计算机字符编码编年史

计算机字符编码编年史

标签（空格分隔）： Java基础

---

话说字符编码

各种各样的编码标准搞得头大,哪哪分不清。so,想按照字符编码出现的时间顺序做一个梳理。

1.ASCII

　ASCII,American Standard Code for Information Interchange，美国信息交换标准代码.
　由电报码发展而来。

1. 1963年发布第一版标准
2. 1967年经历了一次主要修订
3. 1986年进行了最后一次更新
   至今为止共定义了128个字符；

其中33个字符无法显示,95个可显示的字符

　　

ASCII的缺点

ASCII的局限在于只能显示26个基本拉丁字母、阿拉伯数字和英式标点符号，因此只能用于显示现代美国英语

2.ANSI

老美发明计算机,ASCII编码就满足使用了。但是计算机这么好的东西,世界人民都想使用,但是128个字符毛毛雨啊,完全不够用。so,开始各显神通,编码标准进入ANSI阶段

先来介绍下ANSI编码标准所规定的内容包含的含义：

1. 使用那些字符。也就是说哪些汉字，字母和符号会被收入标准中。所包含“字符”的集合就叫做“字符集”
2. 规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码”
   接着来看下国内是如何制作编码标准的,前后经历了那些标准？

中国大陆的ANSI

1. GB 2312-1980
   GB2312发布于1980年,通用于中国大陆,新加坡等地也采用此编码。
2. GB 13000-1993
   第一次颁布是在1993年
3. GBK
   《汉字编码扩展规范》(GBK)发布于1995年。GBK与GB 2312兼容。
4. GB 18030-2000
   国家标准GB18030-2000《信息交换用汉字编码字符集基本集的补充》,2000年发布
   完全兼容GB 2312,与GBK基本向后兼容,完全支持unicode.
5. GB 18030-2005
   GB18030-2005《信息技术中文编码字符集》是我国制订的以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余个

中国港澳台

Big5,1983年发布繁体中文通行区。

3.Unicode

ANSI可谓编码界的战国时代,你搞你的,我搞我的。
中国有GBxxx,Big5
日本有Jis
英文有ASCII
...
不同的字符集标准是不能再多语环境下正常解析的。乱码是个大问题。
so,一个大一统的编码标准应运而生-Unicode
Unicode (万国码、国际码、统一码)。它对世界上大部分的文字系统进行了整理、编码，使得电脑可以用更为简单的方式来呈现和处理文字

Unicode与 ISO的故事

位于美国加州的Unicode组织允许任何愿意支付会费的公司和个人加入，其成员包含了主要的电脑软硬件厂商，例如Adobe系统、苹果公司、惠普、IBM、微软、施乐等。

20世纪80年代末，组成 Unicode
组织的商业机构，和国际合作的国际标准化组织因为电脑普及和信息国际化的前提下，
分别各自成立了 Unicode 组织[3]和 ISO-10646 工作小组。他们不久便发现对方的存在，大家为着相同的目的而工作。1991 
年，Unicode Consortium 与 ISO/IEC JTC1/SC2 同意保持 Unicode 码表与 ISO 10646 标准保持兼容并密切协调各自标准近一步的扩展。虽然实际上两者的字集编码相同，但
实质上两者确实为两个不同的标准。Unicode 1.1 对应于 ISO 10646-1:1993，Unicode 3.0 对应于 ISO 10646-1:2000，
Unicode 3.2 对应于 ISO 10646-2:2001，Unicode 4.0 对应于 ISO 10646:2003，Unicode 5.0 对应于 ISO 10646:2003

Unicode的问题

Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储

比如，汉字严的 Unicode 是十六进制数4E25，转换成二进制数足足有15位（100111000100101），也就是说，这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。

这里就有两个严重的问题，第一个问题是，如何才能区别 Unicode 和 ASCII ？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果 Unicode 统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。

4.UTF-8

互联网的普及，强烈要求出现一种统一的编码方式。UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式

此外还有 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示），不过在互联网上基本不用

5.总结

几篇文章拼凑着看下来之后,对编码标准大致的有了一个了解。

---

参考文献
维基百科ASCII
阮一峰的网络日志
维基百科Unicode
国标GBxxxxxx参考百度百科

原文链接:https://www.cnblogs.com/JQKA/p/12133453.html
如有疑问请与原作者联系

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有