ASCII -编码点与字符编码

Question

我发现了一篇有趣的文章“字符代码问题教程”(http://jkorpela.fi/chars.html#code)，它解释了“字符代码”/“代码点”和“字符编码”这两个术语。

前者只是一个整数，分配给一个字符。例如，从65到字符A。字符编码定义了如何通过一个或多个字节来表示这样的代码点。

对于好的旧的ASCII，作者说：“ASCII标准指定的字符编码非常简单，对于代码数不超过255的任何字符代码来说，最明显的编码是:每个代码编号都表示为一个具有相同值的八进制。”

因此，作为A的编码点的65将被编码为0100 0001。

因为我在ASCII中有127个字符，所以有127个代码点，每个代码点总是由一个字节编码。

如果我总结一下这一点，我有以下步骤在ASCII中对字符进行编码：

1. 为每个字符指定一个数字(代码点)(例如A->65)
2. 用具有相同值的字节对字符进行编码(例如，0100 0001)

所以字母A和B应该是

A -> 65 -> 0100 0001 B -> 66 -> 0100 0010

我的问题是：

为什么在ASCII中代码点和编码的分离？ASCII只有一个编码。因此，至少对于ASCII，我不清楚为什么要完成中间步骤(映射到整数)。直接编码，如

A -> 0100 0001 B -> 0100 0010

也有可能吗？如果我对一个ASCII字符有多个编码，那么分离将是合理的，但是只有一个编码形式对我来说没有意义。

Answer 1

你是对的。每个概念不一定需要特定编码的可识别实现。但是，在讨论字符集和编码时，区分所有的概念是很好的。

实际上，您可以考虑ASCII有两个编码，一个7位和一个8位。7位和一种在字节的第8位中有一个奇偶校验位的方案一起使用。Unicode具有许多编码，包括UTF-8、UTF-16和UTF-32。

缺少一个术语:代码单元。编码将码点映射到代码单元的序列。代码单位是固定大小的整数。正如您可能知道的，大于8位的整数具有字节排序(也称为endianness)。这导致UTF-16和UTF-32有大端和小端元变体。

电脑化文本的基本规则:使用写入文件或流的编码读取。表示文本的字节必须伴随来自声明、标准、约定、规范、…的编码知识。。

ASCII中有128个编码点。大多数情况下，ASCII是不正确的。要求提供ASCII的说明或更正。