常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252

时间：2023-01-06 12:02:39

(1) Shift_JIS

Shift_JIS是一个日本电脑系统常用的编码表。它能容纳全角及半角拉丁字母、平假名、片假名、符号及日语汉字。

它被命名为Shift_JIS的原因，是它在放置全角字符时，要避开原本在0xA1-0xDF放置的半角假名字符。

在微软及IBM的日语电脑系统中，即使用了这个编码表。这个编码表称为CP932。

目录

 [隐藏] 

[编辑]字节结构

以下字符在Shift_JIS使用一个字节来表示。

ASCII字符 (0x20-0x7E)，但“\”被“¥”取代
ASCII 控制字符（0x00-0x1F、0x7F）
JIS X 0201标准内的半角标点及片假名（0xA1-0xDF）
在部分操作系统中，0xA0用来放置“不换行空格”。

以下字符在Shift_JIS使用两个字节来表示。

JIS X 0208字集的所有字符
“第一位字节”使用0x81-0x9F、0xE0-0xEF（共47个）
“第二位字节”使用0x40-0x7E、0x80-0xFC（共188个）
使用者定义区
“第一位字节”使用0xF0-0xFC（共13个）
“第二位字节”使用0x40-0x7E、0x80-0xFC（共188个）

在Shift_JIS编码表中，并未使用0xFD、0xFE及0xFF。

在微软及IBM的日语电脑系统中，在0xFA、0xFB及0xFC的两字节区域，加入了388个JIS X 0208没有收录的符号和汉字。

[编辑]Shift_JIS编码表

Shift_JIS
  x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 xA xB xC xD xE xF
0x NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI
1x DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US
2x SP ! " # $ % & ' ( ) * + , - . /
3x 0 1 2 3 4 5 6 7 8 9 : ; < = > ?
4x @ A B C D E F G H I J K L M N O
5x P Q R S T U V W X Y Z [ ¥ ] ^ _
6x ` a b c d e f g h i j k l m n o
7x p q r s t u v w x y z { | } ‾ DEL
8x                                
9x                                
Ax   ｡ “ ” ､ ･ ｦ ｧ ｨ ｩ ｪ ｫ ｬ ｭ ｮ ｯ
Bx ｰ ｱ ｲ ｳ ｴ ｵ ｶ ｷ ｸ ｹ ｺ ｻ ｼ ｽ ｾ ｿ
Cx ﾀ ﾁ ﾂ ﾃ ﾄ ﾅ ﾆ ﾇ ﾈ ﾉ ﾊ ﾋ ﾌ ﾍ ﾎ ﾏ
Dx ﾐ ﾑ ﾒ ﾓ ﾔ ﾕ ﾖ ﾗ ﾘ ﾙ ﾚ ﾛ ﾜ ﾝ ﾞ ﾟ
Ex                                
Fx                                

上图粉红色为JIS X 0207定义的控制字符；浅蓝色为JIS X 0201一字节符号的所在范围；紫色为JIS X 0208两字节汉字和全角符号的所在范围；黄色为JIS X 0201以“¥”替换了“\”、以“‾”替换了“~”；绿色为未编码。

[编辑]JIS转换方法

由JIS X 0208转换至Shift_JIS的方法：

常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252
常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252
常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252 是 奇数 常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252
常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252 是 偶数 常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252

[编辑]参看

[编辑]外部链接

显示▼隐藏▲
查  · 论  · 编
 
早期电信
 
ISO/IEC 8859
 
书目使用
 
国家标准
 
EUC
 
ISO/IEC 2022
 
MacOS代码页 （“脚本”）
 
DOS代码页
 
Windows代码页
 
EBCDIC代码页
 
特定平台
 
Unicode /ISO/IEC 10646
 
杂项代码页
 
相关主题

(2) GBK

    GBK是汉字编码标准之一，全称《汉字内码扩展规范》（GBK即“国标”、“扩展”汉语拼音的第一个字母，英文名称：Chinese Internal Code Specification）.

