ASCII

在計算機中，所有的數據在存儲和運算時都要使用二進制數表示（因為計算機用高電平和低電平分別表示1和0），例如，像a、b、c、d這樣的52個字母（包括大寫）以及0、1等數字還有一些常用的符號（例如*、#、@等）在計算機中存儲時也要使用二進制數來表示，而具體用哪些二進制數字表示哪個符號，當然每個人都可以約定自己的一套（這就叫編碼），而大家如果要想互相通信而不造成混亂，那麼大家就必須使用相同的編碼規則，於是美國有關的標準化組織就出台了ASCII編碼，統一規定了上述常用符號用哪些二進制數來表示 ^[2]  。

美國信息交換標準代碼是由美國國家標準學會(American National Standard Institute , ANSI )制定的，是一種標準的單字節字符編碼方案，用於基於文本的數據。它最初是美國國家標準，供不同計算機在相互通信時用作共同遵守的西文字符編碼標準，後來它被國際標準化組織（International Organization for Standardization, ISO）定為國際標準，稱為ISO 646標準。適用於所有拉丁文字字母 ^[3]  。

ASCII 碼使用指定的7 位或8 位二進制數組合來表示128 或256 種可能的字符。標準ASCII 碼也叫基礎ASCII碼，使用7 位二進制數（剩下的1位二進制為0）來表示所有的大寫和小寫字母，數字0 到9、標點符號，以及在美式英語中使用的特殊控制字符 ^[1]  。其中：

如控制符：LF(換行)、CR(回車)、FF(換頁)、DEL(刪除)、BS(退格)、BEL(響鈴)等；

通信專用字符：SOH（文頭）、EOT（文尾）、ACK（確認）等；

ASCII值為8、9、10 和13 分別轉換為退格、製表、換行和回車字符。它們並沒有特定的圖形顯示，但會依不同的應用程序，而對文本顯示有不同的影響 ^[1]  。

32～126(共95個)是字符(32是空格)，其中48～57為0到9十個阿拉伯數字。

65～90為26個大寫英文字母，97～122號為26個小寫英文字母，其餘為一些標點符號、運算符號等。

同時還要注意，在標準ASCII中，其最高位(b7)用作奇偶校驗位。所謂奇偶校驗，是指在代碼傳送過程中用來檢驗是否出現錯誤的一種方法，一般分奇校驗和偶校驗兩種。奇校驗規定：正確的代碼一個字節中1的個數必須是奇數，若非奇數，則在最高位b7添1；偶校驗規定：正確的代碼一個字節中1的個數必須是偶數，若非偶數，則在最高位b7添1 ^[1]  。

後128個稱為擴展ASCII碼。許多基於x86的系統都支持使用擴展（或“高”）ASCII。擴展ASCII 碼允許將每個字符的第8 位用於確定附加的128 個特殊符號字符、外來語字母和圖形符號 ^[1]  。

ASCII碼錶具體如下所示 ^[1]  :

常見ASCII碼的大小規則：數字< 大寫字母 < 小寫字母。

1.數字比字母要小。如 “7”<“F”；

2.數字0比數字9要小，並按0到9順序遞增。如 “3”<“8” ；

3.字母A比字母Z要小，並按A到Z順序遞增。如“A”<“Z” ；

4.同個字母的大寫字母比小寫字母要小32。如“A”<“a” 。

幾個常見字母的ASCII碼大小： “A”為65；“a”為97；“0”為 48 ^[4]  。

在英語中，用128個符號編碼便可以表示所有，但是用來表示其他語言，128個符號是不夠的。比如，在法語中，字母上方有注音符號，它就無法用 ASCII 碼錶示。於是，一些歐洲國家就決定，利用字節中閒置的最高位編入新的符號。比如，法語中的é的編碼為130（二進制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號 ^[5]  。

但是，這裏又出現了新的問題。不同的國家有不同的字母，因此，哪怕它們都使用256個符號的編碼方式，代表的字母卻不一樣。比如，130在法語編碼中代表了é，在希伯來語編碼中卻代表了字母Gimel (ג)，在俄語編碼中又會代表另一個符號。但是不管怎樣，所有這些編碼方式中，0--127表示的符號是一樣的，不一樣的只是128--255的這一段 ^[5]  。

