ASCII码字符集

为什么有ASCII码

计算机存储和传输的数据必须是二进制,也就是说所有的信息都要转换成0和1表示。在两台通信设备之间通信的时候，比如要传输字符a，发送设备把a编码为0和1组成的序列，并发送出去，接口设备如何正确地的理解这个0和1序列呢？这就像两个人之间对话一样，如果两个人使用的是不同的语言，那么他们会存在沟通障碍。同样的地，计算机设备之间也需要统一的编码标准，把字符编码为统一的0和1序列，发送之前进行二进制编码， 接收的设备只要按照相同的规则解析，就可以读取出来信息了。统一的编码方案成为信息能够正确存储和传输的前提。

ASCII（American Standard Code for Information Interchange）美国信息交换标准代码，它是对字母、数字、符号进行二进制编码的标准。一个ASCII码长度是一个字节，也就是8个bit，最高位是0作为校验位，其余7位使用0和1进行组合，所以ASCII码共有128个。这128个字符包含33个控制字符和95个可显示字符。0-31以及127是控制字符，包含DEL删除，BS退格，CR回车等。32-126是可显示字符，其中32是回车，48-57是10个阿拉伯数字，65-90是26个大写的英文字母，97-122是26个小写的英文字母。

ASCII码表格

127个ASCII字符和数字是一一对应的关系，表格中展示的为十进制表示，在计算机传输和存储中，会把他们转换为二进制，比如数字0的十进制表示为48，转换为二进制就是00110000，在不同的设备中互相传输的就是这个二进制序列。

ASCII值	ASCII字符	ASCII值	ASCII字符	ASCII值	ASCII字符	ASCII值	ASCII字符
0	NUT	32	(space)	64	@	96	、
1	SOH	33	!	65	A	97	a
2	STX	34	"	66	B	98	b
3	ETX	35	#	67	C	99	c
4	EOT	36	$	68	D	100	d
5	ENQ	37	%	69	E	101	e
6	ACK	38	&	70	F	102	f
7	BEL	39	,	71	G	103	g
8	BS	40	(	72	H	104	h
9	HT	41	)	73	I	105	i
10	LF	42	*	74	J	106	j
11	VT	43	+	75	K	107	k
12	FF	44	,	76	L	108	l
13	CR	45	-	77	M	109	m
14	SO	46	.	78	N	110	n
15	SI	47	/	79	O	111	o
16	DLE	48	0	80	P	112	p
17	DCI	49	1	81	Q	113	q
18	DC2	50	2	82	R	114	r
19	DC3	51	3	83	S	115	s
20	DC4	52	4	84	T	116	t
21	NAK	53	5	85	U	117	u
22	SYN	54	6	86	V	118	v
23	TB	55	7	87	W	119	w
24	CAN	56	8	88	X	120	x
25	EM	57	9	89	Y	121	y
26	SUB	58	:	90	Z	122	z
27	ESC	59	;	91	[	123	{
28	FS	60	<	92	/	124	|
29	GS	61	=	93	]	125	}
30	RS	62	>	94	^	126	`
31	US	63	?	95	_	127	DEL

ASCII字符局限性

可以发现，ACSII字符最高位置0的情况下，最多表示128个字符，英文字符完全可以被编码，如果是其他语言，字符数量多于127个如何表示呢？一些国家对ASCII码做了扩展，让最高位也参与编码，这样ASCII码能表示的字符数量从128个上升到256个，这种编码ASCII也被成为扩展ASCII编码。

然而，扩展ASCII编码仍然有很大局限性，世界上有很多中语言文字，每种语言的字符数量不一，256个依然是不够用的。汉字的数量大约接近十万个，常用汉字大约六千个，如何实现汉字编码呢？此类情况，其他语言也是存在。每个国家都将自己的语言编码为某个标准，标准不统一，导致计算机设备在传输信息过程中出现乱码。Unicode编码的出现，它采用两个字节对接字符编码，理论上可以有256*256=65536个字符，解决了编码数量过少问题，同时，它也是通用的编码标准，避免了信息传输中乱码问题。

Unicode标准成为了国际认可的编码标准，但在推广过程中受到欧美国家的反对，他们的理由很简单，在ASCII编码体系下，他们字符编码仅仅需要一个字节，而Unicode采用了两个字节，存储空间占用直接变为两倍，同时他们所有的文本处理程序都需要重写，工作量很大，如果采用两个字节编码他们是无法接受的。互联网的普及强烈要求统一的编码格式，utf-8编码后来成为了通用编码方式。它采用变长编码，使用1-4个字节表示一个符号，根据符号的不同，变化字节长度。对于ASCII码，它在utf-8中的编码保持不变，仍是一个字节，原来处理ASCII字符的程序几乎不需要改变，可以继续使用。但对于中文来说，中文字符在utf-8中占用3个字节，在Unicode标准中需要两个字节，使用utf-8编码后，中文信息传输占用的流量变为1.5倍。