代码页

✍ dations ◷ 2024-09-20 12:26:20 #Pages using deprecated source tags,字符编码

代码页是字符编码的别名,也称内码表,是特定语言的字符集的一张表。

早期,代码页是IBM称呼计算机的BIOS所支持的字符集编码。当时通用的操作系统都是命令行界面,这些操作系统直接使用BIOS提供的字符绘制功能来显示字符(或者是一组嵌入在显卡字符生成器中的字形)。这些BIOS代码页也被称为OEM代码页。图形操作系统使用自己的字符呈现引擎(rendering engine),可以支持多个不同的字符集编码,这类代码页被称作ANSI代码页。

早期IBM和微软内部使用数字来标记不同的编码字符集,不同的厂商对同一个字符集编码使用各自不同的名称。例如,UTF-8在IBM称作代码页1208,在微软称作代码页65001,在SAP称作代码页4110。

1987年4月,IBM发布了PC-DOS 3.3,正式开始使用16比特的无符号整数标识不同的代码页。这时的PC机使用CGA显示系统的字符界面,绘制不同语言的字符依靠BIOS硬件厂商(在当时就是指制定业界标准的IBM)提供的功能。如果想更换所支持的字符集,就必须换上支持该字符集的ROM芯片。微软作为DOS操作系统的软件厂商,并不拥有绘制这些字符集的知识产权。所以这些字符集的绘制实现,称作OEM代码页。最常见、最具代表性的OEM代码页是"IBM PC或MS-DOS 代码页437"。

随着图形用户界面操作系统的广泛使用(最初被广为接受的是Windows 3.1),操作系统具有了字符绘制的功能。微软在Windows操作系统没有转向UTF-16作为内码实现之前(也就是在Windows 2000之前),针对不同的使用地区与国家,定义了一系列的支持不同语言字符集的代码页,被称作"Windows(或ANSI)代码页"。代表性的是实现了ISO-8859-1的代码页1252。

代码页819实现了Latin-1(ISO/IEC 8859-1),用于IBM AS/400小型机。

对于中日韩的多字节编码的代码页,OEM代码页与ASCII代码页相同,例如对于简体中文的OEM代码页与ASCII代码页就是GBK代码页。而对于单字节编码的代码页,如英语、俄语等,OEM代码页与ASCII代码页一般不同。这是因为在MS-DOS时代,计算机只能使用字符界面在屏幕上画出表格的框线,所以OEM代码页要在单字节字符集中包含方框绘制字符;此外,OEM代码页437提供的有限的变音符号,只能覆盖法语、西班牙语、德语、意大利语、瑞典语的字母表。而在Windows的早期时代,仍然使用单字节字符集,这时就舍弃了这些不必要的方框绘制字符,取而代之的是丹麦语、挪威语、冰岛语、加拿大法语的变音符号。为此,一个用OEM代码页的字节流要在Windows上正确显示,就需要或者显式设定使用OEM代码页;或者要显式把OEM代码页的字节流转化为ASCII代码页的字符流,这需要使用Windows系统调用OemToChar()

Windows代码页最初是根据ANSI草案实现的,这个草案最终成为ISO 8859-1。这是Windows代码页被称作ANSI的缘由。

Windows-1252与ISO-8859-1并不完全一致。ISO-8859-1在0x80-0x9F范围的控制字符,在Windows-1252中被可打印字符取代。由于在web网页中,ASCII控制字符不起作用,所以网页一般用Windows-1252代码页标记替代ISO-8859-1标记。

既是OEM代码页,也是Windows代码页。

Windows平台上的GUI程序使用ANSI代码页,而在控制台程序使用OEM代码页(以便向后兼容)。这意味着,如果在记事本程序(notepad.exe)打开一个8位字符集编码的文本文件,将使用ANSI代码页;如果在命令行中用type命令显示这个文本文件的内容,将使用OEM代码页。这两个代码页在前128个字符的编码是一样的,但后128个字符的编码可能不一致。在Windows的命令行窗口通过标记、复制操作把一部分文本内容复制到记事本程序中,实际上是把Unicode格式的内容保存在剪贴板,使得这种文本复制保持了字符编码的透明转换。

