UTF-8编码.doc

UTF-8编码 导读：就爱阅读网友为您分享以下“UTF-8编码”的资讯，希望对您有所帮助，感谢您对92的支持! UTF-8 编码 作者：Marius Bancila，翻译：wangxg 字符集简史 在所有字符集中，最知名可能要数被称为 ASCII 的 7 位字符集了。它是美国信息交换标准委员会（American Standards Committee for Information Interchange）的缩写，为美国英语通信所设计。它由 128 个字符组成，包括大小写字母、数字 0-9、标点符号、非打印字符（换行符、制表符等 4 个）以及控制字符（退格、响铃等）组成。 但是，由于它是针对英语设计的，当处理带有音调标号（形如汉语的拼音）的欧洲文字时就会出现问题。因此，又创建出了一些包括 255 个字符的由 ASCII 扩展的字符集。其中有一种通常被成为 IBM 字符集，它把值为 128-255 之间的字符用于画图和画线，以及一些特殊的欧洲字符。另一种 8 位字符集是 ISO 8859-1 Latin 1，也简称为 ISO Latin-1。它把位于 128-255 之间的字符用于拉丁字母表中特殊语言字符的编码，也因此而得名。 欧洲语言不是地球上的唯一语言，因此亚洲和非洲语言并不能被 8 位字符集所支持。仅汉语（或 pictograms）字母表就有 80000 以上个字符。但是把汉语、日语和越南语的一些相似的字符结合起来，在不同的语言里，使不同的字符代表不同的字，这样只用 2 个字节就可以编码地球上几乎所有地区的文字。因此，创建了 UNICODE 编码。它通过增加一个高字节对 ISO Latin-1 字符集进行扩展，当这些高字节位为 0 时，低字节就是 ISO Latin-1 字符。 UNICODE 支持欧洲、非洲、中东、亚洲（包括统一标准的东亚像形汉字和韩国像形文字）。但是，UNICODE 并没有提供对诸如 Braille，Cherokee，Ethiopic，Khmer，Mongolian，Hmong，Tai Lu，Tai Mau 文字的支持。同时它也不支持如 Ahom，Akkadian，Aramaic，Babylonian Cuneiform，Balti，Brahmi，Etruscan，Hittite，Javanese，Numidian，Old Persian Cuneiform，Syrian 之类的古老的文字。 事实证明，对可以用 ASCII 表示的字符使用 UNICODE 并不高效，因为