[Delphi] 常用字符集简介

转载

http://www.cnblogs.com/yangyxd/articles/4778483.html

字符集	ANSI (ASCII) 美国信息互换标准编码	GB 2312 信息交换用汉字编码字符集	GBK Chinese Internal Code Specification	GB18030 信息交换用汉字编码字符集基本集的扩充	UTF-8 万国码	UTF-16 (ISO/IEC 10646-1、UCS-2)  通用字符集	BIG5 大五码或五大码
英文字符	1 字节	1 字节	1 字节	1 字节	1 字节	2 字节	1 字节
中文字符	不支持	2 字节	2 或 4 字节	2 或 4 字节	3 ~ 4 字节	2 或 4 字节	2 字节
Delphi 2007(及更早)	AnsiString	AnsiString	AnsiString	AnsiString	AnsiString	WideString	AnsiString
Delphi 2009 (大于或等于)	AnsiString	AnsiString	AnsiString	AnsiString	UTF8String	UnicodeString	AnsiString
表示法	7位（bits）表示一个字符，共128字符，字符值从0到127，其中32到126是可打印字符。 ASCII扩展字符集使用8位（bits）表示一个字符，共256字符。	EUC-CN “第一位字节”使用0xB0-0xF7 “第二位字节”使用0xA1-0xFE	GBK/1:   0xA1A0~0xA9EF(部分) GB2312非汉字符号 GBK/2: 0xB0A0~0xF7FE(部分) GB2312汉字 上面两个是GB2312的扩展，向上兼容; GBK/3: 0x8140~0xA0FE(部分) 扩充汉字 包括繁体 GBK/4: 0xAA40~0xFEA0(部分) 扩充汉字 包括繁体 GBK/5: 0xA840~0xA995(部分) 扩充非汉字	单字节字符： 0x00至0x7F码(对应于ASCII码的相应码)。 双字节字符:  首字节码从0x81至0xFE，尾字节码位分别是0x40至0x7E和0x80至0xFE。 四字节字符: 采用GB/T 11383未采用的0x30到0x39作为对双字节编码扩充的后缀，这样扩充的四字节编码，其范围为0x81308130到0xFE39FE39。其中第一、三个字节编码码位均为0x81至0xFE，第二、四个字节编码码位均为0x30至0x39。	UTF-8使用使用1到6个可变长字节编码UNICODE字符。 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。 Unicode转换为UTF-8字节数计算规则： 如果Unicode小于0X80（Ascii字符），则转换后为1个字节。否则转换后的字节数为Unicode二进制位数加3再除以5。 ASCII字母使用1字节，重音文字、希腊字母或西里尔字母等使用2字节来储存，常用的汉字就要使用3字节，辅助平面字符则使用4字节。	首256字符保留给ISO 8859-1所定义的字符。 UTF-16的大尾序和小尾序储存形式都在用。一般来说，以Macintosh制作或储存的文字使用大尾序格式，以Microsoft或Linux制作或储存的文字使用小尾序格式。 为了弄清楚UTF-16文件的大小尾序，在UTF-16文件的开首，都会放置一个U+FEFF字符作为Byte Order Mark（UTF-16LE以FF FE代表，UTF-16BE以FE FF代表），以显示这个文字档案是以UTF-16编码，其中U+FEFF字符在UNICODE中代表的意义是ZERO WIDTH NO-BREAK SPACE，顾名思义，它是个没有宽度也没有断字的空白。	高位字节: 0xA1-0xF9， 低位字节: 0x40-0x7E及0xA1-0xFE 中文字符编码规则： 第一个字节 从0X81－0XFE，共126种 第二个字节 分别为0X40－0X7E，0XA1－0XFE，共157种
备注	1. 基于罗马字母表的一套电脑编码系统。 2. 它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO 646。 3. ASCII扩展字符集：它是从ASCII字符集扩充出来的，扩充后的符号增加了表格符号、计算符号、希腊字母和特殊的拉丁符号。	1. 共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；同时，GB 2312收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。 2. 整个字符集分成94个区，每区有94个位。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。各区包含的字符如下：01-09区为特殊符号；16-55区为一级汉字，按拼音排序；56-87区为二级汉字，按部首/笔画排序；10-15区及88-94区则未有编码。 3. 把换算成十六进制的区位码加上2020H，就得到国标码。国标码加上8080H，就得到常用的计算机机内码。	兼容 GB2312 中的全部汉字和符号。总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间(不包括0x7F)。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。	1. 该标准的字符总编码空间超过150万个编码位，收录了27484个汉字，覆盖中文、日文、朝鲜语和中国少数民族文字。 2. 与Unicode 3.0版本兼容，填补Unicode扩展字符字汇“统一汉字扩展A”的内容。并且与以前的国家字符编码标准（GB2312，GB13000.1）兼容。 3. GB 18030标准采用单字节、双字节和四字节三种方式对字符编码。 4. 2001年8月31日后在中国市场上发布的软件必须符合本标准。	1. Unicode转换为UTF-8时可将Unicode二进制从低位往高位取出二进制数字，每次取6位，如上述的二进制就可以分别取出为如下示例所示的格式，前面按格式填补，不足8位用0填补。 2. 非ASCII字符的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。 3. UTF-32、UTF-16和 UTF-8 是 Unicode 标准的编码字符集的字符编码方案，UTF-16 使用一个或两个未分配的 16 位代码单元的序列对 Unicode 代码点进行编码；UTF-32 即将每一个 Unicode 代码点表示为相同值的 32 位整数。	1. 从Unicode 2.0开始，Unicode采用了与ISO 10646-1相同的字库和字码。 2. 在未引入辅助平面字符时，UTF-16与UCS-2所指的是同一的意思。对于小于0x10000的UCS码，UTF-16编码就等于UCS码。 3. UTF-16比起UTF-8，好处在于大部分字符都以固定长度的字节 (2字节) 储存，但UTF-16却无法兼容于ASCII编码。 4. 把Unicode字符集的抽象码位映射为16位长的整数（即码元）的序列，用于数据存储或传递。Unicode字符的码位，需要1个或者2个16位长的码元来表示，因此这是一个变长表示。	1. Big5字符集共收录13,053个中文字，该字符集在中国台湾使用。 2. 0xA140-0xA3BF为标点符号、希腊字母及特殊符号。 3. 0xA259-0xA261，存放了双音节度量衡单位用字：兙兛兞兝兡兣嗧瓩糎。 4. 0xA440-0xC67E为常用汉字，先按笔划再按部首排序 5. 0xC940-0xF9D5为次常用汉字，亦是先按笔划再按部首排序。