[入門] 資訊交換碼初論

2010-01-26

Unicode 是為了因應多語系互通與共存而產生的。好玩的是，我看過很多人把它誤寫成 Unitcode，這是對於這個通用碼的不了解。它其實是 Universal Code 的縮寫，所以我們說它叫做「萬國碼」...

Unicode 是為了因應多語系互通與共存而產生的。好玩的是，我看過很多人把它誤寫成 Unitcode，這是對於這個通用碼的不了解。它其實是 Universal Code 的縮寫，所以我們說它叫做「萬國碼」。

在純西歐語系的環境下，最常用的電腦編碼標準有三種：

ASCII － American Standard Code for Information Interchange (美國資訊交換標準碼) 是最早出現在電腦上的編碼方式之一，它使用七位元編碼方式，定義了標準英文字元、數字、符號和特殊字元 (例如 Bell、Tab、CR、LF、Esc) 等等。
ANSI －由 ANSI (American National Standard Institute, 美國國際標準協會) 所制定的編碼標準，使用了八位元編碼方式，將 0~127 字元分配 ASCII 碼，將 128~255 字元分配給其它的西歐字元。

ISO-8859 －由 ISO (International Stander Organization 國際標準局) 所製定的編碼標準，將特定的語系納入，例如：

上面這些編碼方式都是使用八位元編碼。所以不要以為 ISO 8859 系列定義了那麼多語言，就以為它必定是雙位元以上的編碼，事實上它們都是各自定義的。詳細的列表可以參考「The ISO 8859 Alphabet Soup」這一篇文章。

如果使用上述的編碼方式，非但無法用來顯示東方語系，也無法讓不同的語言顯示在同一頁上面。為了因應世界潮流，Unicode 便順勢而生了。

Unicode 是將所有的語言整合在同一個編碼頁裡面，使得 (幾乎) 所有語言的任何一個文字都有它單一的定址編碼，而不像 ISO 8859 編碼，有多種語言佔用同一個字元碼。

不過 Unicode 本身也有不同的標準：

Unicode UTF-16 編碼：使用 16 位元整數來定址字元。在 .Net Framework 中可以使用 UnicodeEncoding 類別進行轉換。
Unicode UTF-32 編碼：使用 32 位元整數來定址字元。在 .Net Framework 中可以使用 Unicode32Encoding 類別進行轉換。
Unicode UTF-8 編碼：使用 8 位元、16 位元和 24 位元、甚至 48 位元整數來定址字元。0 ~ 127 使用 8 位元編碼，存放標準 ASCII 字元，128 ~ 2047 使用 16 位元編碼，存放拉丁、希臘和阿拉伯等語系，2048 ~ 65535 使用 24 位元編碼，存放中文、日文、韓文等語系。在 .Net Framework 中可以使用 Unicode8Encoding 類別進行轉換。

在 .Net Framework 內部都是使用 UTF-16 編碼。

在 Unicode 出現之前，我們自行推出了 Big5 大五碼的中文編碼標準。但自從 Unicode 正式推出之後，電腦間與國際間的資訊交換幾乎已經完全採用 Unicode 了。有關國內及國際的中文碼發展沿革，可以參考全字庫「中文碼介紹」這篇文章。

Dev 2Share