对于Windows操作系统中的命令行窗口(Command Prompt),chcp命令在没有参数时,显示当前代码页;chcp命令带一个整数参数,则改变命令行窗口的当前代码页为参数所指定。

把UTF-8编码文本直接写到控制台,必须先使用函数SetConsoleOutputCP(65001),然后使用puts一族的函数来输出文本。把UTF-8编码文本写入UTF-8文件时,可以直接使用窄字符输出函数。

在Windows API中,CP_ACP与CP_OEMCP分别表示当前系统的ANSI代码页与OEM代码页。对于CJK(多字节编码)的环境(泰文,日文,韩文,中文),CP_ACP与CP_OEMCP没有区别。对于非 CJK(单字节编码)的环境这两个代码页不同。 Windows的文件操作的API默认使用ASCII代码页(即CP_ACP),设备的操作的函数使用OEM代码页(即CP_OEMCP)。读写console的函数是对console设备的操作,所以默认使用OEMCP。

Windows系统调用GetCPInfo()给出指定的代码页的信息。如东亚多字节代码页的缺省字符、前导字节的范围:

相关

  • 奥美拉唑奥美拉唑(Omeprazole),常见商品名Prilosec等。是一种可用于治疗 胃食道逆流、胃及十二指肠溃疡和胃泌素瘤(英语:Zollinger–Ellison syndrome)的口服药物。它同时也用于上消化道出
  • 高分子化学高分子化学,(英语:Polymer chemistry)又称“聚合物化学”,是研究高分子的结构、合成和反应的科学,是化学的一个分支。通常高分子根据生成它单体的名称,如乙烯聚合生成的高分子称为
  • 费奥多西·多布然斯基费奥多西·格里戈里耶维奇·多布然斯基(乌克兰语:Теодо́сій Григо́рович Добжа́нський,俄语:Феодо́сий Григо́рьевич Д
  • 秘书长北大西洋公约组织(英语:North Atlantic Treaty Organization,缩写为NATO;法语:Organisation du Traité de l'Atlantique Nord,缩写为OTAN),简称北约组织或北约 或音译纳托,是欧洲及
  • 低陆平原低陆平原(英语:Lower Mainland)是一个常用于加拿大不列颠哥伦比亚省温哥华与其近郊城镇的合称,经常会在新闻报导中提及。此词为一非正式称谓,并没有官方地位,因此“低陆平原”一词
  • 威廉·欧内斯特·亨利威廉·欧内斯特·亨利(William Ernest Henley,1849年8月23日-1903年7月11日)是一位英格兰诗人、文学评论家和编辑,以其1875年写就的诗作《Invictus》出名,这部作品在2009年上映的
  • 中东石油危机第一次石油危机从1973年延续至1974年,又称作1973年石油危机,由于1973年10月第四次中东战争爆发,石油输出国组织(OPEC)为了打击对手以色列及支持以色列的国家,宣布石油禁运,暂停出口
  • 卡里布-塔基卡里布-塔基国家森林(英语:Caribou-Targhee National Forest)是美国的一处国家森林,1903年建立,位处怀俄明州、爱达荷州(犹他州也有一小部分),占地面积超过2.63 × 106英亩(10.6 ×
  • 京釜高速线本线:346.4千米 始兴连结线:1.5千米 大田南连结线:4.2千米 大邱北连结线:3.5千米 干川连结线:3.3千米京釜高速线(朝鲜语:경부고속선/京釜高速線 Gyeongbu Gosok seon */?)是一条连
  • 玄坛真君玄坛真君,全称金龙如意正一龙虎玄坛真君,道教神祇,相传姓赵,名朗,一名昶,字公明,以字行,也有人称其为赵玄坛、赵光明,“玄坛”是指道教的斋坛,有护法神之意,为三十六官将或是四大护法元