编码知识学习笔记之一

一．有哪些编码

1. ANSI

2.Unicode

3.Unicode big Endian

4.Unicode - ASCII Escaped

 

5.UTF-7

6.UTF-8

7.UTF-16

 

8.UTF-8 - 无 BOM

9.UTF-16 - 无 BOM

 

10.UTF-16 - Big Endian

11.UTF-16 - Big Endian - 无 BOM

12.GBK

二．Unicode是什么的缩写

Universal Multiple-Octet Coded Character Set

三．Unicode是什么

Unicode 是一种字符编码方法，它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。Unicode的全称是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。

四．Unicode的历史

目前存在两个试图独立设计Unicode的组织：

1.  国际标准化组织（ISO）

2.  一个软件制造商的协会（unicode.org）

各自研发的项目

ISO开发了ISO 10646项目

Unicode协会开发了Unicode项

 

在1991年前后，双方都认识到世界不需要两个不兼容的字符集。于是它们开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从Unicode2.0开始，Unicode项目采用了与ISO 10646-1相同的字库和字码。

 

五．Unicode的最新标准

目前两个项目仍都存在，并独立地公布各自的标准。

1.Unicode协会现在的最新版本是2005年的Unicode 4.1.0。

2.ISO的最新标准是10646-3:2003。

六．UCS是什么的缩写

Unicode Character Set

七．UTF是什么的缩写

UCS Transformation Format

八．UCS与UTF的关系是怎样的？

UCS规定了怎么用多个字节表示各种文字。

怎样传输这些编码，是由UTF(UCS Transformation Format)规范规定的

小结：

UCS：表示各种文字

UTF：传输这些文字

九．UTF有哪些常见规范（也就是编码格式）

1.UTF-7

2.UTF-8

3.UTF-16

十．UTF的描述UTF-8和UTF-16编码的规范文档是什么？

IETF 的RFC2781和RFC3629以RFC的一贯风格，清晰、明快又不失严谨地描述了UTF-16和UTF-8的编码方法。

RFC2781描述UTF-16编码规范

RFC3629描述UTF-8编码规范

十一．IETF是什么缩写

Internet Engineering Task Force

十二．IETF组织的作用是什么

IETF负责维护的RFC

十三．RFC文档的作用是什么

RFC是Internet上一切规范的基础

十四．Unicode与ASCII，以及GB的兼容性关系

Unicode只与ASCII兼容（更准确地说，是与ISO-8859-1兼容），与GB码不兼容

十五．UCS两种格式

UCS-2和UCS-4

十六．UCS-2和UCS-4的区别

1.UCS-2就是用两个字节编码

2.UCS-4就是用4个字节（实际上只用了31位，最高位必须为0）编码

十七．UCS-2和UCS-4各自有多少个码位

UCS-2有2^16=65536个码位，UCS-4有2^31=2147483648个码位。

十八．什么叫UCS-4 BMP

UCS -4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个plane。每个plane根据第3个字节分为 256行 (rows)，每行包含256个cells。当然同一行的cells只是最后一个字节不同，其余都相同。

也就是说：

UCS -4是4个字节，从高到低，从第1个字节到第4个字节，

第1个字节是高字节，第4个字节是低字节

第1个字节分成128个group

第2个字节分成256个plane

第3个字节分成256 个rows

第4个字节分成256个cells

group 0的plane 0被称作Basic Multilingual Plane, 即BMP。或者说UCS-4中，高两个字节为0的码位被称作BMP。

 

将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节，就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。