代码页

✍ dations ◷ 2025-04-25 18:50:01 #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

  • 联邦区域发展部(已裁撤)俄罗斯联邦区域发展部(俄语:Министерство регионального развития Российской Федерации – Минрегион Ро
  • 圣丹尼门圣丹尼门(Porte Saint-Denis)是一座法国凯旋门,位于巴黎第十区圣但尼郊区街附近。圣丹尼门原址是查理五世城墙城门之一,它曾是巴黎的防御工事。圣丹尼门是由建筑师弗朗索瓦·布
  • 双孢蘑菇双孢蘑菇(学名:Agaricus bisporus)俗称洋菇、口蘑,为伞菌科伞菌属的一种,是最常见的食用菇之一,肉质肥厚。原生于欧洲及北美洲,人类至少自古希腊时代起便开始食用,人工栽培则约始于1
  • 食欲不佳食欲不振(英语:Anorexia),也作食欲减退、食欲缺乏,民间常称“没胃口”,是指食欲降低的一种症状。虽然在许多非科研出版物中该词也可指代神经性厌食症,但是食欲不振的成因却多种多样
  • 中国社会科学院近代史研究所中国社会科学院近代史研究所,加挂中国历史研究院近代史研究所牌子,是中华人民共和国的一家中国近代史研究机构,成立于1977年,是中国社会科学院的直属研究单位。前身为延安马列学
  • 代谢型麸胺酸受体代谢型谷氨酸受体(英语:metabotropic glutamate receptors,简称mGluR),属于谷氨酸受体的一种类型(另一类为离子型谷氨酸受体),可借由间接代谢过程进行激活。该受体是GPCR家族C组的成
  • 杀扑磷杀扑磷(英语:Methidathion)是一种有机磷杀虫剂,在欧盟已禁止使用。Template:Cholinergics
  • 太平洋拱廊太平洋拱廊(Galerías Pacífico)是阿根廷布宜诺斯艾利斯的一个购物中心,位于佛罗里达街与科尔多瓦大道的交叉路口。该建筑由建筑师 Emilio Agrelo 和 Roland Le Vacher设计于1
  • 胡安·德·加雷胡安·德·加雷(Juan de Garay,1528年-1583年),文艺复兴时期欧洲探险家。他曾对西班牙在阿根廷的开拓殖民地作出了贡献,他奴役当地的土著人,后来,为几个仆人所刺杀。
  • 莱曼·弗兰克·鲍姆李曼·弗兰克·鲍姆(英语:Lyman Frank Baum,1856年5月15日-1919年5月6日),又译为富兰克·鲍姆,是个美国作家、演员、报纸编辑,也曾是独立电影的电影监制。《绿野仙踪》(The Wonderful