Posted on 2010-07-29 17:17
楊書童 閱讀(385)
評論(1) 編輯 收藏 引用 所屬分類:
基礎(chǔ)知識-經(jīng)驗之談
首先說說
ASCII碼吧，計算機在外國誕生后，大家要想怎么吧characters input給計算機，他們就定了ASCII，現(xiàn)在有人抱怨老美太小氣，只設(shè)計了128個，其實不然。試想想當(dāng)時的環(huán)境，一是他們無法預(yù)料計算機能像現(xiàn)在這樣普及，二是存儲設(shè)備還都不成熟，成本爆高。所以導(dǎo)致后來的局面，也就是ISO和unicode兩種字符集，分別是UCS-4(4個字節(jié))和unicode 1.0(2個字節(jié))，但這種定長的導(dǎo)致英語國家不答應(yīng)了，平時字符都是一個byte，現(xiàn)在突然編程2個甚至是4個，還有后來加入新的字符后就更亂了，最后兩個組織整合了，整個世界終于安靜了。
在這我想澄清個概念，就是大家不要把unicode和utf－8， utf-16, utf-32搞亂了，首先unicode是一套標(biāo)準(zhǔn)的字符集，基本包括了大多數(shù)的文字了，可以在這個路徑下載最新的字符表http://www.unicode.org/ ，utf-7,8等都是基于這個字符集的一些編碼算法。在unicode設(shè)計的時候把ASCII碼的128個作為unicode的前128個。那么現(xiàn)在最最最流行的也就是UTF-8的編碼了，它的算法思想是：
U-00000000 - U-0000007F: 0xxxxxxx ASCII碼
U-00000080 - U-000007FF: 110xxxxx 10xxxxxx
U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
比如我在codeCharts里面找到這個字符?(010e)，那么它的UTF-8結(jié)果是：
1 0000 1110 -------> 110 00 100 10 001110 C48E 就這么簡單了，有沒有。
這里我還想引入一個庫libiconv，可以說是一個萬能的轉(zhuǎn)換編碼的工具把，去網(wǎng)站http://www.gnu.org/software/libiconv/ 了解詳情，它目前支持的字符編碼不下30種，常用的都有了。那么有了這個庫以后呢，大家可以在遇到已知輸入多種編碼時，可以用它來轉(zhuǎn)成一種類型的編碼(utf-8)，然后做處理。VCard的解析我就是就是這樣解決的。