     我们经常使用各种编码标准的汉字，编码到底是什么呢？所谓编码，是以固定的顺序排列字符，并以此做为记录、存贮、传递、交换的统一内部特征，这个字符排列顺序被称为“编码”。和中文字库有关的编码标准有：国标GB码、GBK码、港台BIG-5码等，不同编码的汉字字库都与汉字的应用有密切关系。

　　很多人在使用过程中，发现字不够用，因为目前大家使用的主要是GB编码字库，此编码标准只收录了6763个常用汉字，而GB字库以外大量汉字，只能通过方正女娲补字软件拼字或其它造字程序补字。尽管补出的汉字在字形上满足需要，但在字体风格、大小、结构方面难以协调统一，而采用手工贴图的方式补字，更不雅观。进而言之，如果用户建立信息系统，或需要查询新闻、出版内容时，靠补字是无法实现的。方正开发的GBK字库，将极大地缓解缺字现象。

　　从GB字库扩充到GBK字库，增加了1万4千多字。北大方正从1996年投入大量人力，开始做黑、宋、仿、楷GBK字库，并于1998年4月成为第一家通过国家权威部门组织的GBK字库鉴定的专业厂商。到现在为止，北大方正已将全部字体转换成GBK字库，共46款，其中18款字数达21003个，是拥有GBK字库款数最多的厂商。

　　ISO 10646 是一个包括世界上各种语言的书面形式以及附加符号的编码体系。其中的汉字部分称为“CJK 统一汉字”（C 指中国，J 指日本，K 指朝鲜）。而其中的中国部分，包括了源自*的 GB 2312、GB 12345、《现代汉语通用字表》等法定标准的汉字和符号，以及源自*的 CNS 11643 标准中第 1、2 字面（基本等同于 BIG-5 编码）、第 14 字面的汉字和符号。

(3) EUCKR

    朝鲜语编码

(4) Big-5

    BIG-5码是通行于*、香港地区的一个繁体字编码方案，俗称“大五码”。地区标准号为：CNS11643，这就是人们讲的BIG-5码。

    大五码（Big5），又称为五大码，是使用繁体中文社群中最常用的电脑汉字字符集标准，共收录13,060个中文字，其中有二字为重覆编码，Big5属中文内码（中文码分为中文内码及中文交换码两类）。Big5虽普及于中国的*、香港与澳门等繁体中文通行区，但长期以来并非当地的国家标准，而只是业界标准（de facto standard）。倚天中文系统、Windows等主要系统的字符集都是以Big5为基准，但厂商又各自增删，衍生成多种不同版本。

(5) UTF8

    UTF-8是UNICODE的一种变长字符编码又称万国码，由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1到6个字节编码UNICODE字符。用在网页上可以同一页面显示中文简体繁体及其它语言.

    如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节。而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但很少会遇到那样的UNICODE字符。 UTF-8转换表表示如下：

　　

UNICODE bit数 UTF-8 byte数 备注
0000 0000 ~
0000 007F		 0~7 0XXX XXXX 1 ​
0000 0080 ~
0000 07FF		 8~11 110X XXXX
10XX XXXX		 2 ​
0000 0800 ~
0000 FFFF		 12~16 1110 XXXX
10XX XXXX
10XX XXXX		 3 基本定义范围：0~FFFF
0001 0000 ~
001F FFFF		 17~21 1111 0XXX
10XX XXXX
10XX XXXX
10XX XXXX		 4 Unicode6.1定义范围：0~10 FFFF
0020 0000 ~
03FF FFFF		 22~26 1111 10XX
10XX XXXX
10XX XXXX
10XX XXXX
10XX XXXX		 5 ​
0400 0000 ~
7FFF FFFF		 27~31 1111 110X
10XX XXXX
10XX XXXX
10XX XXXX
10XX XXXX
10XX XXXX		 6 ​
实际表示ASCII 字符的UNICODE字符，将会编码成1个 字节，并且UTF-8表示与ASCII字符表示是一样的。所有其他的UNICODE 字符转化成UTF-8将需要至少2个 字节。每个 字节由一个 换码序列开始。第一个 字节由唯一的 换码序列，由n位连续的1加一位0组成, 首字节连续的1的个数表示 字符编码 所需的字节数。

　　示例

　　UNICODE uCA(11001010) 编码成UTF-8将需要2个字节：

　　uCA -> C3 8A

　　UNICODE uF03F (11110000 00111111) 编码成UTF-8将需要3个字节:

　　u F03F -> EF 80 BF

　　

Unicode 16进制 Unicode 2进制 bit数 UTF-8 2进制 UTF-8 16进制
CA 1100 1010 8 1100 0011 1000 1010 C3 8A
F0 3F 1111 0000 0011 1111 16 1110 1111 1000 0000 1011 1111 EF 80 BF

(6) cp1252

Eclipse的default编码是cp1252.

