虚拟人的Unicode指南

Question

谁能给我一个简明的定义

• Unicode
• UTF7
• UTF8
• UTF16
• UTF32
• 代码页
• 它们与Ansi/Ansi/Windows 1252有何不同？

我不是在关注维基百科的链接或令人难以置信的细节，我只是简单地介绍了Unicode中巨大的变化是如何产生的，以及为什么您应该关心作为一个程序员。

Answer 1

这是一个很好的开始：每个软件开发人员绝对、积极的绝对最低限度必须了解Unicode和字符集(没有借口！)

Answer 2

如果你想简单介绍一下：Unicode在5分钟内

或者如果你想要的是一条线：

• Unicode:将字符映射到0到1,114,111范围内的整数(“代码点”)；涵盖几乎所有使用中的书面语言
• UTF7:将代码点编码成字节流的高比特清晰的；一般不使用
• UTF8:将代码点编码成字节流，每个字符可以用一个、两个、三个或四个字节来表示；应该是编码的主要选择。
• UTF16:将代码点编码成一个字流(16位单位)，其中每个字符可以用一个或两个单词(两个或四个字节)来表示。
• UTF32:将代码点编码成由32位单元组成的流，其中每个字符只需要一个单位(4个字节)；有时用于内部表示。
• 代码页：：DOS和中的一个系统，它将字符分配给整数，并进行相关的编码；每个系统只包含一个语言子集。请注意，这些赋值通常与Unicode分配不同。
• ASCII:是一种非常常见的字符赋值给整数，直接编码为字节(都很清晰)；赋值是Unicode的子集，编码是UTF-8的子集。
• ANSI:标准机构
• Windows 1252:是常用的代码页；它类似于ISO-8859-1或拉丁文-1，但不是相同的，这两者常常是混淆的。

你为什么这么在意？因为如果不知道字符集和正在使用的编码，您就无法真正知道给定字节流代表什么字符。例如，字节0xDE可以编码。

• (拉丁文大写字母刺)
• 拉丁小结扎FI(fi)
• ή(带托诺斯的希腊文小写字母ETA )
• 或其他13个字符，取决于所使用的编码和字符集。

Answer 3

除了oft引用的Joel之外，我还有我自己的文章，它从以.NET为中心的角度来看待它，只是为了多样化……