字符编码ASCII、ANSI、Unicode、UTF-8、GB2312

encode.png

1. ASCII码

a.ASCII码（American Standard Code for Information Interchange，美国标准信息交换码），是用来表示英文字符的一种编码规范
b.每个ASCII字符占用1个字节（8bits）,共有256位字符或符号
c.7位字符集广泛用于代表标准美国键盘上的字符或符号，而最高位为1的另128个字符被成为“扩展ASCII”，一般用来存放英文的制表符、部分音标字符等等的一些其他符号
d.ASCII码表 ：http://www.asciitable.com

2.ANSI码

a. ANSI码（American National Standards Institute），美国国家标准学会的标准码。
b. 不同的国家和地区制定了不同的标准，由此产生了 GB2312(中国), BIG5(台湾), JIS(日本) 等各自的编码标准。 这些使用 2 个字节来代表一个字符的各种延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。 不同 ANSI 编码之间互不兼容。
c. 当然对于ANSI编码而言，0x00~0x7F之间的字符，依旧是1个字节代表1个字符。
ASCII字符集是与ANSI字符集中的前面128个(0-127)字符相同。这一点是ASNI编码与Unicode编码之间最大也最明显的区别。(Unicode全是两字节)
d.各国ANSI编码转Unicode码对照表http://www.opensource.apple.com/source/libiconv/libiconv-24/libiconv/tests/
e.中文国标码与Unicode码：http://www.opensource.apple.com/source/libiconv/libiconv-24/libiconv/tests/CP936.TXT

3.Unicode码

a. Universal Character Set 通用字符集
b. Unicode有两套标准，一套叫UCS-2(Unicode-16)，用2个字节为字符编码，另一套叫UCS-4(Unicode-32)，用4个字节为字符编码。常用的UCS-2，它可以表示的字符数为2^16=65535，基本上可以容纳所有的欧美字符和绝大部分的亚洲字符 。
c. ASCII字符集之间的不兼容问题 , ASCII字符是单个字节的，比如“A”的ASCII是65。而Unicode是双字节的，比如“A”的Unicode是0065，C语言使用‘\0’作为字符串结尾，这样一来，C语言的字符串函数将无法正常处理Unicode，除非把世界上所有用C写的程序以及他们所用的函数库全部换掉
d.unicode全码表：http://www.tamasoft.co.jp/en/general-info/unicode.html
中文国标码 Unicode码 UTF8 对照表：http://www.ansell-uebersetzungen.com/gbuni.html

4.UTF8

a. UTF= UCS Transformation Format UCS转换格式,UTF有2种：UTF-8和UTF-16 ,流行的的是UTF8
b. 是Unicode传送格式。即把Unicode文件转换成BYTE的传送流,UTF8是为传送unicode而想出来的“再编码”方法,将Unicode编码规则和计算机的实际编码对应起来
c. 它将Unicode编码为:
00000000-0000007F的字符，用单个字节来表示；
00000080-000007FF的字符用两个字节表示
00000800-0000FFFF的字符用3字节表示
d. 在UTF-8里，英文字符仍然跟ASCII编码一样，因此原先的函数库可以继续使用。中文的(Uincode)编码范围是在4E00(一) ~ 9FA0(龠) 之间，UTF8编码范围E4 B8 80(一) ~ E9 BE A0 (龠）,三个字节

5.国标码(gb)

a. gb码 是中文系统的ANSI编码
b. 由于历史的原因，在Unicode之前，一共存在过3套中文编码标准
中国:
GB2312 1980年 7445个字符 CP936
GBK 1995年 21886个字符 CP936
GB18030 2000年 27484字符 CP54936 不支持手机，MP3
台湾:
Big5，是台湾使用的编码标准，编码了台湾使用的繁体汉字，大概有8千多个。
香港:
HKSCS，是中国香港使用的编码标准，字体也是繁体，但跟Big5有所不同。
c. GBK兼容GB2312，加入了几乎所有的Big5中的繁体汉字。但是GBK中的繁体汉字和Big5中的几乎不兼容。

6.txt文件识别编码的方式

Unicode、Unicode big endian和UTF-8编码的txt文件的开头会多出几个字节，分别是
FF、FE（Unicode）,FE、FF（Unicode big endian）,EF、BB、BF（UTF-8）。

saveEncode.jpg

7.ANSI各国不一，所以中文系统默认使用GB码

hexdump.png

8.算法演示

基于iOS代码，以“中”字为例 : D6D0（GB） 4E2D (Unicode) E4 B8 AD (UTF8)
a. UTF8码 转Unicode码
b. Unicode码 转UTF8码
c. 国标码转Unicode码
d. Unicode码转国标码
e. UTF8码转国标码 UTF8码转Unicode码， Unicode码转国标码
f. 国标码转UTF8码 国标码转Unicode码, Unicode码转UTF8码

9.国标码汉字点阵显示

a. 点阵库 HZK16(正楷) UCDOS的HZK24S（宋体）、HZK24K（楷体）或HZK24H（黑体）。当然你可以自定义
b. 以1616点阵字库为例，分成9494码表 计算公式则为：(94(区号-1)+(位号-1))32。
汉字库文该从该位置起的32字节信息即记录了该字的字模信息。

    unsigned char mat[16][2] = {0};
    FILE * hzkP = NULL;
    int iarea = 0xC4 - 0xA0;
    int iposition = 0xE3 - 0xA0;
    const char * hzkFile = "HZK16”;
    if( NULL == (hzkP = fopen(hzkFile, "rb")) )
    {
        return;
    }
    int location = (94*(iarea - 1) + (iposition - 1)) * 32;
    fseek(hzkP, location, SEEK_SET);
    fread(mat, 32, 1, hzkP);

你点阵数据.png

10.代码附件

https://share.weiyun.com/5PTUdG6