至於亞洲國家的文字，使用的符號就更多了，漢字就多達10萬左右。一個字節只能表示256種符號，肯定是不夠的，就必須使用多個字節表達一個符號。比如，簡體中文常見的編碼方式是 GB2312，使用兩個字節表示一個漢字，所以理論上最多可以表示 256² = 65536 個符號 ^[5]  。

1. 1981年IBM PC ROM256個字符的字符集，即IBM擴展字符集 ^[5]  。

2. 1985年11Windows字符集被稱作“ANSI字符集”，遵循了ANSI草案和ISO標準（ANSI/ISO8859-1-1987，簡“Latin 1” ^[5]  。

3. 為了解決中國、日本和韓國的象形文字符和ASCII的某種兼容性，出現了雙字節字符集（DBCS：double-byte character set）。DBCS從 第256 代碼開始，就像ASCII一樣，最初的128個代碼是ASCII。然而，較高的128個代碼中的某些總是跟隨着第二個字節。這兩個字節一起（稱作首字節和跟隨字節）定義一個字符，通常是一個複雜的象形文字 ^[6]  。

目前的文字編碼標準主要有 ASCII、GB2312、GBK、Unicode等。ASCII 編碼是最簡單的西文編碼方案。GB2312、GBK、GB18030 是漢字字符編碼方案的國家標準。ISO/IEC 10646 和 Unicode 都是全球字符編碼的國際標準 ^[4]  。下面對與漢字相關的編碼方案GB2312，GBK與GB18030做簡要的分析。

GB2312-80 是 1980 年制定的中國漢字編碼國家標準。共收錄 7445 個字符，其中漢字 6763 個。GB2312 兼容標準 ASCII碼，採用擴展 ASCII 碼的編碼空間進行編碼，一個漢字佔用兩個字節，每個字節的最高位為 1。具體辦法是：收集了 7445 個字符組成 94*94 的方陣，每一行稱為一個“區”，每一列稱為一個“位”，區號位號的範圍均為 01-94，區號和位號組成的代碼稱為“區位碼”。區位輸入法就是通過輸入區位碼實現漢字輸入的。將區號和位號分別加上 20H，得到的 4 位十六進制整數稱為國標碼，編碼範圍為 0x2121～0x7E7E。為了兼容標準 ASCII 碼，給國標碼的每個字節加 80H，形成的編碼稱為機內碼，簡稱內碼，是漢字在機器中實際的存儲代碼GB2312-80 標準的內碼範圍是 0xA1A1～0xFEFE ^[7]  。

《漢字內碼擴展規範》(GBK) 於1995年制定，兼容GB2312、GB13000-1、BIG5 編碼中的所有漢字，使用雙字節編碼，編碼空間為 0x8140～0xFEFE，共有 23940 個碼位，其中 GBK1 區和 GBK2 區也是 GB2312 的編碼範圍。收錄了 21003 個漢字。GBK向下與 GB 2312 編碼兼容，向上支持 ISO 10646.1國際標準，是前者向後者過渡過程中的一個承上啓下的產物。ISO 10646 是國際標準化組織ISO 公佈的一個編碼標準，即 Universal Multilpe-Octet Coded Character Set（簡稱UCS），大陸譯為《通用多八位編碼字符集》，台灣譯為《廣用多八位元編碼字元集》，它與 Unicode 組織的Unicode編碼完全兼容。ISO 10646.1 是該標準的第一部分《體系結構與基本多文種平面》。我國 1993 年以 GB 13000.1 國家標準的形式予以認可（即 GB 13000.1 等同於 ISO 10646.1） ^[7]  。

國家標準GB18030-2000《信息交換用漢字編碼字符集基本集的補充》是我國繼GB2312-1980和GB13000-1993之後最重要的漢字編碼標準，是我國計算機系統必須遵循的基礎性標準之一。GB18030-2000編碼標準是由信息產業部和國家質量技術監督局在2000年 3月17日聯合發佈的，並且將作為一項國家標準在2001年的1月正式強制執行。GB18030-2005《信息技術中文編碼字符集》是我國制訂的以漢字為主幷包含多種我國少數民族文字（如藏、蒙古、傣、彝、朝鮮、維吾爾文等）的超大型中文編碼字符集強制性標準，其中收入漢字70000餘個 ^[8]  。