Unicode字符集(简称为UCS).docxVIP

仁人教育 Unicode字符集（简称为UCS） 　1．名称的由来Unicode 字符集编码是（Universal Multiple-Octet Coded Character Set） 通用多八位编码字符集的简称，支持世界上超过650种语言的国际字符集。Unicode允许在同一服务器上混合使用不同语言组的不同语言。它是由一个名为 Unicode 学术学会(Unicode Consortium)的机构制订的 字符编码系统，支持现今世界各种不同语言的书面文本的交换、处理及显示。该编码于1990年开始研发，1994年正式公布，必威体育精装版版本是2005年3月31日的Unicode 4.1.0。Unicode是一种在计算机上使用的字符编码。它为每种语言中的每个 字符设定了统一并且唯一的 二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。2．编码方法Unicode 标准始终使用 十六进制数字，而且在书写时在前面加上前缀“U+”，例如字母“A”的编码为 004116 。所以“A”的编码书写为“U+0041”。3．UTF-8 编码UTF-8是Unicode的其中一个使用方式。 UTF是 Unicode Translation Format，即把Unicode转做某种格式的意思。UTF-8便于不同的计算机之间使用 网络传输不同语言和编码的文字，使得双 字节的Unicode能够在现存的处理单字节的系统上正确传输。UTF-8使用可变长度字节来储存 Unicode字符，例如ASCII字母继续使用1字节储存，重音文字、希腊字母或 西里尔字母等使用2字节来储存，而常用的汉字就要使用3字节。 辅助平面字符则使用4字节。4．UTF-16 和 UTF-32 编码UTF-32、 UTF-16?和 UTF-8 是 Unicode 标准的编码字符集的字符编码方案，UTF-16 使用一个或两个未分配的 16 位代码单元的序列对 Unicode 代码点进行编码；UTF-32 即将每一个 Unicode 代码点表示为相同值的 32 位整数通过一个问题了解unicode编码问题：使用Windows 记事本的“ 另存为”，可以在ANSI、GBK、Unicode、Unicode big endian和UTF-8这几种编码方式间相互转换。同样是txt文件，Windows怎样识别编码方式的呢？我很早前就发现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）。但这些标记是基于什么标准呢？答案：ANSI字符集定义：ASCII字符集，以及由此派生并兼容的字符集，如：GB2312，正式的名称为MBCS(Multi-Byte Chactacter System，多字节字符系统)，通常也称为ANSI字符集。?UNICODE 与 UTF8、UTF16?由于每种语言都制定了自己的字符集，导致最后存在的各种字符集实在太多，在国际交流中要经常转换字符集非常不便。因此，产生了Unicode字符集，它固定使用16 bits(两个字节)来表示一个字符，共可以表示65536个字符?标准的 Unicode 称为UTF-16(UTF:UCS Transformation Format )。后来为了双字节的Unicode能够在现存的处理单字节的系统上正确传输，出现了UTF-8，使用类似MBCS的方式对Unicode进行编码。(Unicode字符集有多种编码形式)?例如连通两个字的Unicode标准编码UTF-16 (big endian)为：DE 8F 1A 90?而其UTF-8编码为：E8 BF 9E E9 80 9A?当一个 软件打开一个文本时，它要做的第一件事是决定这个文本究竟是使用哪种字符集的哪种编码保存的。软件一般采用三种方式来决定文本的字符集和编码：?检测 文件头标识，提示用户选择，根据一定的规则猜测?最标准的途径是检测文本最开头的几个字节，开头字节 Charset/encoding,如下表：?EF BB BF : UTF-8?FF FE : UTF-16/UCS-2, little endian?FE FF : UTF-16/UCS-2, big endian?FF FE 00 00 : UTF-32/UCS-4, little endian.?00 00 FE F