标签：gb2312   字符   class   兼容   www   如何   信息技术   ref   扩展   

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

计算机字符编码编年史

标签：gb2312   字符   class   兼容   www   如何   信息技术   ref   扩展   

原文地址：https://www.cnblogs.com/JQKA/p/12133453.html