Unicode编码简介

一、介绍一些简单的概念：

1. 字符（Characters）：各种文字和符号的总称。

2. 字符集（Character sets ）：是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同。

3. 编码：用户存储字符的一种方法。

4. 编码包括以下两种形式：

1)互相关联的代码页，即代码页之间存在相互包含的关系，例如：ANSI中包含Double bytecharacter sets；

2)独立的代码页，即两种代码页之间是并列关系，不存在相互包含的关系，例如：ISO/IEC 10646 (UCS – 4& UCS –2)、Unicode

那么代码页长什么样呢？如下图：

5. 主要的编码类型包括

1)ASCII 编码

Windows1252/ISO8859-1

2)Windows/ISO 内置编码

GB2312,GB18030

3)UNICODE 编码

UTF-8

UTF-16

二、下面开始介绍Unicode相关的内容

1. 什么是 Unicode?

Unicode（中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。它对世界上大部分的文字系统进行了整理、编码，使得电脑可以用更为简单的方式来呈现和处理文字. （如下图）

2. Unicode字符的特点

1) Unicode是一个单一的，通用的字符编码标准。

2) Unicode是统一的，固定宽度的编码方案。

3) Unicode是与语言无关的代码页。

4) Unicode是所有ANSI字符集的一个超集。

5) Unicode字符集包括新字符集。

6) Unicode字符包含跨语言重复的编码。

7) Unicode编码的空间范围从U + 0000 U +10ffff。

3. UTF 编码方法

UTF – UnicodeTransformation Format，这种编码方式是Unicode这个组织制定的，将Unicode编码进行了转换，主要包括两种：

1) UTF –8：主要用于计算机网络中的数据传输

2) UTF –16：是具有可扩展性的Unicode，包含UTF-8。

4. 如何使用Unicode输入字符

方法1：在 MicrosoftOffice Word中，选中部分字符后按Alt + X，可以将字符转为对应的Unicode

例如：在word中输入“搜”，选中后按Alt+x，“搜”字就会变成“641C”

方法2：在Microsoft OfficeWord中，选中四位数字，按Alt+X，可以将Unicode转为对应的字符

例如：在word中输入“641C”，选中后按Alt+x，“641C”就会变成“搜”字

方法3：使用“区位码”输入法

5. 有关的编码bug

1) 编码中出现“?”：

这是编码问题，原因是代码页选择正确，但是这个字符不在所选择的这个代码页中，所以使用 “?”来代替。

2) 编码出现各种乱码：

原因是代码页选择错误，对所要显示的字符无法进行解码，就显示了一堆随机的字符。

3) 编码中出现 “囗”：

是字体问题，原因是当前所选择的这个字符集中，没有对应的字体，但是有对应的字符。

6. 字符编码的测试范围

1) 进行安装操作时的系统环境：修改计算机名，工作组名，域名，登录名等为中文或其他字符

2) 路径：将程序安装到中文或其他字符的路径下

3) 文件的保存和打开

4) 可编辑区域

5) 查找和替换

6) 复制和粘贴

7) 产品中不同组件之间的字符传递

8) 与其他外部产品之间的字符传递。

9) 使用本地模式

原文链接

如需转载该篇文章，请注明来自“搜狗测试”