以下是所有编码说明：

armscii8 (ARMSCII-8 Armenian)  
armscii8_bin   亚美尼亚语, 二进制  
armscii8_general_ci   亚美尼亚语, 不区分大小写  
ascii (US ASCII)  
ascii_bin   西欧 (多语言), 二进制  
ascii_general_ci   西欧 (多语言), 不区分大小写  
big5 (Big5 Traditional Chinese)  
big5_bin   繁体中文, 二进制  
big5_chinese_ci   繁体中文, 不区分大小写  
binary (Binary pseudo charset)  
binary   二进制  
cp1250 (Windows Central European)  
cp1250_bin   中欧 (多语言), 二进制  
cp1250_croatian_ci   克罗地亚语, 不区分大小写  
cp1250_czech_cs   捷克语, 区分大小写  
cp1250_general_ci   中欧 (多语言), 不区分大小写  
cp1251 (Windows Cyrillic)  
cp1251_bin   西里尔语 (多语言), 二进制  
cp1251_bulgarian_ci   保加利亚语, 不区分大小写  
cp1251_general_ci   西里尔语 (多语言), 不区分大小写  
cp1251_general_cs   西里尔语 (多语言), 区分大小写  
cp1251_ukrainian_ci   乌克兰语, 不区分大小写  
cp1256 (Windows Arabic)  
cp1256_bin   阿拉伯语, 二进制  
cp1256_general_ci   阿拉伯语, 不区分大小写  
cp1257 (Windows Baltic)  
cp1257_bin   巴拉克语 (多语言), 二进制  
cp1257_general_ci   巴拉克语 (多语言), 不区分大小写  
cp1257_lithuanian_ci   立陶宛语, 不区分大小写  
cp850 (DOS West European)  
cp850_bin   西欧 (多语言), 二进制  
cp850_general_ci   西欧 (多语言), 不区分大小写  
cp852 (DOS Central European)  
cp852_bin   中欧 (多语言), 二进制  
cp852_general_ci   中欧 (多语言), 不区分大小写  
cp866 (DOS Russian)  
cp866_bin   俄语, 二进制  
cp866_general_ci   俄语, 不区分大小写  
cp932 (SJIS for Windows Japanese)  
cp932_bin   日语, 二进制  
cp932_japanese_ci   日语, 不区分大小写  
dec8 (DEC West European)  
dec8_bin   西欧 (多语言), 二进制  
dec8_swedish_ci   瑞典语, 不区分大小写  
euckr (EUC-KR Korean)  
euckr_bin   朝鲜语, 二进制  
euckr_korean_ci   朝鲜语, 不区分大小写  
gb2312 (GB2312 Simplified Chinese)  
gb2312_bin   简体中文, 二进制  
gb2312_chinese_ci   简体中文, 不区分大小写  
gbk (GBK Simplified Chinese)  
gbk_bin   简体中文, 二进制  
gbk_chinese_ci   简体中文, 不区分大小写  
geostd8 (GEOSTD8 Georgian)  
geostd8_bin   乔治亚语, 二进制  
geostd8_general_ci   乔治亚语, 不区分大小写  
greek (ISO 8859-7 Greek)  
greek_bin   希腊语, 二进制  
greek_general_ci   希腊语, 不区分大小写  
hebrew (ISO 8859-8 Hebrew)  
hebrew_bin   希伯来语, 二进制  
hebrew_general_ci   希伯来语, 不区分大小写  
hp8 (HP West European)  
hp8_bin   西欧 (多语言), 二进制  
hp8_english_ci   英语, 不区分大小写  
keybcs2 (DOS Kamenicky Czech-Slovak)  
keybcs2_bin   捷克斯洛伐克语, 二进制  
keybcs2_general_ci   捷克斯洛伐克语, 不区分大小写  
koi8r (KOI8-R Relcom Russian)  
koi8r_bin   俄语, 二进制  
koi8r_general_ci   俄语, 不区分大小写  
koi8u (KOI8-U Ukrainian)  
koi8u_bin   乌克兰语, 二进制  
koi8u_general_ci   乌克兰语, 不区分大小写  
latin1 (cp1252 West European)  
latin1_bin   西欧 (多语言), 二进制  
latin1_danish_ci   丹麦语, 不区分大小写  
latin1_general_ci   西欧 (多语言), 不区分大小写  
latin1_general_cs   西欧 (多语言), 区分大小写  
latin1_german1_ci   德语 (字典), 不区分大小写  
