字符集的选择

字符集的选择
一：背景介绍

1. DICOM特定字符集（0008,0005）
   此标签获得不同的值就代表使用不同的语言进行解码。
   以下为多家CT厂商的（0008,0005）取值：
   
2. 字符集：

unicode是字符集，ASCII、GB2312、GBK、GB18030既是字符集也是编码方式，UTF-8只是编码方式。

二：中文字符集介绍

1. 世界通用字符集——UTF
   
2. 中文字符集——GB2312、GBK、GB18030
   
   字符集的详细介绍
   一：UTF-8

程序是把一个字节一个字节的来读取,然后再根据字节中开头的bit标志来识别是该把1个还是两个或三个字节做为一个单元来处理.
• 0xxxxxxx——如果是这样的01串,也就是以0开头后面是啥就不用管了XX代表任意bit.就表示把一个字节做为一个单元.就跟ASCII完全一样.
• 10xxxxx 10xxxxxx——如果是这样的格式,则把两个字节当一个单元
• 1110xxxx 10xxxxxx 10xxxxxx如果是这种格式则是三个字节当一个单元.
而UTF-8由于里面有额外的标志信息,所有一个字节只能表示2的7次方128个字符,两个字节只能表示2的11次方2048个字符.而三个字节能表示2的16次方,65536个字符.
由于"汉"的编码27721大于2048了所有两个字节还不够,只能用三个字节来表示.
所有要用1110xxxx 10xxxxxx 10xxxxxx这种格式.把27721对应的二进制从左到右填充XXX符号，实际上也可以从从右到左填充,于是就出现了Big-Endian,Little-Endian的术语.Big-Endian就是从左到右,Little-Endian是从右到左.
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001，
用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。二：GBK
二：GB18030
GB18030-2005汉字
如下表所示，GB18030-2005收录了70244个汉字：

GB18030码位分配
GB18030编码采用单字节、双字节和四字节三种方式对字符编码。
1、单字节部分
本标准中，单字节的部分收录了GB/T 11383-1989的0x00到0x7F全部128个字符，与 ASCII 编码兼容。
2、双字节部分
第一个字节的值从 0x81 到 0xFE，第二个字节的值从 0x40 到 0xFE（不包括0x7F），与 GBK 标准兼容。本标准中，双字节的部分收录内容如下：
• GB 13000.1－1993的全部CJK统一汉字字符。
• GB 13000.1－1993的CJK兼容区挑选出来的21个汉字。
• GB 13000.1－1993中收录而GB 2312未收录的我国台湾地区使用的图形字符139个。
• GB 13000.1－1993收录的其它字符31个。
• GB 2312中的非汉字符号。
• GB 12345 的竖排标点符号19个。
• GB 2312未收录的10个小写罗马数字。
• GB 2312未收录的带音调的汉语拼音字母5个以及ɑ 和ɡ 。
• 汉字数字“〇”。
• 表意文字描述符13个。
• 对GB 13000.1－1993增补的汉字和部首/构件80个。
• 双字节编码的欧元符号。
3、四字节部分
第一个字节的值从 0x81 到 0xFE，第二个字节的值从 0x30 到 0x39，第三个字节从0x81 到 0xFE，第四个字节从 0x30 到 0x39。
本标准的四字节的部分，收录了上述双字节字符之外的，GB 13000的CJK统一汉字扩充A、CJK统一汉字扩充B和已经在GB13000中编码的我国少数民族文字的字符。
GB18030-2005最主要的变化是增加了CJK统一汉字扩充B。它还去掉了单字节编码的欧元符号0x80）。
GB18030有1611668个码位，在GB18030-2005中定义了76556个字符。随着我国汉字整理和编码研究工作的不断深入，以及国际标准ISO/IEC 10646的不断发展，GB18030所收录的字符将在新版本中增加。
4、注意

1. [ISO / IEC 10646]现在禁止使用除UTF-8的最小长度编码以外的任何内容。 UTF-8允许多种不同的编码，但是当用于按照ISO 10646-1和10646-2（带有扩展名）编码Unicode字符时，只有最小限度的编码才是合法的。
2. DICOM默认字符库中字符的表示形式与默认字符库，UTF-8中的[ISO / IEC 10646]，[GB 18030]和[GBK]的单字节值相同。它也是7位US-ASCII编码。
3. [GBK]字符集是[GB 18030]字符集的子集，该字符集受其一字节和两字节代码点的限制。在此子集中，[GBK]字符集遵循与[GB 18030]完全相同的编码规则。