歷史回顧
可能你以為我要開始談非常古老的字符集如EBCDIC之類的，實際上我不會。EBCDIC與你的生活無關(guān)，我們不需要回到那么遠(yuǎn)。
回到一般遠(yuǎn)就行了。當(dāng)Unix剛出來的時候，K&R寫了《The C Programming Language》一書，那時一切都很簡單。EBCDIC已經(jīng)慚慚不用，因為需要表示的字符只有那些不帶重音的英文字母，ASCII完全可以勝任。ASCII使用數(shù)字32到 127來表示所有的英文字母，比如空格是32，字母"A"是65等等。使用7個比特就可以存儲所有這樣字符。那個時代的大多數(shù)計算機(jī)使用8個比特來，所以你不但可以存儲全部的ASCII，而且還有一個比特可以多出來用作其他。如果你想，你可以把它用作你不可告人的目的。32以下的碼字是不可打印的，它們屬于控制字符，像7表示響鈴，12表示打印機(jī)換紙。
所有的一切都看起來那么完美，當(dāng)然前提你生在一個講英文的國家。
因為一個字節(jié)有8個比特，而現(xiàn)在只用了7個，于是很多人就想到"對呀，我們可以使用128-255的碼字來表示其他東西"。麻煩來了，這么多人同時出現(xiàn)了這樣的想法，而且將之付諸實踐。于是IBM-PC上多了一個叫OEM字符集的東西，它包括了一些在歐洲語言中用到的重音字符，還有一些畫圖的字符，比如水平線、垂直線等，水平線在右端會帶一個小彎鉤，垂直線會如何等等。使用這些畫圖字符你可以畫出漂亮的框、畫出光滑的線條，在老式的烘干機(jī)上的8088電腦上你依然可以看到這些字符。事實上，當(dāng)PC在美國之外的地方開始銷售的時候，OEM字符集就完全亂套了，所有的廠商都開始按照自己的方式使用高128個碼字。比如在有些PC上，130表示é，而在另外一些在以色列出售的計算機(jī)上，它可能表示的是希伯來字母ג，所以當(dāng)美國人把包含résumés這樣字符的郵件發(fā)到以色列時，就為變?yōu)閞גsumגs。在大多數(shù)情況下，比如俄語中，高128個碼字可能用作其他更多的用途，那么你如何保證俄語文檔的可靠性呢？
最終ANSI標(biāo)準(zhǔn)結(jié)束了這種混亂。在標(biāo)準(zhǔn)中，對于低128個碼字大家都無異議，差不多就是ASCII了，但對于高128個碼字，根據(jù)你所在地的不同，會有不同的處理方式。我們稱這樣相異的編碼系統(tǒng)為碼頁(code pages)。舉個例子，比如在以色列發(fā)布的DOS中使用的碼頁是862，而在希臘使用的是737。它們的低128個完全相同，但從128往上，就有了很大差別。MS-DOS的國際版有很多這樣的碼頁，涵蓋了從英語到冰島語各種語言，甚至還有一些"多語言"碼頁。但是還得說，如果想讓希伯來語和希臘語在同一臺計算機(jī)上和平共處，基本上沒有可能。除非你自己寫程序，程序中的顯示部分直接使用位圖。因為希伯來語對高128個碼字的解釋與希臘語壓根不同。
同時，在亞洲，更瘋狂的事情正在上演。因為亞洲的字母系統(tǒng)中要上千個字母，8個比特?zé)o論如何也是滿足不了的。一般的解決方案就是使用DBCS- "雙字節(jié)字符集"，即有的字母使用一個字節(jié)來表示，有的使用兩個字節(jié)。所以處理字符串時，指針移動到下一個字符比較容易，但移動到上一個字符就變得非常危險了。于是s++或s--不再被鼓勵使用，相應(yīng)的比如Windows下的AnsiNext和AnsiPrev被用來處理這種情況。
可惜，不少人依然堅信一個字節(jié)就是一個字符，一個字符就是8個比特。當(dāng)然，如果你從來都沒有試著把一個字符串從一臺計算機(jī)移到另一臺計算機(jī)，或者你不用說除英文以外的另一種語言，那么你的堅信不會出問題。但是互聯(lián)網(wǎng)出現(xiàn)讓字符串在計算機(jī)間移動變得非常普遍，于是所有的混亂都爆發(fā)了。非常幸運，Unicode適時而生。
出處：
責(zé)任編輯：bluehearts
上一頁 關(guān)于字符集和Unicode的相關(guān)知識 [1] 下一頁 關(guān)于字符集和Unicode的相關(guān)知識 [3]
◎進(jìn)入論壇網(wǎng)絡(luò)編程版塊參加討論
|
第 1 頁 
第 2 頁 關(guān)于字符集和Unicode的相關(guān)知識 [2]