latin1_german2_ci   德语 (电话本), 不区分大小写  
latin1_spanish_ci   西班牙语, 不区分大小写  
latin1_swedish_ci   瑞典语, 不区分大小写  
latin2 (ISO 8859-2 Central European)  
latin2_bin   中欧 (多语言), 二进制  
latin2_croatian_ci   克罗地亚语, 不区分大小写  
latin2_czech_cs   捷克语, 区分大小写  
latin2_general_ci   中欧 (多语言), 不区分大小写  
latin2_hungarian_ci   匈牙利语, 不区分大小写  
latin5 (ISO 8859-9 Turkish)  
latin5_bin   土耳其语, 二进制  
latin5_turkish_ci   土耳其语, 不区分大小写  
latin7 (ISO 8859-13 Baltic)  
latin7_bin   巴拉克语 (多语言), 二进制  
latin7_estonian_cs   爱沙尼亚语, 区分大小写  
latin7_general_ci   巴拉克语 (多语言), 不区分大小写  
latin7_general_cs   巴拉克语 (多语言), 区分大小写  
macce (Mac Central European)  
macce_bin   中欧 (多语言), 二进制  
macce_general_ci   中欧 (多语言), 不区分大小写  
macroman (Mac West European)  
macroman_bin   西欧 (多语言), 二进制  
macroman_general_ci   西欧 (多语言), 不区分大小写  
sjis (Shift-JIS Japanese)  
sjis_bin   日语, 二进制  
sjis_japanese_ci   日语, 不区分大小写  
swe7 (7bit Swedish)  
swe7_bin   瑞典语, 二进制  
swe7_swedish_ci   瑞典语, 不区分大小写  
tis620 (TIS620 Thai)  
tis620_bin   泰语, 二进制  
tis620_thai_ci   泰语, 不区分大小写  
ucs2 (UCS-2 Unicode)  
ucs2_bin   Unicode (多语言), 二进制  
ucs2_czech_ci   捷克语, 不区分大小写  
ucs2_danish_ci   丹麦语, 不区分大小写  
ucs2_estonian_ci   爱沙尼亚语, 不区分大小写  
ucs2_general_ci   Unicode (多语言), 不区分大小写  
ucs2_icelandic_ci   冰岛语, 不区分大小写  
ucs2_latvian_ci   拉脱维亚语, 不区分大小写  
ucs2_lithuanian_ci   立陶宛语, 不区分大小写  
ucs2_persian_ci   波斯语, 不区分大小写  
ucs2_polish_ci   波兰语, 不区分大小写  
ucs2_roman_ci   西欧, 不区分大小写  
ucs2_romanian_ci   罗马尼亚语, 不区分大小写  
ucs2_slovak_ci   斯洛伐克语, 不区分大小写  
ucs2_slovenian_ci   斯洛文尼亚语, 不区分大小写  
ucs2_spanish2_ci   传统西班牙语, 不区分大小写  
ucs2_spanish_ci   西班牙语, 不区分大小写  
ucs2_swedish_ci   瑞典语, 不区分大小写  
ucs2_turkish_ci   土耳其语, 不区分大小写  
ucs2_unicode_ci   Unicode (多语言), 不区分大小写  
ujis (EUC-JP Japanese)  
ujis_bin   日语, 二进制  
ujis_japanese_ci   日语, 不区分大小写  
utf8 (UTF-8 Unicode)  
utf8_bin   Unicode (多语言), 二进制  
utf8_czech_ci   捷克语, 不区分大小写  
utf8_danish_ci   丹麦语, 不区分大小写  
utf8_estonian_ci   爱沙尼亚语, 不区分大小写  
utf8_general_ci   Unicode (多语言), 不区分大小写  
utf8_icelandic_ci   冰岛语, 不区分大小写  
utf8_latvian_ci   拉脱维亚语, 不区分大小写  
utf8_lithuanian_ci   立陶宛语, 不区分大小写  
utf8_persian_ci   波斯语, 不区分大小写  
utf8_polish_ci   波兰语, 不区分大小写  
utf8_roman_ci   西欧, 不区分大小写  
utf8_romanian_ci   罗马尼亚语, 不区分大小写  
utf8_slovak_ci   斯洛伐克语, 不区分大小写  
utf8_slovenian_ci   斯洛文尼亚语, 不区分大小写  
utf8_spanish2_ci   传统西班牙语, 不区分大小写  
utf8_spanish_ci   西班牙语, 不区分大小写  
utf8_swedish_ci   瑞典语, 不区分大小写  
utf8_turkish_ci   土耳其语, 不区分大小写  
utf8_unicode_ci   Unicode (多语言), 不区分大小写  
标签：

相关文章