深圳全飞鸿

标题: 越南文，ansi, utf-8, unicode [打印本页]

作者: zhgc 时间: 2022-8-14 10:31
标题: 越南文，ansi, utf-8, unicode
本帖最后由 zhgc 于 2022-8-14 11:14 编辑

越南文，ansi, utf-8, unicode

作者: zhgc 时间: 2022-8-14 10:33
中文系统的显示：

作者: zhgc 时间: 2022-8-14 10:48
UTF-8的编码规则很简单，只有二条：

1）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码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n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，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

下表总结了编码规则，字母x表示可用编码的位。

跟据上表，解读UTF-8编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

下面，还是以汉字"严"为例，演示如何实现UTF-8编码。

已知"严"的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此"严"的UTF-8编码需要三个字节，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，从"严"的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严"的UTF-8编码是"11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

作者: zhgc 时间: 2022-8-14 10:51
http://www.ruanyifeng.com/blog/2 ... code_and_utf-8.html

作者: zhgc 时间: 2022-8-14 10:55
ANSI
https://baike.baidu.com/item/ANSI/10401940?fr=aladdin

ANSI是一种字符代码，为使计算机支持更多语言，通常使用 0x00~0x7f 范围的1 个字节来表示 1 个英文字符。超出此范围的使用0x80~0xFFFF来编码，即扩展的ASCII编码。

为使计算机支持更多语言，通常使用 0x80~0xFFFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。
不同的国家和地区制定了不同的标准，由此产生了 GB2312、GBK、GB18030、Big5、Shift_JIS 等各自的编码标准。这些使用多个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文Windows操作系统中，ANSI 编码代表 GB2312编码；在繁体中文Windows操作系统中，ANSI编码代表Big5；在日文Windows操作系统中，ANSI 编码代表 JIS 编码。 [1] [2]
不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。ANSI编码表示英文字符时用一个字节，表示中文用两个或四个字节。
ANSI编码作为中国以及部分亚太地区的多字符编码格式，Windows系统和OS X都是提供原生支持的。但是即便如此，许多国外开发者仍然在开发笔记或者文字录入类应用的时候将ANSI编码完全忽略，只加入全球通用的UTF-8编码。

欢迎光临深圳全飞鸿 (http://www.nagomes.com/disc/)