mysql ucs2_SIM卡中UCS2编码的三种格式（80,81,82）分析

http://hi.baidu.com/youren4548/blog/item/fa08bd1bf61005058618bf1d.html 操作SIM卡中的数据操作主要有两个地方，一个是短信操作，还有一个通讯录操作，两种编码略有差别： 1、短信息操作： 在短信息中，默认一条短信的最大长度为140个字节。 纯ASCII字符

http://hi.baidu.com/youren4548/blog/item/fa08bd1bf61005058618bf1d.html

操作SIM卡中的数据操作主要有两个地方，一个是短信操作，还有一个通讯录操作，两种编码略有差别：

1、短信息操作：

在短信息中，默认一条短信的最大长度为140个字节。

纯ASCII字符主要采用7-bit编码格式，即只是利用了字符的后7位数据，这样160个ASCII字符只占用140个字节。这样我们手机的一条短信就可以发送160个ASCII字符了。

包含汉字的字符采用UCS2编码格式，即UNICODE的2字节编码格式。样每个字符占用两个字节，只要短信中包含中文，整条短信的字符都要采用UCS2编码，这样整个短信最多就只能发送70个字符了。

2、通讯录操作：

通讯录中的姓名长度限制不一样，本人使用的TD模块限制长度为14个字节。

单独的ASCII字符正常都使用8-bit编码格式，即每个字节都占用8位，这也是最为正常的存储格式了。

如果包含中文等字符，则正常采用80编码格式，即整个姓名字符以80开头，后面跟上UCS2数据，但有些情况下又会采用81或者82开头。

a) 80 开头：

80开头的为ucs2格式(注意：后面的字符必须有中文才行，否则可能是以80开头的纯ASCII字符串)，大头在前，小头在后。

例1：中国

UNICODE编码为:4E2D56FD

用ucs2的80方案表示是:804E2D56FD

例2：杜10娘

UNICODE编码为:675C003100305A18

用ucs2的80方案表示是:80675C003100305A18

显然只要有中文，数字也得占用两个字节。

b) 81 开头：

81开头的格式中，包含一个基址(一个字节)。有这个基址，就可以用一个字节表示一个ucs2字符了。

在格式上，81是标识，后一个字节表示整个字符串长度，再后面一个字节是基址，再往后的就都是数据了。先举一例：

例3：杜杜杜

UNICODE编码为:675C675C675C

用ucs2的80方案表示是:80675C675C675C

用ucs2的81方案表示是:8103CEDCDCDC

分析一下UCS2的81方案：8103CEDCDCDC

81：为标记

03：表示整个字符串为3个字符

CE：一个字节为基址。解析的方法为：将基址(CE)左移七位，并将最高位置为0，最低位再补一个0(这样就16位啦)。此时基

址变为0x6700，然后再判断后面的数据字节。

DCDCDC：3个数据字节 DC， DC， DC 。如果数据字节的最高位为0，则认为此字节是一个ASCII字符。如果数据字节的最高位为

1，则低7位为基址的一个偏移，实际的UCS2字符为基址加上这个偏移值。由于此处三个数据字节最高位都为1，则实际的3个字符的

偏移值为：5C， 5C， 5C。实际的UCS2编码为： 0x675C 0x675C 0x675C， 此处我们就看的明白了。

例4：一丁丂七丄丅 (注：这些字符属于GBK字符集)

UNICODE编码为:4E004E014E024E034E044E05

用ucs2的80方案表示是:804E004E014E024E034E044E05

用ucs2的81方案表示是:81069C808182838485

分析一下UCS2的81方案：81069C808182838485

81：为标记

06：表示整个字符串为6个字符

9C：一个字节为基址。解析的方法为：将基址(9C)左移七位，并将最高位置为0，最低位再补一个0(这样就16位啦)。此时基址

变为0x4E00，然后再判断后面的数据字节。

808182838485：6个数据字节 80，81，82，83，84，85 。由于此处六个数据字节最高位都为1，则实际的6个字符的偏移值为：00，

01，02，03，04，05。实际的UCS2编码为：0x4E00，0x4E01，0x4E02，0x4E03，0x4E04，0x4E05。 OK。

c) 82 开头：

82开头的格式中，包含一个基址(两个字节)。有这个基址，就可以用一个字节表示一个ucs2字符了。

在格式上，81是标识，后一个字节表示整个字符串长度，再后面两个字节是基址，再往后的就都是数据了。先举一例：

例5：8025EF芳

UNICODE编码为:00380030003200350045004682B3

用ucs2的80方案表示是:8000380030003200350045004682B3

用ucs2的81方案表示是:(因为格式的限制，最多容纳128个中文和127个英文，所以此处无法用81格式表示)

用ucs2的82方案表示是:82078280383032354546B3

分析一下UCS2的82方案：82078280383032354546B3

82：为标记

07：表示整个字符串为7个字符

8280：两个字节为基址。

383032354546B3：7个数据字节 38，30，32，35，45，46，B3。如果数据字节的最高位为0，则认为此字节是一个ASCII字符。如果

数据字节的最高位为1，低7位为基址的一个偏移，实际的UCS2字符为基址加上这个偏移值。由于此处七个数据字节的前六个字节最高

位为0，所以表示6个ASCII字符0x38，0x30，0x32，0x35，0x45，即8，0，2，5，E，F。第七个字节的最高位为1，则此数据的

偏移值为0x33，需要加上基址 0x8280，UCS2编码为0x82B3(芳)

例6：杜杜1

UNICODE编码为:675C675C0031

用ucs2的80方案表示是:80675C675C0031

用ucs2的81方案表示是:8103CEDCDC31

用ucs2的82方案表示是:82036700DCDC31

分析一下UCS2的82方案：82036700DCDC31

82：为标记

03：表示整个字符串为6个字符

6700：两个字节为基址。

DCDC31：36个数据字节 DC，DC，31。由于此处三个字节的前两个字节最高位为1，则此数据的偏移值为0x5C，需要加上基址

0x6700，UCS2编码为：0x675C(杜)。第三个字节的最高位为0，所以表示一个ASCII字符：0x31，即 1 。

此处只是稍微分析了一下UCS2三种格式(80，81，82)的解码，想必知道了各个字段的含义，编码也就轻松多了。

本文原创发布php中文网，转载请注明出处，感谢您的尊重！