资料 246天天好彩免费资料大全 二四六天天好彩资料 天天好彩